船舶动力定位非线性滑模控制陈海力

博士毕业论文
船舶动力定位非线性滑模控制
Nonlinear Sliding Mode Control for Dynamic Positioning of Ships
作者姓名：陈海力
学号： 0120140002
指导教师：任鸿翔教授
学科专业：交通信息工程及控制
培养单位：航海学院
答辩时间：
大连海事大学
Dalian Maritime University
创新点摘要
创新点摘要
1. 提出了一种基于迭代滑模的船舶动力定位状态反馈控制律，解决了滑模控制律严
重抖振、较大系统静差的问题。进一步考虑动力定位船舶速度(纵荡速度、横荡速度和
艏向角速度)不易测量的问题，设计了一种不依赖船舶数学模型的有限时间状态观测器，
对船舶速度进行精确观测，实现观测误差在有限时间内收敛到零值附近。
2. 提出了一种简捷、不依赖船舶数学模型的船舶动力定位增量反馈控制律，简化了
控制律的表达形式，提高了控制律的适应性及鲁棒性，增强了系统的稳定性。进一步考
虑控制输入易饱和甚至过载以及环境最优艏向问题，基于提出的非线性迭代滑模面与艏
向寻优算法，设计了一种基于环境最优的船舶动力定位增量反馈控制律，通过滑模面参
数的调整达到防止控制输入饱和甚至过载的目的，并实现船首转到环境最优艏向角，减
少推进器损耗及能量消耗。
3. 提出了改进的船舶动力定位非奇异快速终端滑模控制律，提高了系统的收敛速
度，增强了系统的稳定性。考虑船舶模型的不确定问题，利用最小二乘支持向量机的逼
近能力进行自适应估计，引入“最小参数”技术，使得自适应参数的个数减少到一个，
简化了算法的复杂程度。
4. 提出了一种基于有限时间理论的干扰观测器，解决了船舶动力定位中未知环境干
扰和推进器故障的问题。设计的干扰观测器能够对干扰和推进器故障进行准确观测，实
现观测误差在有限时间内收敛到零值附近。
中文摘要
摘要
本文以动力定位船舶为研究对象，运用迭代滑模方法、非奇异快速终端滑模方法、
Backstepping 技术、观测器技术和最小二乘支持向量机(Least Squares-Support Vector
Machines，LS-SVM)非线性函数逼近理论等工具，开展船舶动力定位控制的深入研究，
致力于解决船舶模型不确定、未知环境干扰、推进器故障、船舶速度未知以及环境最优
艏向 5 个问题。主要研究工作包括以下几个方面：
1. 针对船舶动力定位滑模控制律存在严重抖振、较大系统静差的问题，提出一种基
于迭代滑模的状态反馈控制律，该策略的表达式包含跟踪误差的比例项及微分项、滑模
的积分项、已知的船舶状态以及滑模切换项的积分项，较好地解决了上述滑模控制律存
在的问题。进一步考虑动力定位船舶速度不易测量的问题，设计一种不依赖于船舶数学
模型的有限时间状态观测器，对船舶速度精确测量，保证观测误差在有限时间内收敛到
零值附近。基于该状态观测器与迭代滑模面，设计船舶动力定位输出反馈控制律，利用
Lyapunov 理论证明了系统的稳定性。最后的仿真结果验证了有限时间观测器的观测能
力以及输出反馈控制律的有效性。
2. 针对船舶动力定位滑模控制律的表达形式复杂，设计参数较多，以及严重依赖船
舶数学模型的问题，基于迭代滑模面，提出一种简捷的、不依赖于船舶数学模型、考虑
推进器模型的增量反馈控制律。仿真结果表明，该策略具有稳定性好、鲁棒性及适应性
强的优势。其次，为防止推进器饱和甚至过载，以及减小推进器磨损和能量消耗，提出
一种基于环境最优的增量反馈控制律。设计一种非线性迭代滑模面，通过滑模面参数的
改变调整控制策略的输出，达到防止推进器饱和的目的。在“零功耗风标控制”(Zero
Power Control-Weathervane，ZPC-W)艏向寻优算法基础上进行改进，增加横向控制力的
微分项，保证在不增加系统超调的基础上，提高最优艏向的收敛速度。仿真结果验证了
提出的控制策略及艏向寻优算法的优越性。
3. 针对滑模控制律和 Backstepping 控制律只能保证系统渐近收敛的问题，基于有限
时间理论，将 Backstepping 技术与非奇异快速终端滑模面结合，设计一种基于
Backstepping 非奇异快速终端滑模控制律，提高系统的收敛速度，增强系统的稳定性。
考虑未知环境干扰，利用自适应方法进行补偿控制，进一步减小系统的稳定误差，增强
稳定性。
4. 针对模型不确定的船舶动力定位问题，基于非奇异快速终端滑模面，设计一种基
于 LS-SVM 的非奇异快速终端滑模控制律。利用 LS-SVM 的逼近能力对模型的不确定
项进行自适应估计，引入“最小参数”技术，将自适应参数的个数减少到一个，简化算
-I-
法的复杂程度。仿真结果表明，与滑模控制律相比，提出的控制策略具有收敛速度快、
稳定误差小及鲁棒性强的特点。
5. 针对未知环境干扰及推进器故障的问题，基于改进的非奇异快速终端滑模面，设
计一种基于干扰观测器的船舶动力定位非奇异快速终端滑模容错控制律。与非奇异快速
终端滑模控制律相比，该控制律增加了滑模的积分项，有助于提高系统的暂态响应能力
及稳态性能。考虑未知环境干扰和推进器故障，设计一种有限时间干扰观测器，对环境
干扰及推进器故障进行估计补偿，保证估计误差在有限时间内收敛。然后，将该观测器
融入到控制律的设计中，利用 Lyapunov 理论证明系统的稳定性。仿真实验证明，与滑
模控制律和非奇异快速终端滑模控制律相比，提出的控制策略具有收敛速度快、稳定误
差小及鲁棒性强的优势。
综上所述，本文主要对滑模控制律及非奇异快速终端滑模控制律进行改进，设计船
舶动力定位非线性滑模控制律。将提出的控制律与观测器技术、LS-SVM 逼近理论及艏
向寻优算法等结合，解决了船舶速度不易测量、未知环境干扰以及环境最优艏向等问题，
对推动船舶动力定位非线性控制的理论研究以及工程应用具有一定的参考价值。
关键词：船舶动力定位；迭代滑模控制；非奇异快速终端滑模控制；有限时间状态
观测器；有限时间干扰观测器
- II -
英文摘要
ABSTRACT
This dissertation takes the dynamic positioning ship as the research object, and employs
the iterative sliding mode method, the nonsingular fast terminal sliding mode method,
Backstepping technique, the observer technique and LS-SVM nonlinear function
approximation theory to carry out intensive studies on dynamic positioning control of ships. It
is dedicated to addressing five issues: ship model uncertainties, unknown environmental
disturbances, thruster faults, unknown velocities of the ship and environmental optimal
heading. The major work includes the following several aspects:
1. In view of serious chattering and large system static errors caused by the dynamic
positioning sliding mode control scheme, an iterative sliding mode-based state feedback
control scheme is proposed, which consists of proportional and differential term of tracking
errors, integral term of sliding mode, known state of the ship and integral term of sliding
mode switching. It is able to copy with problems of the sliding mode control scheme.
Furthermore, in the presence of unknown velocities of ships, the finite-time state observer
independent of the ship mathematical model is addressed to observe velocities of the ship, and
guarantees observation errors to converge to a small region around zero in the finite time. And
then, the iterative sliding mode-based output feedback control scheme is constructed based on
the iterative sliding mode surface and the state observer and Lyapunov is adopted to prove the
system stability. Final simulation studies demonstrate strong observation capability of the
proposed finite-time state observer and superior advantages of the proposed output feedback
control scheme.
2. In light of the case that the dynamic positioning sliding mode control scheme is
inclusive of several demerits, such as complex formula, excessive design parameters and
heavy reliance on the ship mathematical model, a novel incremental feedback control scheme
is deduced, which is independent of the ship mathematical model and takes into account the
thruster model. Simulation studies demonstrate that the proposed scheme facilitates good
stability, strong robustness and adaptability. What’s more, in order to satisfy requirements of
reducing the thruster wear and energy consumption, and preventing the saturation or even
overload of the thruster, a nonlinear iterative sliding mode control scheme based on
environmental optimal heading is proposed. It’s easy to change the output of the control
scheme through parameters adjustment of the sliding mode surface. Besides, an improved
“ZPC-W” heading optimization algorithm is presented. It adds the differential term of
transverse control force to promote the convergence rate of the environmental optimal
heading without the system overshoot. Finally, simulation results verify good advantages of
the proposed control scheme and the improved “ZPC-W” algorithm.
- III -
3. In consideration of the issue that both sliding mode control scheme and Backstepping
control scheme just guarantee asymptotic convergence of the system, a Backstepping-based
nonsingular fast terminal sliding mode control scheme is proposed. It combines Backstepping
technique with the nonsingular fast terminal sliding mode surface to improve system
performance, involving convergence rate and stability. And adaptive method is introduced to
compensate the unknown environmental disturbances, which reduces the stability errors and
enhances stability of the system.
4. In view of ship model uncertainties, a LS-SVM-based nonsingular fast terminal
sliding mode control scheme is designed based on the nonsingular fast terminal sliding mode
surface, where LS-SVM is employed to adaptively estimate model uncertainties. The
“minimum parameter technique” is introduced to reduce the number of adaptive parameters to
one, simplifying complexity of the control algorithm. Simulation results show that the
proposed control scheme covers great advantages of fast convergence rate, small stability
errors and strong robustness in comparison with sliding mode control scheme.
5. In consideration of unknown environmental disturbances and thruster faults, a
disturbance observer-based finite-time fault-tolerant control scheme is constructed. The
proposed scheme adds integral term of sliding mode, which is helpful to improve transient
response and steady state performance of the system. In order to tackle unknown
environmental disturbances and thruster faults, a finite-time disturbance observer is presented
to observer unknown environmental disturbances and thruster faults, guaranteeing estimation
errors to converge to a neighborhood around zero in the finite time. And then, it is
incorporated into the construction of the control scheme. Finally, simulation studies are
carried out among the proposed scheme, the sliding mode control scheme and the nonsingular
fast terminal sliding mode control scheme, and final results show that the proposed scheme
gains the fastest convergence rate, the smallest stability errors and the strongest robustness.
To sum up, this dissertation designs an improved nonlinear sliding mode control scheme
for dynamic positioning of ships. It combines with the observer technique, LS-SVM
approximation theory and the heading optimization algorithm to settle several issues,
including unmeasured velocities of the ship, unknown environmental disturbances,
environmental optimal heading, etc. The results are valuable for theoretical research and
engineering application of nonlinear control for dynamic positioning of ships.
Key Words: Dynamic Positioning of Ships; Iterative Sliding Mode Control;

Nonsingular Fast Terminal Sliding Mode Control; Finite-time State Observer; Finite-time
Disturbance Observer
- IV -
目录
目录
1 绪论 .............................................................................................................................. 1
1.1 研究背景及意义 ............................................................................................... 1
1.2 国内外相关研究现状 ....................................................................................... 3
1.2.1 Backstepping 控制方法 ......................................................................... 3
1.2.2 滑模控制方法 ........................................................................................ 6
1.2.3 有限时间控制方法 ................................................................................ 8
1.3 本研究领域存在的问题 ................................................................................... 9
1.4 研究内容和结构安排 ..................................................................................... 10
2 基础知识 .................................................................................................................... 12
2.1 引言 ................................................................................................................. 12
2.2 Lyapunov 稳定性理论 .................................................................................... 13
2.2.1 稳定的概念 .......................................................................................... 13
2.2.2 Lyapunov 稳定性定理 ......................................................................... 13
2.3 有限时间稳定定义与引理 ............................................................................. 15
2.4 LS-SVM 简介 ................................................................................................. 16
2.5 船舶运动数学模型 ......................................................................................... 17
2.6 环境干扰 ......................................................................................................... 18
2.6.1 风模型 .................................................................................................. 18
2.6.2 波浪模型 .............................................................................................. 21
2.7 本文采用的仿真模型 ..................................................................................... 21
2.8 本章小结 ......................................................................................................... 23
3 基于迭代滑模的船舶动力定位控制 ........................................................................ 24
3.1 引言 ................................................................................................................. 24
3.2 基于迭代滑模的船舶动力定位状态反馈控制 ............................................. 24
3.2.1 问题描述 .............................................................................................. 24
3.2.2 控制律设计 .......................................................................................... 25
3.2.3 稳定性分析 .......................................................................................... 26
3.2.4 仿真验证 .............................................................................................. 27
3.3 基于迭代滑模的船舶动力定位输出反馈控制 ............................................. 32
3.3.1 问题描述 .............................................................................................. 32
3.3.2 有限时间状态观测器的设计 .............................................................. 33
-V-
3.3.3 有限时间状态观测器的稳定性分析 .................................................. 33

