微型自主水面航行器的动力学建模与高效数据驱动最优控制

微型自主水面航行器在受限或浅水水域作业及集群机器人应用中具有巨大潜力。然而，在如此小的尺度上实现精确且鲁棒的控制仍然极具挑战性，这主要由于非线性水动力学建模的复杂性，以及对自运动效应和环境干扰（包括受限空间中的波浪和边界效应）的敏感性增加。本文提出了一种用于过度驱动MicroASV的物理驱动动力学模型，并引入了一种利用基于弱公式的在线模型学习方法的数据驱动最优控制框架。我们的方法实时持续改进物理驱动模型，实现了能够适应系统参数变化的自适应控制。仿真结果表明，即使在未知载荷和外部干扰下，所提方法也显著提高了轨迹跟踪精度和鲁棒性。这些发现凸显了基于数据驱动在线学习的最优控制改善MicroASV性能的潜力，为更可靠、更精确的自主水面航行器作业铺平了道路。