基于神经网络仿真误差最小化模型预测控制的自主水面艇抗风扰定点保持
机器人学
2023-10-13 v1 机器学习
摘要
定点保持是自主水面艇（ASV）的一项基本机动动作，尤其当其在受限空间中使用、执行要求 ASV 保持位置的勘测任务，或与其他车辆协作且相对位置影响任务时。然而，由于需要精确的 ASV 动力学模型与环境扰动模型，该机动对经典反馈控制器而言可能具有挑战性。本工作提出一种使用神经网络仿真误差最小化（NNSEM-MPC）的模型预测控制器，以准确预测风扰下 ASV 的动力学。所提方案在风扰下的性能在仿真中进行了测试，并与使用机器人操作系统（ROS）和多用途仿真环境 Gazebo 的其他控制器进行比较。通过组合两种风速（3 m/s 和 6 m/s）与三种风向（0、90 和 180）进行了六组测试。仿真结果清晰显示了 NNSEM-MPC 优于以下方法：反步控制器、滑模控制器、简化动力学 MPC（SD-MPC）、神经常微分方程 MPC（NODE-MPC）和基于知识的 NODE MPC（KNODE-MPC）。所提 NNSEM-MPC 方法在 6 个测试条件中的 4 个表现优于其余方法，并在其余 2 个测试案例中居第二，在所有测试案例中平均位置和航向误差分别至少降低 31% 和 46%。在执行速度方面，所提 NNSEM-MPC 至少比其余 MPC 控制器快 36%。在两个不同 ASV 平台上的现场实验表明，ASV 可有效利用所提方法保持定点，在至少 s 的时间窗内位置误差低至 m、航向误差低至 。
引用
@article{arxiv.2310.07892,
title = {ASV Station Keeping under Wind Disturbances using Neural Network Simulation Error Minimization Model Predictive Control},
author = {Jalil Chavez-Galaviz and Jianwen Li and Ajinkya Chaudhary and Nina Mahmoudian},
journal= {arXiv preprint arXiv:2310.07892},
year = {2023}
}