3.3.4 基于状态观测器的船舶动力定位输出反馈控制 .............................. 36
3.3.5 稳定性分析 .......................................................................................... 37
3.3.6 仿真验证 .............................................................................................. 38
3.4 本章小结 ......................................................................................................... 42
4 基于迭代滑模的船舶动力定位增量反馈控制 ........................................................ 44
4.1 引言 ................................................................................................................. 44
4.2 考虑指令螺距输入的船舶动力定位增量反馈控制 ..................................... 44
4.2.1 问题描述 .............................................................................................. 44
4.2.2 控制律设计 .......................................................................................... 45
4.2.3 稳定性分析 .......................................................................................... 46
4.2.4 仿真验证 .............................................................................................. 48
4.3 基于环境最优的船舶动力定位增量反馈控制 ............................................. 60
4.3.1 问题描述 .............................................................................................. 60
4.3.2 控制律设计及稳定性分析 .................................................................. 60
4.3.3 环境最优艏向设计 .............................................................................. 61
4.3.4 仿真验证 .............................................................................................. 61
4.4 本章小结 ......................................................................................................... 67
5 基于非奇异快速终端滑模的船舶动力定位控制 .................................................... 68
5.1 引言 ................................................................................................................. 68
5.2 基于 Backstepping 的船舶动力定位非奇异快速终端滑模控制 ................. 68
5.2.1 问题描述 .............................................................................................. 68
5.2.2 控制律设计 .......................................................................................... 69
5.2.3 稳定性分析 .......................................................................................... 70
5.2.4 仿真验证 .............................................................................................. 72
5.3 基于 LS-SVM 的船舶动力定位非奇异快速终端滑模控制 ........................ 78
5.3.1 问题描述 .............................................................................................. 78
5.3.2 控制律设计 .......................................................................................... 79
5.3.3 稳定性分析 .......................................................................................... 80
5.3.4 仿真验证 .............................................................................................. 83
5.4 基于干扰观测器的船舶动力定位非奇异快速终端滑模容错控制 ............. 92
5.4.1 问题描述 .............................................................................................. 92
- VI -
目录
5.4.2 忽略环境干扰的船舶动力定位积分非奇异快速终端滑模控制 ...... 92

5.4.3 船舶动力定位有限时间干扰观测器 .................................................. 95
5.4.4 基于干扰观测器的船舶动力定位非奇异快速终端滑模容错控制 .. 97
5.4.5 仿真验证 .............................................................................................. 99
5.5 本章小结 ....................................................................................................... 106
6 结论与展望 .............................................................................................................. 108
6.1 结论 ............................................................................................................... 108
6.2 展望 ............................................................................................................... 109
参考文献 .................................................................................................................. 110
作者简历及在读期间的科研成果 ................................................................................ 119
致谢 ........................................................................................................................ 121
- VII -
图表目录
图目录
图 1.1 供给船 ................................................................................................................. 2

图 1.2 救援船 ................................................................................................................. 2
图 1.3 铺管船 ................................................................................................................. 2
图 1.4 石油钻井平台 ..................................................................................................... 2
图 1.5 船舶动力定位系统结构图 ................................................................................. 3
图 2.1 大地坐标系和随船坐标系 ............................................................................... 17
图 2.2 推进器配置图 ................................................................................................... 22
图 3.1 船舶在 xy 平面内运动轨迹.............................................................................. 28
图 3.2 船舶位置  x,y  和艏向角 .............................................................................. 29
图 3.3 船舶速度 u, v, r ................................................................................................. 29
图 3.4 控制力  u , v 和控制力矩  r .............................................................................. 30
图 3.5 增大干扰后船舶位置  x,y  和艏向角 .......................................................... 31

图 3.6 增大干扰后控制力  u , v 和控制力矩  r .......................................................... 31
图 3.7 干扰补偿后船舶位置  x,y  和艏向角 .......................................................... 32
图 3.8 船舶在 xy 平面内运动轨迹.............................................................................. 39
图 3.9 实际值 x, y, 及观测值 xˆ, yˆ ,ˆ ........................................................................ 40
图 3.10 实际值 u, v, r 和观测值 uˆ, vˆ, rˆ .......................................................................... 40
图 3.11 输出观测误差 x, y, ...................................................................................... 41
图 3.12 速度观测误差 u, v, r ....................................................................................... 41
图 3.13 控制力  u , v 和控制力矩  r ............................................................................ 42
图 4.1 工况 1 船舶在 xy 平面内运动轨迹.................................................................. 49
图 4.2 工况 1 船舶位置  x,y  和艏向角 .................................................................. 50
图 4.3 工况 1 船舶速度 u, v, r ..................................................................................... 50
图 4.4 工况 1 控制力  u , v 和控制力矩  r .................................................................. 51
图 4.5 工况 1 推进器螺距输入 ................................................................................... 51
图 4.6 工况 2 船舶位置  x,y  和艏向角 .................................................................. 52
- VIII -
图表目录
图 4.7 工况 2 控制力  u , v 和控制力矩  r .................................................................. 53

图 4.8 工况 3 船舶位置  x,y  和艏向角 .................................................................. 54
图 4.9 工况 3 控制力  u , v 和控制力矩  r .................................................................. 54
图 4.10 工况 4 船舶位置  x,y  和艏向角 ................................................................ 55
图 4.11 工况 4 控制力  u , v 和控制力矩  r ................................................................ 56
图 4.12 工况 5 船舶位置  x,y  和艏向角 ................................................................ 57

图 4.13 工况 5 控制力  u , v 和控制力矩  r ................................................................ 57
图 4.14 工况 5 推进器螺距输入 ................................................................................. 58
图 4.15 工况 6 船舶位置  x,y  和艏向角 ................................................................ 59
图 4.16 工况 6 控制力  u , v 和控制力矩  r ................................................................ 59
图 4.17 环境最优艏向设计 ......................................................................................... 61
图 4.18 船舶位置  x,y  和艏向角 ............................................................................ 63
图 4.19 船舶速度 u, v, r ............................................................................................... 63
图 4.20 控制力  u , v 和控制力矩  r ............................................................................ 64
图 4.21 推进器螺距输入 ............................................................................................. 64
图 4.22 船舶位置  x,y  和艏向角 ............................................................................ 65
图 4.23 控制力  u , v 和控制力矩  r ............................................................................ 66
图 4.24 两种环境最优艏向方法比较 ......................................................................... 66
图 5.1 船舶在 xy 平面内运动轨迹.............................................................................. 73
图 5.2 船舶位置  x,y  和艏向角 .............................................................................. 74
图 5.3 船舶速度 u, v, r ................................................................................................. 74
图 5.4 控制力  u , v 和控制力矩  r .............................................................................. 75
图 5.5 干扰实际值  wu , wv , wr 及观测值 ˆwu ,ˆwv ,ˆwr ................................................... 75
图 5.6 增大干扰后船舶位置  x,y  和艏向角 .......................................................... 77

图 5.7 增大干扰后控制力  u , v 和控制力矩  r .......................................................... 77
图 5.8 工况 1 船舶在 xy 平面内运动轨迹.................................................................. 84
图 5.9 工况 1 船舶位置  x,y  和艏向角 .................................................................. 84
图 5.10 工况 1 船舶速度 u, v, r ................................................................................... 85
图 5.11 工况 1 控制力  u , v 和控制力矩  r ................................................................ 85
- IX -
图 5.12 工况 2 船舶位置  x,y  和艏向角 ................................................................ 87

图 5.13 工况 2 控制力  u , v 和控制力矩  r ................................................................ 87
图 5.14 工况 3 船舶位置  x,y  和艏向角 ................................................................ 89

图 5.15 工况 3 控制力  u , v 和控制力矩  r ................................................................ 89
图 5.16 工况 4 船舶位置  x,y  和艏向角 ................................................................ 90
图 5.17 工况 4 控制力  u , v 和控制力矩  r ................................................................ 91
图 5.18 船舶在 xy 平面内运动轨迹.......................................................................... 100
图 5.19 船舶位置  x,y  和艏向角 .......................................................................... 101
图 5.20 船舶速度 u, v, r ............................................................................................. 101
图 5.21 控制力  u , v 和控制力矩  r .......................................................................... 102
图 5.22 增大干扰后船舶位置  x,y  和艏向角 ...................................................... 103

图 5.23 增大干扰后控制力  u , v 和控制力矩  r ...................................................... 104
图 5.24 干扰实际值  wfu , wfv , wfr 及观测值 ˆwfu ,ˆwfv ,ˆwfr ........................................... 105
图 5.25 推进器故障下船舶位置  x,y  和艏向角 .................................................. 105
表目录
表 2.1 供给船水动力导数 ............................................................................................ 22

表 5.1 3 种策略性能比较 ............................................................................................. 76
表 5.2 增大干扰后 3 种策略性能比较 ........................................................................ 78
表 5.3 工况 1 两种控制策略性能比较 ........................................................................ 86
表 5.4 工况 2 两种控制策略性能比较 ........................................................................ 88
表 5.5 工况 3 两种控制策略性能比较 ........................................................................ 90
表 5.6 工况 4 两种控制策略性能比较 ........................................................................ 91
表 5.7 3 种控制策略性能对比 ................................................................................... 102
表 5.8 增大干扰后 3 种策略性能对比 ...................................................................... 104
表 5.9 从 0s 到 100s 两种策略性能比较 ................................................................... 106
-X-
绪论
1 绪论
1.1 研究背景及意义
2012 年，党的十八大报告首次从战略高度对我国海洋事业作出了全面部署，明确提
出了“建设海洋强国”战略，着力提高海洋资源开发能力，发展海洋经济，保护海洋生
态环境，维护国家海洋权益[1]。2017 年，党的十九大报告中又指出：“坚持陆海统筹，
加快建设海洋强国”，再一次从国家战略层面，为海洋强国建设和发展海洋经济指明了
方向。实施海洋强国战略必须加强海洋开发能力建设[2]。2021 年《中华人民共和国国民
经济和社会发展第十四个五年规划和 2023 年远景目标纲要》第三十三章第一节提出了
“围绕海洋工程、海洋资源、海洋环境等领域突破一批核心技术”[3]。要弥补核心技术
不足的短板，需要依靠创新型海洋科技，可以说海洋科技进步已然成为引领和支撑海洋
强国建设的重要基础和核心动力[4]。海洋工程装备的制造是海洋科技的重要组成部分，
包括供给船、铺管船、救援船和石油钻井平台等[5]-[6]，如图 1.1-图 1.4 所示。由于船舶
或钻井平台在深海作业时，不可避免地需要定位于海面上的固定位置，传统的水面定位
一般采用呈辐射状的多点锚泊方式，其优点是投资较少、使用维护方便，但是缺点也十
分明显，包括：(1) 受作业水深的限制，无法满足深海的定位要求；(2) 在恶劣海况条
件下，定位精度难以满足海上生产作业的需求；(3) 当改变定位点时，需要重新起锚再
抛锚，造成作业效率低下；(4) 当长时间在某一特定水域作业时，容易破坏海底环境[7]。
动力定位(Dynamic Positioning，DP)系统克服了以上缺点，具有作业时不受水深的限制，
系统布设方便，无需先期准备，灵活性强的优点。动力定位系统是指海上浮式结构物(包
括船舶、钻井平台)凭借自身推进系统产生的动力，来抵抗由风、流、浪等引起的海洋
环境干扰，以一定姿态定位于海面某一目标位置或沿着预设轨迹航行[8]-[9]。动力定位系
统于二十世纪 70 年代由美国海军研制成功，主要应用于潜水艇支持船、军用海底电缆
铺设等作业。从二十世纪 80 年代初开始，随着北海油田、墨西哥湾油田的大规模开发，
动力定位定位系统广泛应用于油田守护、平台避碰、水下工程施工、海底管线检修、水
下机器人(Remote-Operated Vehicle，ROV)跟踪等作业。尤其是 90 年代以来，随着海上
勘探开发逐步向深水(500m-1500m)和超水深(1500m 以上)发展，几乎所有的深水钻井船、
油田守护船都装备了动力定位系统，中国首艘 3000 米深水铺管起重船“海洋石油 201”
就装备有最先进的 DP3 动力定位系统[10]。
-1-
图 1.1 供给船图 1.2 救援船

