1.一种欠驱动无人艇轨迹跟踪控制方法,其特征在于,包括以下步骤:S1、构建欠驱动无人艇的运动学方程和动力学方程;
S2、基于欠驱动无人艇的运动学方程和动力学方程,确定误差变量集合;
S3、根据误差变量集合,确定欠驱动无人艇的虚拟控制率;
S4、根据欠驱动无人艇的虚拟控制率,确定欠驱动无人艇的实际控制率;
S5、根据欠驱动无人艇的实际控制率,构建固定阈值事件触发策略;
S6、利用固定阈值事件触发策略完成轨迹跟踪;
所述S3包括以下子步骤:
S31、构建虚拟最优控制率函数;
S32、利用critic神经网络和actor神经网络对虚拟最优控制率函数进行强化学习,确定欠驱动无人艇的虚拟控制率;
所述S31中,虚拟最优控制律函数的表达式为:
;
式中, 表示第一控制器的虚拟最优控制律, 表示第二控制器的虚拟最优控制律,表示第一正常数, 表示第三正常数, 表示第一位置误差变量, 表示第三位置误差变量, 表示角度误差变量, 表示actor神经网络的第一权重向量估计量, 表示actor神经网络的第一学习率, 表示actor神经网络的第三学习率, 表示actor神经网络的第二权重向量估计量, 表示所使用第一RBF神经网络的径向基函数, 表示第三RBF神经网络的径向基函数;
所述S3中,所述critic神经网络的更新律表达式为:;
式中, 表示critic神经网络的第一权重向量自适应律, 表示critic神经网络的第三权重向量自适应律, 表示第一正常数, 表示第三正常数, 表示critic神经网络的第一学习率, 表示critic神经网络的第三学习率, 表示与角度误差变量相关的第一中间变量, 表示critic神经网络的第一权重向量估计量, 表示critic神经网络的第三权重向量估计量, 表示actor神经网络的第一权重向量估计量, 表示actor神经网络的第三权重向量估计量, 表示第一位置误差变量, 表示第三位置误差变量,表示期望轨迹的角速度, 表示第一RBF神经网络的径向基函数, 表示第三RBF神经网络的径向基函数, 表示第一中间变量, 表示第三中间变量, 表示与角度误差变量相关的第三中间变量, 表示角度误差变量, 表示有界函数;
所述actor神经网络的更新律表达式为:
;
式中, 表示actor神经网络的第一权重向量自适应律, 表示actor神经网络的第三权重向量自适应律, 表示actor神经网络的第一学习率, 表示actor神经网络的第三学习率。
2.根据权利要求1所述的欠驱动无人艇轨迹跟踪控制方法,其特征在于,所述S1中,欠驱动无人艇的运动学方程的表达式为:;
式中, 表示地球固定坐标系中的欠驱动无人艇横坐标方向上的速度, 表示地球固定坐标系中的欠驱动无人艇纵坐标方向上的速度, 表示地球固定坐标系中的欠驱动无人艇上的角速度, 表示地球固定坐标系中的欠驱动无人艇横坐标, 表示地球固定坐标系中的欠驱动无人艇纵坐标, 表示地球固定坐标系中的偏航角, 表示无人艇在纵荡方向上的速度, 表示无人艇在横荡方向上的速度, 表示无人艇在艏摇方向上的速度。
3.根据权利要求1所述的欠驱动无人艇轨迹跟踪控制方法,其特征在于,所述S1中,欠驱动无人艇的动力学方程的表达式为:;
式中,表示无人艇在纵荡方向上的加速度,表示无人艇在横荡方向上的加速度,表示无人艇在艏摇方向上的加速度, 表示包含附加质量的第一无人艇惯量, 表示包含附加质量的第二无人艇惯量, 表示包含附加质量的第三无人艇惯量, 表示不确定的第一流体动力阻尼项, 表示不确定的第二流体动力阻尼项, 表示不确定的第三流体动力阻尼项, 表示无人艇纵荡方向上的控制输入, 表示无人艇艏摇方向上的控制输入, 表示第一无人艇所受外部扰动, 表示第二无人艇所受外部扰动,表示第三无人艇所受外部扰动, 表示无人艇在纵荡方向上的速度, 表示无人艇在横荡方向上的速度,表示无人艇在艏摇方向上的速度。
4.根据权利要求1所述的欠驱动无人艇轨迹跟踪控制方法,其特征在于,所述S2中,误差变量集合包括第一位置误差变量、第二位置误差变量、第三位置误差变量和第四位置误差变量;
所述第一位置误差变量 的表达式为:
;
式中, 表示地球固定坐标系中的偏航角, 表示期望方位角;
所述第二位置误差变量 的表达式为:
;
式中,表示无人艇在艏摇方向上的速度, 表示第一滤波虚拟控制;
所述第三位置误差变量 的表达式为:
;
式中, 表示无人艇在 轴方向上的差值, 表示无人艇在 轴方向上的差值;
所述第四位置误差变量 的表达式为:
;
式中, 表示无人艇在纵荡方向上的速度, 表示第二滤波虚拟控制。
5.根据权利要求1所述的欠驱动无人艇轨迹跟踪控制方法,其特征在于,所述S4包括以下子步骤:S41、构建实际最优控制率函数;
S42、利用critic神经网络和actor神经网络对实际最优控制率函数进行强化学习,确定欠驱动无人艇的实际控制率。
6.根据权利要求5所述的欠驱动无人艇轨迹跟踪控制方法,其特征在于,所述S41中,实际最优控制率函数的表达式为:;
式中, 表示第一控制器的最优控制律, 表示第二控制器的最优控制律, 表示在第二控制器上的外部扰动, 表示在第一控制器的外部扰动, 表示第二正常数,表示第四正常数, 表示第二位置误差变量, 表示第四位置误差变量, 表示用于拟合模型不确定性的第一RBF神经网络, 表示用于拟合模型不确定性的第二RBF神经网络, 表示第五RBF神经网络的径向基函数, 表示第六RBF神经网络的径向基函数,表示第二RBF神经网络的最优权重向量估计量, 表示第四神经网络的最优权重向量估计量, 表示第二RBF神经网络的径向基函数, 表示第四RBF神经网络的径向基函数,表示第一近似误差, 表示第二近似误差。
7.根据权利要求1所述的欠驱动无人艇轨迹跟踪控制方法,其特征在于,所述S5中,固定阈值事件触发策略τnt(t)的表达式为:;
式中, 表示时间触发策略得到的控制器输出,表示控制器更新时间, 表示控制器第 次更新时间, 表示控制器第 次更新时间。