Fig. 1.1 Supply vessel Fig. 1.2 Rescue vessel
图 1.3 铺管船图 1.4 石油钻井平台

Fig. 1.3 Pipe-laying vessel Fig. 1.4 Oil drilling platform
动力定位系统由测量系统、控制系统和推进系统 3 个部分组成，如图 1.5 所示，其

中控制系统是核心，而动力定位控制器设计是控制系统的核心技术[7]。由于作业中船舶
的操纵条件和所处的海洋环境等时常发生变化，船舶动态及遭受到的环境扰动存在着明
显的不确定性，船舶速度通常不易测量，尤其是艏向角速度。船舶推进系统由于物理限
制，导致船舶的速度及船舶提供的控制力和力矩会受到限制。船舶推进器由于长时间运
作，不可避免地发生故障，而且因为工作的性质很难及时修理。另外，船舶在长期的动
力定位过程中可以调整艏向正对环境干扰合力的方向(环境最优艏向)，以达到节约燃料，
减小机械磨损的目的。
针对上述问题，本文开展船舶动力定位非线性滑模控制方法研究，利用 Backstepping
技术、滑模控制理论以及有限时间理论，设计船舶动力定位非线性滑模控制律。将控制
方法与观测器技术、自适应方法、LS-SVM 逼近理论以及艏向寻优算法等结合，解决船
舶动力定位存在的这些问题，为推动船舶动力定位非线性控制理论的发展与工程实际应
用起到一定的促进作用。
-2-
绪论
图 1.5 船舶动力定位系统结构图
Fig. 1.5 Block diagram of ship dynamic positioning system
1.2 国内外相关研究现状
动力定位系统起源于二十世纪 60 年代，采用串联了低通或陷波滤波器的比例-积分
-微分(Proportional-Integral-Derivative，PID)控制器来完成动力定位任务。该控制算法存
在超调严重，稳定误差较大的问题，滤波器的引入虽然有效地抑制了高频运动对系统的
影响，却导致误差信号产生了相位滞后，影响了系统的稳定性[11]。到二十世纪 70 年代
中期，随着现代控制理论的发展，结合了卡尔曼滤波器的多变量线性最优控制算法，引
入到动力定位控制系统中，出现了第二代动力定位系统[12]。文献[13]-[16]则在该算法的
基础上进行了不断的优化，例如，文献[15]提出了一种频率自适应算法，能使系统在更
大范围环境扰动下保持良好的性能。但是，无论是 PID 控制算法还是最优控制算法都属
于线性控制方法，需要将船舶非线性运动方程在各工作点上进行线性化，导致参数调节
工作量大，且只能获得系统的局部稳定。
自二十世纪 90 年代，随着非线性控制理论和计算机技术飞速发展，非线性控制设
计方法引起了国内外广大专家学者广泛关注，并将其应用到动力定位控制中，不但取消
了船舶非线性运动方程需要线性化的假设，而且提高了系统稳态性能。Backstepping 控
制[17]-[21]、滑模控制[22]-[28]、自抗扰控制[29]-[32]、模型预测控制[33]-[36]以及有限时间控制[37]-[40]
等一大批优秀非线性控制算法涌现，并取得了大量的研究成果。下面就 Backstepping 控
制、滑模控制及有限时间控制 3 种方法做简要分析。
1.2.1 Backstepping 控制方法

Backstepping 控制方法是通过从系统的最低阶次微分方程开始，引入虚拟控制的概
念，一步一步设计满足要求的虚拟控制，直到推导出最终的控制律[17]-[20]。文献[21]首次
采用 Backstepping 技术，通过 6 个步骤设计动力定位控制律，取得了系统全局渐近稳定
的结果。随后，文献[41]引入矢量 Backstepping 技术设计动力定位控制律，将设计步骤
简化到两步。然而，基于 Backstepping 技术的控制方法设计中，对虚拟控制求导容易造
-3-
成“计算膨胀”的问题。文献[42]采用动态面(Dynamic Surface Control，DSC)技术，通

过引入一阶低通滤波器，使得控制律设计中的微分运算被简单的代数运算代替，解决了
“计算膨胀”的问题，然后将 DSC 技术与矢量 Backstepping 技术结合，设计了动力定
位控制律，保证闭环系统中所有信号最终一致有界。
文献[21],[41]控制律的设计中均忽略了风、浪、流等引起的环境干扰，不可避免地
降低了系统的稳态性能。为此，文献[43]-[44]设计了自适应方法对环境干扰估计，然后
将其融入到 Backstepping 控制律的设计中，仿真结果表明该环境干扰的估计值是收敛的。
另外，一些学者引入了智能方法对环境干扰进行自适应逼近，文献[45]-[48]利用径向基
(Radial Basis Function，RBF)神经网络的非线性逼近能力，对环境干扰和模型的不确定
项进行自适应估计，但是该方法的缺点是自适应参数个数过多，计算复杂。文献[49]-[52]
引入“最小参数”技术，将 RBF 神经网络自适应参数的个数减小到了一个，简化了算
法复杂度，减小了计算量。文献[53]在文献[49]的基础上考虑了控制器饱和以及时间延
迟的问题，构建 Krasovskii 函数解决时间延迟的影响，引入一个自适应项用来补偿干扰
及神经网路估计误差上界。文献[54]则引入了模糊逻辑(Fuzzy Logic)来逼近环境干扰及
模型的不确定项。除了自适应方法及智能逼近方法，文献[55]设计一种非线性无源观测
器，根据包含测量噪声的系统输出来估计船舶低频输出、速度和环境干扰，Lyapunov
理论证明该观测器是全局渐近稳定的。随后，文献[56]将该控制律在比例船模上进行了
试验，取得了与文献[55]仿真实验近似的结果，证明了该方法的可靠性。文献[57]-[58]
设计了一种干扰观测器，利用 Lyapunov 理论证明了观测误差能够渐近收敛。文献[59]-[60]
通过建立一个线性外部系统经过标准型变换，转化为线性参数回归模型，用来表示环境
扰动，然后构造状态观测器估计回归模型的回归器，将环境干扰表示成线性参数化形式，
则干扰补偿问题转变为自适应控制问题。
除了未知环境干扰的问题，推进器故障的问题也是一个研究热点，文献[61]设计了
辅助控制器用来补偿推进器的故障，仿真结果表明增加了推进器故障的辅助控制律后，
系统的稳定时间明显减小。但是，该动力定位控制律的设计中没有考虑环境干扰。文献
[46]则是设计了一个辅助系统对推进器饱和及故障问题一并处理。文献[62]将模型的不
确定性、环境干扰及推进器的故障统一看作干扰，利用复合正交神经网络的非线性逼近
能力进行自适应逼近，然后将其融入到扩展状态观测器的设计中，对船舶的速度进行观
测，最后基于 Backstepping 技术设计输出反馈控制律，Lyapunov 理论证明系统内所有误
差信号一致渐近有界。
文献[42]-[43],[44]-[45],[47]-[48],[57],[59]控制策略设计的前提条件是船舶状态已
知，然而，工程实际上船舶的速度不易测量，尤其是艏向角速度。因此，文献[63]设计
-4-
绪论
无源状态观测器对船舶速度进行观测，保证观测误差的全局渐近收敛。文献[64]针对文
献[63]无源观测器只适用于低速域的情况，提出了一种适用于全速域的自适应滑模无源
观测器，其中切换自适应律对非线性水动力项的上界进行估计。但是，该无源状态观测
器设计的前提条件是船舶模型参数已知。文献[65]在船舶模型参数未知的情况下，提出
了一种自适应观测器测量船舶速度及模型参数，然后设计了一种基于 Backstepping 的输
出反馈控制律，理论证明及仿真结果都验证了观测器的观测性能。文献[43]设计了一种
非线性观测器-控制器控制方案，构造 Luenberger 非线性观测器对船舶速度进行观测，
该观测器具有分离的稳定性。文献[46],[66]-[67]在假设系统输出及其一阶导数有界前提
下，设计了不依赖于具体船舶数学模型的高增益状态观测器，并与神经网络(Neural
Network，NN)和辅助系统结合设计了船舶输出反馈控制律，理论证明该系统所有信号一
致最终有界。
在海洋上长期进行作业的动力定位船舶，为了达到节能减排的目的，常常需要船首
向转到正对环境合力的方向，即环境最优艏向。因此，文献[68]提出了一种船舶艏向寻
优算法，它是将船舶坐标系的原点设置到船首附近某一位置，使得船首向不受控制，类
似于风中的红旗，从而得到环境最优艏向角，然后设计控制律保证船舶纵荡、横荡方向
上的稳定。为了证明文献[68]艏向寻优算法的效果，文献[69]利用 Backstepping 技术设计
了动力定位控制律，并进行了比例船模试验，通过与单点系泊获得环境最优艏向的方式
比较，提出的艏向寻优算法取得了近似的结果。但是，该寻优算法的缺点是定位的位置
点不再位于船舶原点，而是在船首附近某一位置。随后，文献[70]根据单摆在势场中的
运动原理，基于侧推力最小原则设计了艏向寻优算法，并基于 Backstepping 技术构建了
控制律，驱动船舶艏向趋近于环境最优艏向，并保证了闭环系统的稳定性。但是，该控
制律的推导需要进行坐标系的转换，从笛卡尔坐标系转换到极坐标系。文献[71]-[72]在
文献[70]艏向寻优算法的基础上，改进了控制律的设计，使其设计过程无需进行坐标变
换，直接在笛卡尔坐标系下对船舶受力进行分析。但是，文献[70]-[72]艏向寻优方法的
缺点是，平均风向与环境干扰合力方向偏差较大时，寻优效果下降较大。文献[73]-[74]
同样基于侧推力最小原则，提出了一种环境最优艏向算法—ZPC-W 方法，它通过建立
最优艏向角的变化率与船舶横向力的关系，从而寻找到期望参考艏向角。该方法原理简
单，且克服了文献[68]-[69]位置点前移的缺点，也不存在文献[70]当平均风向与环境干
扰合力方向偏差较大时，寻优效果下降的问题。另外，文献[49]提出了一种基于极值搜
索的环境最优艏向算法，并在仿真中取得了不错的结果，但是如何选择振动频率是一个
难点。
-5-
上述文献基于 Backstepping 技术设计船舶动力定位控制律。该方法易与适应方法、

智能方法(神经网络及模糊逻辑)及观测器(干扰观测器和状态观测器)结合，解决船舶速
度未知、模型不确定及环境干扰不确定的问题，并且采用 Lyapunov 理论用于系统稳定
性的证明。但是，从上述文献可以发现，无论是智能逼近方法还是观测器方法都仅能够
保证估计或者观测误差渐近收敛，即在无限时间内收敛到零。另外，在提到的环境最优
艏向方法中，“ZPC-W”方法最为简单，但是当最优艏向收敛速度较快时，容易导致超
调的问题发生。
1.2.2 滑模控制方法
滑模控制作为变结构控制的一个分支，根据系统状态偏离滑模的程度切换控制律
[22]-[23]
，其优势在于自身具有很强的鲁棒性，对系统的不确定性及环境干扰有较强的抑
制能力[24],[28]。文献[75]尝试将滑模控制理论应用到船舶动力定位中，设计了船舶动力定
位滑模控制律，仿真结果表明滑模控制器对环境干扰具有良好的鲁棒性。随后，文献[76]
将滑模控制方法进行了比例船模试验，验证了该方法的有效性，并且证明了与 PID 控制
律相比，具有更好的抗干扰能力。文献[77]-[79]将滑模控制方法应用到动力定位船舶编
队控制中，并分别进行了仿真实验和船模试验，并达到了预想的效果。文献[80]提出了
基于线性矩阵不等式的滑模控制算法，利用线性矩阵不等式，求解状态反馈的增益，采
用 Lyapunov 理论证明系统的稳定性。文献[81]设计了一种结构可靠因子的锚泊辅助动力
定位控制律，与锚泊系统协同实现了浮式生产储油卸油船定位的安全以及精度要求，针
对推进器输出饱和的问题，采用双曲正切函数逼近和补偿系统两种方式处理，最后的数
值仿真结果验证了控制律的效果。
文献[75]-[76],[80]-[81]滑模控制律设计的前提条件是假设环境干扰的上界已知，利
用“边界层”方法(饱和函数代替滑模符号的切换项)来解决控制律的抖振问题。考虑未
知常值环境干扰和输入饱和的情况，文献[82]基于端口受控哈密顿方法，设计了动力定
位控制器，其中积分作用和抗积分饱和方法分别用来处理常值干扰和输入饱和。考虑未
知时变环境干扰，文献[83]基于加速度测量方法设计了加速度前馈干扰观测器，并应用
于动力定位控制律的设计，理论分析表明该观测误差最终有界，仿真结果表明了观测器
的有效性。文献[84]设计干扰观测器，并与滑模控制方法结合设计控制律，Lyapunov 理
论证明了估计误差全局渐近收敛，且仿真结果证明了估计的有效性。文献[85]-[86]采用
文献[63]无源状态观测器，估计船舶速度和环境干扰，然后基于观测器的输出设计滑模
控制律。文献[87]将 Backstepping 技术与滑模控制方法结合，设计了一种自适应
Backstepping 滑模控制律，对环境干扰进行自适应估计。文献[88]利用模糊逻辑自适应
-6-
绪论
估计环境干扰和模型的不确定项，并与滑模控制方法结合提出基于模糊逻辑的滑模控制
律，保证浮式生产储油卸油船保持在期望参考位置及艏向角上。
考虑推进器故障的问题，文献[89]首先建立一般性的推进器故障模型，描述推进器
失效、卡死、中断 3 种故障情形，然后基于误差积分滑模面设计了不依赖故障检测模块
和故障信息上下界的自适应控制律，其中自适应机制能够在线估计故障信息和环境扰动
的上界，Lyapunov 理论证明了系统所有的信号一致有界。文献[90]则未对推进器故障进
行任何处理，最终的仿真和船模试验验证滑模控制器在推进器存在故障的情况下，仍让
能取得良好的控制效果，证明了该方法具有较强的鲁棒性。文献[91]利用未知隶属度函
数的 Takagi-Sugeno 模糊系统建立船舶运动数学模型，在此基础上设计了一种基于切换
机理的量化滑模控制律，一并解决了信号量化、状态时变延迟和各种推力器故障问题。
考虑环境最优艏向的动力定位控制问题，文献[92]在文献[71]-[72]研究的基础上，
利用带有滤波功能的无源状态观测器对船舶的速度进行观测，然后引入滑模技术设计纵
荡和艏向控制器，使船舶与设定点保持设定的距离，并且艏向始终正对环境干扰的来向。
针对船舶速度难于测量的问题，文献[93]基于滑模原理在文献[63]非线性观测器的
基础上，添加了滑模的切换项，增强了观测器的鲁棒性。文献[94]利用双曲正切函数代
替滑模的符号切换项。Lyapunov 理论证明该观测器是全局渐近收敛的，仿真结果表明
观测器的输出能够快速的收敛到系统状态。文献[95]基于船舶数学模型，设计了一种滑
模状态观测器，对船舶状态进行估计，理论证明观测误差全局渐近稳定。但是，该文中
没有讨论不确定性匹配条件是否满足，增益矩阵的选择也没有提及。为此，文献[96]设
计了一种自适应滑模观测器，首先构造辅助输出使得不确定性匹配条件得到满足，然后
设计观测器估计辅助输出，采用自适应律调整滑模面的增益，削弱环境干扰对观测器状
态收敛的影响，最后运用 Schur 补定理将观测器的增益矩阵设计转化为求解 LMI 约束的
优化问题，解算出增益矩阵。
上述文献将滑模控制方法应用于单艘船舶动力定位控制、多艘动力定位船舶编队控
制以及锚泊系统协同控制中，取得了较好的控制效果。滑模控制方法与端口受控哈密顿
方法、模糊逻辑以及观测器等结合，解决了干扰不确定及船舶速度未知的问题。研究上
述滑模控制方法可以发现，其表达式中缺少积分项部分，因此容易导致系统静差的问题。
模糊逻辑及观测器解决干扰不确定及船舶速度未知的问题，但是估计或者观测误差同样
仅能够保证渐近收敛。另外，还可以发现，上述滑模控制方法表达式相对复杂，设计参
数较多，尤其是与模糊逻辑以及观测器技术结合后，参数成倍增加，表达式复杂程度加
剧，不利于工程应用。
-7-
1.2.3 有限时间控制方法
无论是 Backstepping 控制方法还是滑模控制方法，都只能够保证系统渐近收敛[37]，
然而，在很多情况下有限时间收敛可以提供更好的动态响应品质和更精确跟踪性能[38]。
因此，有限时间控制方法应运而生，基于终端滑模的控制策略作为有限时间控制策略的
一种，具有有限时间收敛及稳定性好的特点[39]-[40]。文献[97]针对半潜式海洋平台的动力
定位控制问题，设计了一种基于终端滑模的输出反馈控制律。首先，在假设外界干扰及
系统输出导数存在上界的条件下，设计了滑模状态观测器，然后，基于状态观测器的输
出设计了终端滑模输出反馈控制律，实现系统有限时间收敛。文献[98]将终端滑模与
Backstepping 技术结合，设计了输出反馈控制律。利用提出的有限时间扩展状态观测器，
对船舶速度及环境干扰进行有限时间估计，保证估计误差在有限时间内收敛。
终端滑模控制的难点之一是控制律的奇异问题[99]-[100]，例如，文献[97]-[98]设计的
控制律包含负指数项，使得控制律存在奇异问题。为此，文献[101]设计了分段式滑模面，
解决了控制律奇异的问题，但是该方法引入了更多的参数，且断点在何处选取没有具体
的标准依据。为了解决终端滑模控制律的奇异问题，文献[102]-[103]提出了一种非奇异
终端滑模控制方法，保证滑动阶段的状态在有限时间收敛且控制律无负指数项。文献
[104]将非奇异终端滑模与 Backstepping 技术结合设计了船舶动力定位有限时间控制律，
既保证系统有限时间收敛，又提高了系统的稳定性。文献[105]将自抗扰技术应用到半潜
式海洋平台动力定位控制中，设计非奇异终端滑模控制律，获得了比线性滑模控制律更
快的收敛速度和更佳的稳态精度。然而，非奇异终端滑模控制律在远离平衡点的区域收
敛速度较慢。一种非奇异快速终端滑模控制方法[106]-[107]被提出，同时解决了终端滑模控
制律的奇异问题以及非奇异终端滑模控制律收敛速度慢的问题，广泛运用与水下航行器
的控制[108]-[110]，机械人控制[111]-[114]，以及无人机控制[115]-[118]等。
就船舶的控制而言，文献[119]针对欠驱动船舶轨迹跟踪问题，基于坐标变换而重新
定义的系统输出，设计了自适应非奇异快速终端滑模控制律，采用自适应方法对环境干
扰进行估计。Lyapunov 理论证明系统所有误差信号有限时间收敛，仿真结果验证了提
出控制律的有效性。文献[120]针对全驱动船舶的轨迹跟踪问题，基于非奇异快速终端滑
模面，设计跟踪控制律。另外，在假设环境干扰变化率的上界存在的前提下，设计了一
个有限时间干扰观测器对环境干扰进行估计。最后的仿真实验证明了非奇异快速终端滑
模控制律的精确跟踪能力以及干扰观测器的观测能力。文献[121]则将二阶非奇异快速终
端滑模与神经网络结合，设计了动力定位船舶轨迹跟踪鲁棒自适应容错控制律，环境干
扰和模型不确定项利用神经网路进行自适应估计。仿真结果表明设计的控制律使得系统
-8-
绪论
在无抖振的前提下实现了快速收敛，且在推进器存在故障的情况下依然实现了预计的跟
踪目标。
上述文献将终端滑模方法及非奇异终端滑模方法应用于船舶动力定位控制中，分别
解决了系统收敛速度慢及奇异的问题。非奇异快速终端滑模控制方法具有更大的优势，
能够同时解决收敛速度以及奇异的问题，已经应用在欠驱动/全驱动船舶的轨迹跟踪控制
中。然而，该方法却没有在船舶动力定位领域得到应用。
1.3 本研究领域存在的问题
经过对上述文献的分析研究可以发现，学者们在船舶动力定位非线性控制技术方面
做了大量的研究工作，在取得了丰硕的研究成果的同时，仍然存在着一些问题亟待解决。
1) 滑模控制律存在严重抖振、较大系统静差的问题。研究滑模控制律发现，该策
略的表达式都可以表示为跟踪误差的比例项及微分项、已知的船舶状态和滑模切换项的
组合。由于缺少积分项部分，易导致系统静差。滑模控制律由于包含滑模的切换项，造
成控制律抖振严重。PID 控制律的表达式包含积分项，可以有效地消除静差，但是由于
是跟踪误差的积分项，导致系统超调严重。另外，PID 控制律缺少了已知的船舶状态，
造成稳定误差较大。
2) 滑模控制律的表达形式比较复杂，设计参数较多的问题。一般情况下，推导出
的滑模控制律包含跟踪误差的比例项及微分项、已知的船舶状态和滑模切换项。该控制
律形式较复杂，设计参数较多。另外，为了处理模型的不确定、船舶速度未知以及未知
环境干扰的问题，需要引入自适应方法、智能逼近方法及观测器进行补偿，导致表达式
复杂程度加剧，参数成倍增长。
3) Backstepping 控制律和滑模控制律收敛速度较慢的问题。无论是 Backstepping 控
制律，还是滑模控制律都仅能够保证系统渐近收敛，即系统误差在无限时间内收敛到零
或零值附近。然而，在实际工程作业中，系统尽快收敛到期望值才更有意义。
4) 船舶速度不易测量的问题。实际工程中船舶速度不易测量，尤其是船舶艏向角
速度。如果采用艏向角数值微分则易被测量干扰和测量噪声污染。一些学者采用状态观
测器对船舶速度进行观测，但是一般仅能够保证估计误差渐近收敛，即在无限时间内收
敛到零或零值附近。
5) 环境干扰未知及推进器故障的问题。针对未知环境干扰和推进器故障的问题，
最简单直接的方法是采用神经网络和模糊逻辑等智能方法逼近或者设计干扰观测器进
行估计补偿，但一般也仅能够保证估计误差渐近收敛。
-9-
6) 环境最优艏向问题。动力定位船舶长期在海上工作中，一般对艏向角没有严格
要求。为了达到节能减排的目的，常常需要船首朝向环境干扰合力的反方向，即环境最
优艏向。在现有的环境最优艏向方法中，文献[73]提出的—“ZPC-W”—艏向寻优算法
最为简单。但是，当要求环境最优艏向收敛速度较快时，超调比较严重。
7) 控制参数在线寻优的问题。控制器参数选择一般采用“试凑”法，当参数过多
时，参数选择的工作量巨大。另外，“试凑”法设计的参数是固定不变的，适应性较差，
无法保证在不同环境下都是最优值，必然会影响了控制性能。
8) 推力分配问题。当前控制策略大部分解算出的是控制器的期望输出(期望控制力
和力矩)，并没有考虑到其与船舶推进器之间的关系。推力分配就是要将期望的合力与
力矩最优地分配为每个推进器应该执行的力和角度，以达到提高控制精度，延长推进器
使用寿命和实现节能减排的目标。
9) 动力定位船舶的协调编队控制问题。文献中大多研究单艘船舶动力定位的控制
问题。然而，单艘船舶的作业能力和作业范围有限，多艘船舶的协调作业具有效率高，
能够完成比较复杂任务的特点。
针对上述问题，作者在本文中尝试解决前面 6 个，将其研究内容总结为本文的 4 个
创新点，剩余的 3 个问题在后续的研究中继续开展。
1.4 研究内容和结构安排
本文在分析上述国内外研究工作的基础上，运用迭代滑模方法、非奇异快速终端滑
模方法、Backstepping 技术、观测器技术和 LS-SVM 非线性函数逼近理论等工具，进行
船舶动力定位非线性滑模控制的研究，借助 Lyapunov 理论进行系统稳定性分析，
MATLAB 仿真验证提出控制策略的有效性。具体研究内容和结构安排如下：
第 1 章绪论
阐述了本文的研究背景及意义，详细地分析讨论了船舶动力定位 Backstepping 控制、
滑模控制及有限时间控制的国内外研究现状，然后给出了本文的主要研究内容。
第 2 章基础知识
简要介绍了本文研究工作中用到的一些基础概念和基本定理，包括 Lyapunov 理论、
Backstepping 设计原理、有限时间稳定定义与引理以及 LS-SVM 非线性函数逼近理论等。
第 3 章基于迭代滑模的船舶动力定位控制
考虑滑模控制律的表达式因缺少积分项而引起系统静差，滑模切换项引起控制律抖
振，以及 PID 控制律的跟踪误差积分项引起的系统超调问题，研究设计一种基于迭代滑
模的状态反馈控制律，解决上述两种控制策略的问题。随后，考虑船舶速度不易测量的
- 10 -
绪论
问题，提出一种不依赖于船舶数学模型的有限时间状态观测器，对船舶速度进行有限时
间测量。
第 4 章基于迭代滑模的船舶动力定位增量反馈控制
基于迭代滑模面，提出了一种结构简单、参数较少、不依赖船舶数学模型，且考虑
了推进器模型的增量反馈控制律。然后，考虑推进器易饱和甚至过载以及环境最优艏向
的问题，基于提出的非线性迭代滑模面和艏向寻优算法，设计了一种基于环境最优的增
量反馈控制律。通过滑模面参数的调整，达到抑制推进器饱和甚至过载，通过艏向寻优
算法，保证船舶艏向转到环境最优艏向上，达到减小推进器磨损，减少能量消耗的目的。
第 5 章基于非奇异快速终端滑模的船舶动力定位控制
针对第 3、4 章提出的控制律仅能够保证系统渐近收敛的问题，本章设计了 3 种有
限时间控制算法，提高系统收敛速度，减小系统稳定误差。首先，结合 Backstepping 技
术、自适应方法与非奇异快速终端滑模方法，设计一种基于 Backstepping 非奇异快速终
端滑模控制律，并自适应估计环境干扰，使得系统状态在有限时间内收敛到期望值附近
小的范围内；然后，基于非奇异快速终端滑模面，直接设计一种基于 LS-SVM 非奇异快
速终端滑模控制律，利用 LS-SVM 逼近能力对船舶模型不确定项进行自适应估计，引入
“最小参数”技术，将自适应个数减少到一个，简化控制策略的复杂程度；最后，考虑
未知环境干扰及推进器故障的问题，基于改进的非奇异快速终端滑模面，提出了一种基
于干扰观测器非奇异快速终端容错控制律。考虑未知环境干扰及推进器故障问题，设计
了一种有限时间干扰观测器，对环境干扰及推进器故障进行估计，保证估计误差有限时
间收敛。
第 6 章结论与展望
总结与归纳本文中的主要内容及取得的研究成果，并展望了下一步主要研究工作。
- 11 -
2 基础知识
2.1 引言
本章扼要介绍开展船舶动力定位非线性滑模控制研究涉及到一些理论与方法，主要
包括 Lyapunov 稳定性理论、有限时间稳定定义与引理、LS-SVM 非线性函数逼近理论、
船舶运动数学模型以及本文采用的仿真模型等。
稳定性是系统性能研究的首要问题，稳定性分析则用来验证控制器设计的逻辑性。
Lyapunov 稳定性分析是解决非线性系统稳定性问题的一般方法。1892 年俄国数学家李
雅普诺夫(Lyapunov)在其博士论文《运动稳定性的一般性问题》中创造性地提出了稳定
性概念的严格数学定义，并给出了解决稳定性问题的方法。在此基础上，Lyapunov 给
出了两种解决稳定性问题的方法，即 Lyapunov 第一法和 Lyapunov 第二法。Lyapunov
第一法，又称 Lyapunov 间接法，它是通过求解微分方程来分析系统稳定性，即通过分
析非线性系统线性化方程特征值分布来判别原非线性系统的稳定性。Lyapunov 第二法，
又称为 Lyapunov 直接法，它无需求解非线性微分方程，而是构造一个 Lyapunov 函数，
研究它的正定性及其对时间系统方程解的全导数的负定或半负定，来得到系统稳定性的
结论。对非线性系统而言，微分方程的求解常常较困难，因此，Lyapunov 第二法具有
较大的优越性。一般所说的 Lyapunov 方法指的就是 Lyapunov 第二法，该方法已经成为
现代控制理论中分析系统稳定性的重要工具。
有限时间稳定的概念是在上世纪 60 年代提出来的，到上世纪 90 年代末期，由于有
限时间其次理论与有限时间 Lyapunov 稳定定理的提出，有限时间理论研究才有了技术
上的突破[122]。为便于本文中船舶动力定位非奇异快速终端滑模控制律的设计，本章将
给出有限时间稳定的定义与引理。
LS-SVM[123]是在支持向量机(SVM)的基础上发展而来的，最初由 Suykens 等提出并
应用于分类问题，之后推广到回归问题。LS-SVM 利用训练误差的平方项代替 SVM 中
的松弛变量，并用等式约束代替不等式约束，从而将二次规划问题转化为解线性方程组
的问题。此外，LS-SVM 还保持了 SVM 强大的泛化和全局最优能力。当前，LS-SVM
可以用于被控对象建模，也可以用来逼近某种控制律而作为控制器。
船舶的实际运动异常复杂，一般情况下包含 6 个自由度，即纵荡、横荡、垂荡、横
摇、纵摇和艏摇。前 3 个用来描述船舶平移运动，后 3 个用来描述转动运动。对于本文
研究船舶动力定位控制问题，通常忽略垂荡、横摇和纵摇，建立 3 自由度船舶运动数学
模型。数学模型是实际系统的简化，如何简化有很大学问，太复杂和精细的模型可能包
- 12 -
基础知识
含难以理论计算的参数，不便于分析，过于简单的模型不能描述船舶真实运动状态，这
就需要建模时在复杂和简单之间做合理的折中。对于船舶动力定位控制而言，建立一个
复杂程度适宜、精度满足研究要求的数学模型至关重要。另外，无论是研究船舶动力定
位仿真还是控制器的设计，都要求有能相当准确地描述环境干扰(风、浪、流等)。为了
有效地模拟环境干扰对动力定位船舶的作用，本章考虑按照机理建模的方式，模拟风、
浪环境干扰。
2.2 Lyapunov 稳定性理论
2.2.1 稳定的概念
考虑如下微分方程描述的非线性系统
x = f (x, t ), x(t0 )  x0 (2.1)
式中， x  Rn 表示为系统状态， t 表示为时间变量。
如果 x (t ) 达到并等于 x  ，使得 f (x )=0 ，那么称 x  为系统(2.1)的平衡状态，或平衡
点。不失一般性，假设系统的平衡点为 x  0 。
定义 2.1[124] 对于任意   0 ，始终存在一个   0 使得下式(2.2)成立
x(t0 )    x(t )   , t  0 (2.2)
那么，系统(2.1)在平衡点处是稳定的，否则系统在平衡点处是不稳定的。
如果平衡点是稳定的，并且存在一个 (t0 )  0 ，对于所有的 x0  (t0 ) ，当 t   时，
满足 x(t )  0 ，那么平衡点是渐近稳定的。
如果平衡点是稳定的，并且对于任意   0 ，存在  ( )  0 与 t0 无关，那么系统(2.1)
在平衡点是一致稳定的。
如果平衡点是一致稳定的，存在   0 与 t0 无关，对于所有 x0   ，满足 x(t )  0 ，
当 t   时， x (t ) 相对于 t0 一致趋于零，那么平衡点是一致渐近稳定的。
2.2.2 Lyapunov 稳定性定理
定理 2.1[125] 对于系统(2.1)，原点是其平衡点 x  0 ， 是原点附近一个邻域集合，

即   x : x   ,   0 。
如果对于任意 x  ，假设存在一个标量函数 V ( x, t ) ，满足 V ( x, t )  0 ，且 V ( x, t )  0 ，

那么系统在原点是稳定的。
- 13 -
如果对于任意 x  ，假设存在一个标量函数 V ( x, t ) ，满足 V ( x, t )  0 且是递减的，

V ( x, t )  0 ，那么系统在原点是一致稳定的。
如果对于任意 x  ，假设存在一个标量函数 V ( x, t ) ，满足 V ( x, t )  0 ，且 V ( x, t )  0 ，
那么系统在原点是渐近稳定的。
如果对于任意 x  Rn ，即  Rn ，假设存在一个标量函数 V ( x, t ) ，满足 V ( x, t )  0 ，
且 V ( x, t )  0 ，那么系统在原点是全局渐近稳定的。
如果对于任意 x  Rn ，假设存在一个标量函数 V ( x, t ) ，满足 V ( x, t )  0 且是递减的，
V ( x, t )  0 ，那么系统在原点是一致渐近稳定的。
如果对于任意 x  Rn ，假设存在一个标量函数 V ( x, t ) ，当 V ( x, t )  0 且是递减和径
向无界的，即当 x  , V ( x, t )   ，满足 V ( x, t )  0 ，那么系统在原点是全局一致渐
近稳定的。
如果对于任意 x  ，存在常量  ,  ,   0 ，且  x  V ( x, t )   x
2 2
满足
V ( x, t )   x ，那么系统在原点是指数稳定的。
2
如果对于任意 x  Rn ，存在常量  ,  ,   0 ，且  x  V ( x, t )   x ，满足
2 2
V ( x, t )   x ，那么系统在原点是全局指数稳定的。
2
定理 2.2[124] 考虑系统(2.1)的平衡点 x  0 ，且 f ( ) 对状态 x 和时间 t 是局部 Lipschitz

连续的。假设能够找到一个连续可微、正定且径向无界的函数 V : Rn  R ，使得下式(2.3)
成立， W 表示为一连续函数。
V V
V f ( x, t )   W ( x )  0, t  0, x  Rn (2.3)
x t
那么，系统(2.1)所有解全局一致最终有界，且 limW  x(t )   0 。假如 W  x(t )  是正
t 
定的，那么系统在平衡点处是全局一致渐近稳定的。
通常在自适应控制当中，基于自适应参数初始误差的考虑，对 Lyapunov 函数 V ( x, t )
求导可得到下式(2.4)， a 与设计控制策略的参数有关，  为自适应参数的初始误差，与
干扰上界有关。
V  2aV   (2.4)
通过对上式两边积分，得到下式
   
0  V ( x, t )   V ( x0 ,0)   exp( 2at ) (2.5)
2a  2a 
- 14 -
基础知识
设 v  2av   , v0  V ( x0 ,0) ，则 V ( x, t ) 的收敛速度一定大于或等于 v ，且是有界的


limV    。那么，系统中所有状态变量满足一致渐近最终有界。
t  2a
2.3 有限时间稳定定义与引理
定义 2.2 考虑如下微分方程描述的非线性系统
x = f (x, u) (2.6)
式中， x  Rn 表示为系统状态， u 表示为系统输入， f ( ): Rn  Rn 定义为连续函数，且
f (0)  0 。如果存在一个时间函数 T ( x ) ，当 t  T ( x ) 时满足 x(t )  0 ，那么系统是有限时
间稳定的。如果对于任意 x(t0 )  x0 ，存在 T (, x)  ,    ，使得对于 t  t0  T 时，都
有 x(t )   ，那么系统是实际有限时间稳定的。
引理 2.1[126] 考虑系统式 (2.6)，如果存在一个连续函数 V ( x ) ，使得对于参数
c  0, 0  a  1 ，满足 V ( x)   cV a ( x) ，那么系统是有限时间稳定的，到达时间 T 满足
V ( x0 )1a
T (2.7)
c(1  a )
式中， V ( x0 ) 表示为连续函数 V ( x ) 的初始值。
引理 2.2[127] 考虑系统式 (2.6)，如果存在一个连续函数 V ( x ) ，使得对于参数
c  0, 0  a  1, 0     ，满足 V ( x)   cV a ( x)   ，那么系统是实际有限时间稳定的，
到达时间 T 满足
V 1a ( x0 )
T (2.8)
c0 (1  a )
式中， 0    1 ， V ( x0 ) 表示为连续函数 V ( x ) 的初始值。
引理 2.3[128] 对于任意参数 x  R, y  R, c  0, d >0 以及实值函数  ( x, y )  0 ，使得
下列不等式成立
x y   c ( c  d )   ( x, y ) x   d ( c  d )   ( x, y ) c d y
c d c d c d
(2.9)
引理 2.4[129] 对于任意参数 xi , i  1, , n, 0  b  1 ，有下列不等式成立
x 
b
  xn  x1   xn
b b
1 (2.10)
1 b
n
 n 2
x    xi 
1 b 2
i
(2.11)
i 1  i 1 
- 15 -
2.4 LS-SVM 简介
LS-SVM 可用于分类与函数估计问题。本文主要将其应用于函数估计，算法推导如
下所示。
设样本集  xk , yk , k  1, , N , xk  Rn , yk  R ，LS-SVM 模型的目标是构造一个如
下式(2.12)描述的模型，使得样本 xk 对应的函数值 yk 能够用函数 f ( xk ) 近似。
f ( x )  wT ( x)  m (2.12)
式中， w 为权向量；  ( x ) : Rn  Rnh 为把输入空间映射到一个高维特征空间的非线性映
射， nh 是以隐含的形式定义的，可能是无穷维的； m 表示为偏移量。
在权 w 空间中的函数估计描述如下所示。
1 T 1 N
min J ( w,  )  w w     k2
w , 2 2 k 1 (2.13)
s.t. yk  w  ( xk )  m   k , k =1,
T
,N
式中，  0 为惩罚因子，用于在训练中平衡学习机器的复杂性和经验风险； k 为第 k 个
训练样本的训练误差。
其对偶问题的 Lagrange 多项式为
L( w, m,  , a )  J ( w,  )   ak wT ( x )  m   k  Yk 
N
(2.14)
k 1
式中，ak  R 为拉格朗日乘子。通过 L 对 w, m, k 和 ak 求偏导数等于零，对上式进行优化，

消除变量 w 和  k ，可得优化问题的解析解为
N
w   ak ( xk ) (2.15)
k 1
ak   k (2.16)
N
a
k 1
k 0 (2.17)
yk  wT ( xk )  m   k (2.18)
将上面 4 个式子合并后，可得优化问题的解析解为
 m  0 1T   0 

 a   1 Ω   1 Ι  Y  (2.19)
    
式中， y   y1, , yN   R N , 1  1, ,1  R N , a  a1, , aN   R N ； I  R N N 是单位矩
T T T
阵； Ω  R N N 为方阵，其第 k 行 l 列的元素为
- 16 -
基础知识
kl  K ( xk , xl )   ( xk )T  ( xl ), k , l =1,2, ,N ； K (, ) 为核函数，它为满足 Mercer 条件的

任意对称函数。
通过式(2.19)求解得到 a 和 m ，进一步求出 w ，得到如下 LS-SVM 的函数估计为
N
f ( x )   ak K ( x, xk )  m (2.20)
k 1
式(2.20)可以简化地表示为
f ( x )  aT K ( x ) (2.21)
式中， a  a1 , , aN , m , K ( x)   K ( x, x1 ), , K ( x, xN ),1 。
T T
2.5 船舶运动数学模型
为便于分析船舶的运动，建立如图 2.1 所示船舶运动坐标系，包括大地坐标系和随
船坐标系。 X 0OY0 定义为大地坐标系， OX 0 轴指向正北， OY0 轴指向正东。考虑船舶纵
荡、横荡和艏摇 3 个自由度的水平运动。 XAY 定义为随船坐标系，G 定义为重心， A 定
义为原点，本文中与船舶重心重合， AX 轴指向船首， AY 轴指向船舶右舷。
图 2.1 大地坐标系和随船坐标系
Fig. 2.1 Earth-fixed and body-fixed coordinate frames
建立船舶运动数学模型[130]，如下式(2.22)、式(2.23)所示。
η  R( )υ (2.22)
Mυ  D(υ)υ  τ  τ w (2.23)
- 17 -
cos sin 0
R( )   sin cos 0 (2.24)
 
 0 0 1
m  X u 0 0 
M  0 m  Yv mxG  Yr  (2.25)
 
 0 mxG  Yr I z  N r 
  X uu  X u u u u  Yv vr  Yr rr 
 
D ( υ )υ    X uur  Yv v  Yr r  Y v v v v  Y v r v r  (2.26)
 
( X u  Yv )uv  Yv uv  N v v  N r r  N v v v v  N v r v r 
式中， η   x, y,  定义为大地坐标系下的船舶位置向量，包括位置 ( x, y ) 和艏向角 ；

T
υ  u, v, r  定义为随船坐标系下的船舶速度向量，包括纵荡速度、横荡速度和艏向角速
T
度；R( ) 为转换矩阵；M 定义为包含附加质量的对称惯性矩阵，且正定可逆；D(υ)υ 定

义为非线性函数，包括科氏向心力和非线性阻尼力； X u , X u u , Yv , N v 等定义为相应的水动
力导数项； τ   u , v , r  定义为系统控制输入； τ w   wu , wv , wr  定义为风、浪、流等

T T
引起的环境干扰。
为便于船舶动力定位控制律的设计，非线性函数 D(υ)υ 利用简化的线性函数 Dυ 代
替，如下式(2.27)所示，而 D(υ)υ 应用于仿真模型中。
  X uu 
Dυ   Yv v  X u r  (2.27)
 
  N v v  N r r 
2.6 环境干扰
船舶动力定位中受到的环境干扰主要来源于风、浪和流，本文中船舶运动模型中的
环境干扰利用风和浪干扰模型表示，即环境干扰力 τ w  τ wind  τ wave ，
T T
τ wind   X wind , Ywind , N wind  表示为风干扰力， τ wave   X wave
D D
, Ywave D
, N wave  表示为波浪干扰
力，下面进行详细介绍。
2.6.1 风模型
风随机变化，可以将其表示为平均风和扰动风的叠加[131]。平均风风速在垂向上随
着与海面距离的接近而降低。扰动风通常在某一海况下是定常，随海面高度的变化微小。
- 18 -
基础知识
平均风速是在固定的高度进行测量的，风速垂直分布的描述方法通常采用对数规律
法，即在高度 z 处测量的平均风速可以表示为
V ( z) 5 z
  ln (2.28)
V10 2 z0
 2 
式中， z0  10exp    ， V10 表示为 10m 海拔高度处每小时的平均风速，  表示为海
 5  
表面阻力系数，取 0.0026。
扰动风通常以频谱的方式进行描述，包括 Harris 和 NORSOK 两种频谱，本文中采
用 Harris 频谱来获得风速变动的功率谱密度，如下式(2.29)所示。
4 LV10
S( f )  (2.29)
(2  f 2 )5 6
Lf
式中， f  ， L 为标度长度，取 1800； f 表示为频率，单位 Hz 。
V10
根据谱密度的定义，扰动风速变动的时域变量 Vgi (t ) 表示为
Vgi (t )  2S ( fi )fi cos(2 fit  i ) (2.30)

式中， f i 表示为频率； f i 表示为频率间隔；  i 表示为均匀分布的相位角。
那么，在时刻 t 高度 z 处风速 V ( z, t ) 通过把 t 时刻的平均风速和扰动风速叠加起来，
可以得到
N
V ( z, t )  V ( z )  Vgi (t ) (2.31)
i 1
对于船舶动力定位而言，考虑船舶纵荡、横荡和艏摇 3 个自由度方向上的平均作用
力和力矩[131]，如下式(2.32)所示。
 1
 X wind  2  Af U RCwx ( R )
2

 1
Ywind   AsU RCwy ( R )
2
(2.32)
 2
 1
 N wind  2  As LoaU RCwn ( R )
2
uR  u  V cos(awind   )

vR  v  V sin(awind   ) (2.33)

U R  uR  vR
2 2
- 19 -
vR
aR  arctan  (2.34)
uR
  uR  0, vR  0

    uR  0, vR  0 (2.35)
0 其他

式中，  表示为空气密度，单位为 kg m ；V 表示为绝对风速；U R 表示为相对风速，单
3
位是节； awind 表示为绝对风向；  表示为风舷角，变动范围为 ( 180o ,180o ] ，相对风从

右舷来时   0 ； Cwx (aR ) 、 Cwy (aR ) 和 Cwn (aR ) 分别表示为 X 、Y 方向的风力系数以及绕
Z 轴的风力矩系数； A f 和 As 分别表示为船舶水线以上正投影面积和侧投影面积，单位
为 m 2 ； Loa 表示为船舶总长，单位为 m 。
Cwx (aR ) 、 Cwy (aR ) 和 Cwn (aR ) 的计算公式为
C  C cos  A2  A2 A
 wx wF F f s f

Cwy  CwF sin  F Af  As As
2 2
(2.36)

Cwn  (0.5  xF Loa )CwF sin  F Af  As As
2 2

式中， CwF 表示为风压合力系数；  F 表示为风压合力角； xF 表示为风压力作用点位置。
CwF ,  F , xF 的计算方法采用汤忠谷公式 [131] ，计算方法如下式(2.37)、式(2.38)及式
(2.39)所示。
CwF  0.3935  2.177sin 2  R  1.586sin 3  R  0.3154 Loa Z G Af
+ 0.04944( Loa Z G Af ) 2  0.3810 Loa Z G As
 0.3632( Loa Z G Af )sin 2  R  0.1379( Loa Z G Af ) 2 sin 2  R (2.37)
+2.334( As L2oa )sin 2  R  0.4530CK sin 4  R
 0.000380( Loa Z G Af )6 sin 2  R  100.5( As L2oa )3 sin 2  R
 F  sgn( R )[12.85  75.97 R  19.77 R2  4.588 R3  20.06CK
 37.89( Loa Z G Af ) R  1113( As L2oa ) R  56.23( Loa Z G Af ) R2
 1970( As L2oa ) R2  32.9( Loa Z G Af ) R3  1212( As L2oa ) R3 (2.38)
 8.210( Loa Z G Af )  283.1( As L )  0.2210( Loa Z G Af )
4
R
2
oa
4
R
6
R
 6.170( As L2oa ) R6 ]
xF Loa  CK  0.003( R  90) (2.39)
- 20 -
基础知识
式中， CK 表示为侧投影面积形心位置到船首柱的距离； Z G 表示为侧投影面积形心位置

到船舶水线的距离；式(2.37)、式(2.38)中  R 的单位为 rad ，式(2.39)中  R 的单位为度。
2.6.2 波浪模型
船体表面产生的波浪干扰力一般可以分为一阶波浪干扰力和二阶波浪干扰力。由于
一阶波浪干扰力主要引起船舶的纵摇和垂荡，而对横荡和艏摇运动的影响相对较小。二
阶波浪干扰力具有慢时变特性且又是非线性的，不但会改变船舶航行的航向和航迹，而
且对锚泊状态下船舶位置移动及钻井平台的动力定位系统均有重要影响，因此本文中主
要考虑二阶波浪干扰力，采用文献[131]方法建立波浪模型，如下式(2.40)所示。
 D m
X
 wave   L cos   C DXw (2i2 / g)S (i ) 
 i 1
 D 1 m
 wave
Y 
2
 L sin   D
CYw (2i2 / g)S (i )  (2.40)
 i 1
 D 1 2 m
 wave

N 
2
 L sin  i 1
C DNw (2i2 / g)S (i ) 
式中， 表示为海水密度；L 表示为船长； 表示为遭遇角；i 表示为遭遇频率；S (i )

表示为频率谱密度； C DXw 、 CYw
D
及 C DNw 表示为干扰力和力矩系数，如下式(2.41)所示。
 C D (2 2 / g)  0.05  0.2  2 2 / ( L g)   0.75  2 2 / ( L g) 2
 Xw i i i
  0.51  2i2 / ( L g) 
3

 D
 CYw (2i / g)  0.46  6.83  2i / ( L g)   15.65  2i / ( L g) 
2 2 2 2
 (2.41)
 8.44  2i2 / ( L g) 
3


C DNw (2i2 / g)  0.11  0.68  2i2 / ( L g)   0.79  2i2 / ( L g) 
2

  
3
  0.21 2 i
2
/ ( L g)
2.7 本文采用的仿真模型
本文采用文献[132]中的供应船作为仿真对象，该船配备有 6 个推进器，其中包括 2
个主螺旋桨，3 个侧推器，1 个全回转式推进器，推力分布如图 2.2 所示。
主螺旋桨安装在船舶尾部主要产生纵向推力，如图中  1 , 2 ，侧推器安装在船体内部
横向管道内，产生横向推力，如图中  3 , 4 , 5 ，全回转式推进器安装在船舶底部，能绕
- 21 -
竖轴 360 度旋转，可以产生任意水平方向的推力。图中全回转式推进器在方位角  方向
上，产生的水平推力为  6 ，在船舶纵向和横向产生的分力分别为  x 6 , y 6 。
推进器模型表示为
 i   i pi pi , i =1,2,3,4,5,6 (2.42)
式中，  i 为推力系数， pi 为螺距比，其大小为螺距和螺旋桨直径的比值， pi  [1,1] 。
图 2.2 推进器配置图
Fig. 2.2 Thruster configuration diagram
船舶主要参数为：船长 76.2m ，船宽 18.8m ，排水量 4.591  106 kg ，满载吃水 6.25m ，

主机功率 3533kw ，船舶的水动力导数(省略单位)，如表 2.1 所示。
表 2.1 供给船水动力导数
Tab. 2.1 Hydrodynamic derivatives of the supply vessel
水动力导数数值水动力导数数值
Xu 0.7212  106 Yv 2.7229  105
Yv 3.6921  106 Yr 4.3933  106
Yr 1.0234  106 Yv v 1.7860  104
I z  Nr 3.7454  109 X uu 1.0179  103
Xu 5.0242  104 Yv r 3.0068  105
Nv 4.3821  106 Nr 4.1894  108
Nvv 2.4684  105 Nvr 6.5759  106
- 22 -
基础知识
2.8 本章小结
本章首先介绍用于系统稳定性证明的 Lyapunov 稳定性理论、有限时间稳定定义与
引理以及 LS-SVM 非线性函数逼近理论；然后，介绍了大地坐标系和随船坐标系，建立
了 3 自由度船舶运动数学模型，并按照风和浪产生的机理构建了风、浪干扰模型；最后，
引入一条供给船作为仿真对象，并给出了相关的水动力导数。
- 23 -
3 基于迭代滑模的船舶动力定位控制
3.1 引言
本章旨在提出一种性能优秀的迭代滑模控制策略，完成船舶动力定位任务。文献[75]
首次尝试利用滑模控制方法，设计船舶动力定位控制律，该控制律对船舶数学模型的不
确定性及环境干扰具有较强的鲁棒性[24]。但是，该策略表达式中滑模的切换项易引起系
统控制输入的抖振，限制了该方法的推广与应用。“边界层”法被广泛采用处理该问题，
该方法采用饱和函数代替符号函数，从而保证系统控制输入的连续性。但是，“边界层”
法引入更多设计参数，不但提高了控制策略的复杂程度，而且降低了系统的稳定性[133]。
其次，观察滑模控制律的表达式可以发现，该控制策略可以表示为跟踪误差的比例项及
微分项、已知的船舶状态和干扰的补偿项。但是，由于缺乏积分项，导致系统存在较大
的系统静差。PID 控制律包含跟踪误差的积分项，但缺少已知的船舶状态及干扰的补偿
项，虽然可以有效消除系统静差，但是系统超调严重，稳定性较差。另外，考虑船舶速
度不易测量的问题，文献[63],[93]-[95]设计了状态观测器对船舶的速度进行观测，并将
观测输出融入到控制律的设计中。但是，设计的观测器仅能够保证观测误差渐近收敛，
即误差在无限时间内收敛到零或零值附近。然而，在工程实际中，观测误差尽快收敛才
更有意义。
为此，本章考虑基于迭代滑模面、Backstepping 技术以及有限时间理论，设计船舶
动力定位状态和输出反馈控制律，主要解决：(1) 滑模控制律存在严重抖振以及较大系
统静差的问题；(2) PID 控制律超调严重及稳定性较差的问题；(3) 状态观测器收敛速度
慢的问题。
3.2 基于迭代滑模的船舶动力定位状态反馈控制
3.2.1 问题描述
为进行船舶动力定位状态反馈控制律的设计，给出下述假设
假设 3.1 假设 ζ 为
d
dt
 R( ) M 1τ w  的上界，且已知，ζ   1 ,  2 ,  3  ， i  0, i =1,2,3 。
T
备注：由式(2.24)、式(2.25)可知， R( ) 有界， M 为常量正定矩阵， τ w 为风、浪、

流等引起的环境干扰。通常情况下，海洋能量是有限的，其变化率也是有限的。因此，
组合项 R( ) M 1τ w 的变化率是有限的，即上界存在，假设 3.1 是合理的。
- 24 -
基于迭代滑模的船舶动力定位控制
本节的控制目标：针对船舶运动数学模型式(2.22)、式(2.23)，在假设 3.1 的前提下，

利用提出的迭代滑模面和 Backstepping 技术，设计一种船舶动力定位状态反馈控制律，
保证船舶的位置及艏向角到达并稳定在常值期望参考向量 ηr   xr , yr , r  。
T
3.2.2 控制律设计
设计如下的迭代滑模面
s1  k1ηe  ηe (3.1)
s2  k2 s1  s1 (3.2)
式中，ηe 为系统的跟踪误差，ηe  η  ηr ，ηr 为给定的常值期望参考向量 ηr   xr , yr , r  ；
T
k1 , k2 为滑模参数， k1  diag  k11, k12 , k13  , k2  diag  k21, k22 , k23  ， kij  R , i  1,2, j =1,2,3 。
由上述设计的迭代滑模面可知，当滑模面 s2 收敛到零，则滑模面 s1 收敛到零，那么，
系统的镇定与滑模面 s2 的镇定是等价的，因此，只需要设计一种控制策略保证滑模面 s2
收敛到零，即可保证系统的稳定。
为此，设计如下的状态反馈控制律
τ  MR( ) 1   k3  s2d  k1k2ηe   k1  k2  ηe  R( )υ  Dυ  τ m
t


ISMC  0 
 (3.3)
 d  R( ) M 1τ m   ζsign( s2 )

 dt
式中， k3 为控制参数， k3  diag  k31, k32 , k33  , k3i  R , i  1,2,3 。
为了说明提出的迭代滑模状态反馈控制律的优越性，将该控制律、PID 控制律以及
滑模控制律进行理论分析比较。PID 控制律和滑模控制律的设计如下
t
τ PID  k4ηe  k5ηe  k6  ηed (3.4)
0
τSMC  MR( )1  k7k8ηe   k7  k8  ηe  R( )υ  Dυ  τ w sat  sSMC   (3.5)

式中， τ PID 为 PID 控制律； τSMC 为滑模控制律， sSMC  k7ηe  ηe 为滑模面； τ w 为环境干
 s  sSMC  
扰上界，且已知； sat  sSMC     SMC ，  为边界层的厚度；
sign  sSMC  sSMC  
ki  diag  ki1, ki 2 , ki 3  为设计参数， ki1, ki 2 , ki 3  R , i  4,5,6,7,8 。
比较提出的状态反馈控制律 τ ISMC 与 PID 控制律 τ PID 可以看出，两种控制策略都具有
比例项、微分项和积分项，但是，本文提出的状态反馈控制律 τ ISMC 还包含已知的船舶状
态和环境干扰的补偿项，理论上可以推测，提出的状态反馈控制律 τ ISMC 应该比 PID 控
- 25 -
制律 τ PID 具有更好的稳定性和鲁棒性。另外，提出的状态反馈控制律 τ ISMC 中包含滑模 s2

的积分项，而 PID 控制律 τ PID 中则是跟踪误差 ηe 的积分项，理论上可以推测，提出的状
态反馈控制律 τ ISMC 应该比 PID 控制律 τ PID 具有更小的系统超调量。
比较提出的状态反馈控制律 τ ISMC 与滑模控制律 τSMC 可以看出，提出的状态反馈控制
律 τ ISMC 比滑模控制律 τSMC 增加了滑模 s2 的积分项，理论上可以推测，提出的状态反馈控
制律 τ ISMC 比滑模控制律 τSMC 具有更小的系统静差。另外，滑模控制律 τSMC 包含滑模的切
换项，存在抖振问题，一般采用“边界层”法、趋近律法以及观测器法等办法解决，但
这些方法在削弱了滑模控制律抖振的同时，也牺牲了部分鲁棒性能[133]。然而，在提出
的状态反馈控制律 τ ISMC 中，滑模切换项的积分包含于控制律中，即提出的状态反馈控制
律 τ ISMC 是连续的，因此与滑模控制律 τSMC 相比，提出的状态反馈控制律 τ ISMC 从根本上
消除了抖振的问题。
3.2.3 稳定性分析
根据上一小节提出的基于迭代滑模的状态反馈控制律，可以得出如下定理。
定理 3.1 考虑船舶运动数学模型式(2.22)、式(2.23)，在假设 3.1 的前提下，通过调
节参数 k1 , k2 , k3 , ξ ，设计的状态反馈控制律能够保证系统渐近稳定。
证明：定义如下 Lyapunov 函数
1 T 1
V s2 k3 s2 (3.6)
2
对式(3.6)求导，并代入式(3.1)和式(3.2)，可得
 d 
V =s2T k31  k2 k1ηe   k2ηe  k1ηe  ηe   (3.7)
 dt 
将式(2.22)、式(2.23)代入上式，可得
 
V  s2T k31  k2 k1ηe    k1  k2  ηe  R( )υ  R( ) M 1   Dυ  τ  τ w  
d
(3.8)
 dt 
将控制律式(3.3)代入上式，可得
V   s2T s2  s2T k31ξsign  s2   s2T k31

d
dt
 R( ) M 1τ w   2min  k3 V (3.9)
对上式两边积分，可得
0  V  V (0)exp  2min  k3  t  (3.10)
- 26 -
根据 Lyapunov 稳定性定理，可知 V 是渐近收敛的，且 limV (t )  0 。根据式(3.1)、

t 
式(3.2)和式(3.6)可知， s2 渐近收敛到零，则 s1 渐近收敛到零，即系统是渐近稳定的，证

毕。
3.2.4 仿真验证
为了验证提出的状态反馈控制律在系统稳定性和鲁棒性上的优势，以本文第 2 章 2.7
节的供给船作为仿真对象进行仿真实验，并将 3 种控制策略(提出的状态反馈控制律、
PID 控制律和滑模控制律)的仿真结果进行对比分析。
另外，为了便于说明提出的状态反馈控制律的优越性，在控制律设计中忽略环境干
扰的影响，即在提出的控制律 τ ISMC 中去掉环境干扰补偿项 τ m ，在滑模控制律 τSMC 去掉
干扰补偿项 τ w sat  sSMC   ，两种控制策略的表达式如下所示
τ ISMC_S  R( )1 M  k3  s2d  k1k2ηe   k1  k2  ηe  R( )υ  Dυ

t
 0  (3.11)
τSMC_S  R( )1 M  k7k8ηe   k7  k8  ηe  R( )υ  Dυ (3.12)

T T
船舶状态的初始值设置为 η(0)  20m,20m,20o  ， υ(0)  0m/s,0m/s,0o /s ，常值
T
期望参考向量为 ηr  0m,0m,0o  ，风速为 6m/s (4 级风)，风向为 60o 。
3 种控制策略的参数设计为
k1  diag  0.2,0.2,0.3 , k2  diag  0.2,0.2,0.3 , k7  k1 , k8  k2 ,
ξ  diag  0.001,0.001,0.02  , k4  diag  3.5  105 , 2.5  105 ,8.1  107  ,
k5  diag 1.5  106 ,1.5  106 , 2.2  109  , k6  diag 80,55, 4.01  107  ,
k3  diag  0.03,0.03,0.4 
仿真实验结果如图 3.1-图 3.7 所示。
从图 3.1 可以看出，在提出的状态反馈控制律 τ ISMC_S 的作用下，动力定位船舶能够
克服环境干扰影响，运动并稳定在期望参考位置附近小的范围内，证明了提出控制策略
的有效性。
图 3.2 船舶位置  x,y  和艏向角 的收敛轨迹表明，在图 3.4 中 3 种控制策略的作用
下，动力定位船舶均能够收敛并稳定到期望参考向量附近小的范围内。图 3.3 表明船舶
的速度也能够收敛到零值附近。观察图 3.2、图 3.3 的仿真结果，从系统暂态性能的角度
来看，PID 控制律 τ PID 收敛速度最快，提出的状态反馈控制律 τ ISMC_S 与滑模控制律 τSMC_S
收敛速度基本相同。虽然 PID 控制律 τ PID 的收敛速度快，但是系统的超调十分严重，这
- 27 -
是由 PID 控制律中跟踪误差的积分项引起的。观察提出的状态反馈控制律 τ ISMC_S 可以发

现，该控制律中也包含积分项，但超调十分微小甚至没有，这是因为控制律 τ ISMC_S 中包
含的是滑模的积分项，而非跟踪误差的积分项，这也是提出的状态反馈控制律的优势之
一。
从系统稳态性能的角度来看，在 3 种控制策略中，提出的状态反馈控制律 τ ISMC_S 稳
定误差是最小的，其中在艏向角方向上尤为明显。这是因为与滑模控制律 τSMC_S 相比，
提出的状态反馈控制律 τ ISMC_S 包含滑模的积分项，可以有效地减小系统静差。与 PID 控
制律 τ PID 相比，提出的状态反馈控制律 τ ISMC_S 虽然没有对环境干扰进行补偿，但是对已
知的船舶状态进行了补偿，减小了系统的稳定误差。
25
20
15
x(m)
10
-5
-5 0 5 10 15 20 25
y(m)
图 3.1 船舶在 xy 平面内运动轨迹
Fig. 3.1 Motion trajectory of the ship in xy plane
- 28 -
20
0
x(m)
10 -0.2
100 150 200
0
0 50 100 150 200
t(s)
20
0
y(m)
10 -0.2
100 150 200
0
0 50 100 150 200
t(s)
20
4
10 0
A (/ )
100 150 200

0
-10
0 50 100 150 200
t(s)
PID控制律滑模控制律提出的状态反馈控制律
图 3.2 船舶位置  x,y  和艏向角

Fig. 3.2 Ship position  x,y  and heading
1
0
u(m/s)
-1
-2
-3
0 50 100 150 200
t(s)
0.5
0
v(m/s)
-0.5
-1
-1.5
0 50 100 150 200
t(s)
2
r(/ /s)
-2
0 50 100 150 200
t(s)
图 3.3 船舶速度 u, v, r
Fig. 3.3 Ship velocities u, v, r
- 29 -
6
x 10
2
0
=u (N) -2
-4
-6
-8
0 50 100 150 200
6 t(s)
x 10
2
0
=v (N)
-2
-4
-6
0 50 100 150 200
7 t(s)
x 10
0
=r (N.m)
-5
-10
0 50 100 150 200
t(s)
图 3.4 控制力  u , v 和控制力矩  r
Fig. 3.4 Control forces  u , v and moment  r
为了证明提出的状态反馈控制律在鲁棒性上的优势，将增大环境干扰，将风速从
6m/s 增加到 12m/s (6 级风，最高浪高 4 米，从航海实践的角度讲属于恶劣海况)，风向
不变，再次进行仿真实验，仿真结果如图 3.5、图 3.6 所示。
图 3.5 给出了增大环境干扰后，船舶位置  x,y  和艏向角 的收敛轨迹，图 3.6 则给
出了增大环境干扰后，3 种控制策略的控制输出。观察图 3.5 可以看出，提出的状态反
馈控制律 τ ISMC_S 的稳定误差仍然是三者中最小的，因此说明该控制律在 3 种控制策略中
的鲁棒性是最强的。
- 30 -
20
0.2
x(m)
10 -0.8
100 150 200
0
0 50 100 150 200
t(s)
20
0.2
y(m)
10 -0.8
100 150 200
0
0 50 100 150 200
t(s)
20
5
10 -5
A (/ )
100 150 200
0 50 100 150 200

t(s)
PID控制律传统滑模控制律提出的迭代滑模控制律
图 3.5 增大干扰后船舶位置  x,y  和艏向角

Fig. 3.5 Ship position  x,y  and heading under enhanced disturbances
6
x 10
4
=u (N)
0
-4
-8
0 50 100 150 200
t(s)
6
x 10
2
0
=v (N)
-2
-4
-6
0 50 100 150 200
t(s)
8
x 10
2
=r (N.m)
0
-2
-4
0 50 100 150 200
t(s)
图 3.6 增大干扰后控制力  u , v 和控制力矩  r
Fig. 3.6 Control forces  u , v and moment  r under enhanced disturbances
- 31 -
另外，为了进一步提高提出的状态反馈控制律 τ ISMC_S 的控制性能，将干扰的补偿项

τ m 加入到控制律 τ ISMC_S 中，得到包含干扰补偿的控制律 τ ISMC ，如式(3.3)所示，参数设置
为 ζ  diag  0.02,0.02,0.02  。
20
0.02
x(m)
10 -0.02
100 150 200
0
0 50 100 150 200
t(s)
20
0.02
y(m)
10 -0.02
100 150 200
0
0 50 100 150 200
t(s)
20
1
A (/ )
10 -1
100 150 200
0
0 50 100 150 200
t(s)
提出的状态反馈控制律提出的带干扰补偿的状态反馈控制律
图 3.7 干扰补偿后船舶位置  x,y  和艏向角
Fig. 3.7 Ship position  x,y  and heading with disturbance compensation
图 3.7 给出了增加干扰补偿后船舶位置  x,y  和艏向角 收敛曲线。从图 3.7 中的局

部放大图看出，与未补偿环境干扰的状态反馈控制律 τ ISMC_S 相比，系统稳定误差进一步
减小，提高了系统的稳态性能。
3.3 基于迭代滑模的船舶动力定位输出反馈控制
3.3.1 问题描述
在上一节中，船舶动力定位状态反馈控制律的设计是基于船舶速度已知的假设条
件。然而，实际工程中船舶速度是不易直接测量的，尤其是艏向角速度。如果使用仪器
设备进行测量，会增加设备监测成本，且传感器测量精度会受到测量噪声等干扰影响，
- 32 -
另外，传感器失效的状况同样应予以考虑。因此，考虑船舶速度未知的情况，设计只依
靠船舶位置  x,y  和艏向角 船舶动力定位输出反馈控制方法具有实际工程应用价值。
在本节中，在船舶速度未知的情况下，设计一种状态观测器对船舶速度进行观测。
然后，将该状态观测器与迭代滑模面结合，设计船舶动力定位输出反馈控制律。
为进行观测器及输出反馈控制律的设计，给出下述假设
假设 3.2 系统输出 η   x, y,  的导数满足 i  i , i  0, i  1,2,3 ，
T
β   1 ,  2 , 3  。
T

利用有限时间理论，设计一种不依赖于船舶运动数学模型的有限时间状态观测器，对船
舶的速度进行精确的有限时间观测。然后，将该观测器的输出融入到控制律的设计中，
提出一种基于有限时间状态观测器的船舶动力定位输出反馈控制律，保证船舶的位置及
艏向角到达并稳定在常值期望参考向量 ηr   xr , yr , r  附近小的范围内。
T
3.3.2 有限时间状态观测器的设计
受文献[134]启发，设计如下船舶动力定位有限时间状态观测器
ηˆ  ξ1η  ξ 2Sig( η) p q  θβˆ


 
(3.13)
 βˆ  θη  ξ3 βˆ  β 0

 1 p q sign 1  
 pq 
Sig( η) p q   2 sign 2   (3.14)
 pq 
 3 sign 3  
式中， η  ηˆ  η ， η̂ 为系统输出 η 的估计向量， η  1 ,2 ,3  为估计误差向量； ξ i 为观

T
测器设计参数，ξi  diag i1, i 2 , i 3  , i1, i 2 , i 3  R , i=1,2,3 ；p, q 均为奇数值，0  p  q ；
       T
θ  diag  tanh  1  , tanh  2  , tanh  3   , 1,  2 ,  3  R  ； β 0   10 ,  20 , 30  为设计的初始
  1   2   3  
向量。
3.3.3 有限时间状态观测器的稳定性分析
根据上一小节提出的有限时间状态观测器，可以得出如下定理。
- 33 -
定理 3.2 考虑船舶运动数学模型式(2.22)、式(2.23)，在假设 3.2 的前提下，设计有

限时间状态观测器式(3.13)，保证观测误差 η, β 在有限时间内收敛到零值附近小的范围
内。
1 T 1
V1  η η  βT β (3.15)
2 2
式中， β  βˆ  β 。根据假设 3.2，对式(3.15)求导，并代入式(3.13)，可得
  
V1  ηT ξ1η  ξ2Sig(η) p q  θβˆ  η  β T θη  ξ3 βˆ  β 0  β 
  
(3.16)
 
3
 η ξ1η  η ξ2Sig( η)
T T p q
 η θβ   i i  β ξ3 βˆ  β 0
T T
i 1
利用双曲正切函数 tanh   ，对于任意的   0, a  R ，可得
a
0  a  a tanh     (3.17)
 
式中，  为一常量，满足   e( 1) ,   0.2785 。
式(3.16)可以整理为
 
V1  ηT ξ1η  ηT ξ2Sig(η) p q  β T ξ3 βˆ  β 0  0.2785E T β
(3.18)
 ηT ξ1η  ηT ξ2Sig(η) p q  β T ξ3 β  β T ξ3  β  β 0   0.2785E T β
式中， E  1 ,  2 ,  3  。
T
根据 Young’s 不等式，可得
 β T ξ3  β  β 0    β T ξ3 β   β  β 0  ξ3  β  β 0 
1 1 T
(3.19)
2 2
根据引理 2.4，式(3.18)可以整理为
- 34 -
β ξ3 β   β  β 0  ξ3  β  β 0   0.2785E T β
3 T 1 T
V1  ηT ξ1η  ηT ξ 2Sig( η) p q 
2 2
( pq) 2q ( pq) 2q ( pq) 2 q
1  3  3 
 min  ξ 2  2( p  q ) 2 q  ηT η    β T ξ3 β    β T ξ3 β 
2  2  2 
 β T ξ3 β   β  β 0  ξ3  β  β 0   0.2785E T β
3 1 T
(3.20)
2 2
( pq) 2q ( pq) 2 q
1 T  1 T 
  3min  ξ3  
( pq) 2 q
 min  ξ 2  2 ( pq ) 2q
 η η  β β
2  2 
( pq) 2q
3 
β ξ3 β   β  β 0  ξ3  β  β 0   0.2785E T β
3 T 1 T
  β T ξ3 β  
2  2 2
对上式后四项分析可知
( pq) 2 q
3 T 
β ξ3 β   β  β 0  ξ3  β  β 0   0.2785E T β
3 T 1 T
 β ξ3 β  3 T 
2  2
β ξ3 β 1 2 2
( pq) 2q
3 
β ξ3 β   β  β 0  ξ3  β  β 0   0.2785E T β
3 T 1 T
  β T ξ3 β  3 T 
2  2
β ξ3 β 1 2 2 (3.21)
β ξ3 β  β T ξ3 β   β  β 0  ξ3  β  β 0   0.2785E T β
3 T 3 1 T

2 2 2
  β  β 0  ξ3  β  β 0   0.2785E T β
1 T
2
根据式(3.21)，式(3.20)可以整理为
1
 β  β 0  ξ3  β  β 0   0.2785E T β
T
V1  mV1( p+q ) 2 q 
2 (3.22)
 mV   1
n

式中， m  min min  ξ2  2( pq ) 2 q ,  3min  ξ3  
( pq ) 2 q
, n  ( p  q) 2q ，
1
 β  β 0  ξ3  β  β 0   0.2785E T β 。
T

2
根据引理 2.2，可知设计的状态观测器是实际有限时间稳定的。对于任意 0    1
V1  mV1n  1    mV1n   (3.23)
当 1    mV1n   ，可得 V1  mV1n 。根据 Lyapunov 函数 V1 的递减性，在有限时间
1/ n
V1 (0)1n   
T ， V1 将收敛到 V1    ，则 ηˆ, βˆ 将收敛到 η, β 附近小的范围内。
m 1  n   m 1    
同时，根据观测器(3.13)可知，观测向量 η̂ 是连续可微的，根据船舶运动数学模型式(2.22)，
- 35 -
可知误差 η 同样是连续可微的，且 η  ηˆ  η 有界。也就是说， η̂ 将收敛到 η 附近小的范

围内。令 υ̂ 为 υ 的估计值，根据船舶运动数学模型式(2.22)，观测值 υ̂ 可以表示为
υˆ  R( )1 ηˆ 。观测误差定义为 υ  υˆ  υ ， υ 将稳定到零值附近，也就意味着， υ̂ 将收敛
到 υ 附近小的邻域内，证毕。
3.3.4 基于状态观测器的船舶动力定位输出反馈控制
根据上一小节设计的状态观测器可知， ηˆ, ηˆ 和 υ̂ 在有限时间内收敛到 η, η 和 υ 附近，
意味着 η  1 ,2 ,3  和 υ  1 ,2 ,3  分别收敛到零点附近。基于此分析，船舶运动数学

T T
模型式(2.22)、式(2.23)可以表示为
 
 ηˆ  η  R( )  υˆ  υ 

 (3.24)

  
M υˆ  υ  D  υˆ  υ   τ  τ w
经变换后，得到如下形式

ηˆ  R( )υˆ  o(η)
 (3.25)
 Mυˆ   Dυˆ  τ  τ w  o(υ)

式中， o(η)   R( )υ  η, o(υ)  Mυ  Dυ 。
为了便于分析 o(η), o(υ) ，给出如下假设
假设 3.3 o(η) 和 o(υ) 是连续可微分的，满足 oi (η)  oi , o j (υ)  o j 。 oi 和 o j 为定义
的常量， oi  0, o j  0, i  j  1,2,3 。
备注：根据定理 3.2，我们可以得到观测误差 η, υ 和 η 收敛到零附近。同时，根据船
舶运动数学模型式(2.22)、式(2.23)， υ 和 υ̂ 是连续可微分的， υ 是有界的，则 υ 连续且有
界，因此假设 3.3 是合理的。
假设 3.4 令 ρ 为
d
dt
 R( ) M 1  τ w  o(υ)   的上界，且已知，
ρ   1, 2 , 3  , i  1,2,3, i  0 。
T
备注：根据假设 3.1 可知
d
dt
 R( ) M 1τ w  是有界的，根据假设 3.3 可知， o(υ) 是有
界且可微的，因此假设 3.4 是合理的。
基于以上分析，根据状态观测器的输出，设计如下的迭代滑模面
sˆ1  k1ηê  ηê (3.26)
- 36 -
sˆ2  k2 sˆ1  sˆ1 (3.27)

式中， ηê  ηˆ  ηr , ki  diag  ki1, ki 2 , ki 3  , kij  0, i  1,2, j  1,2,3 。
设计的输出反馈控制律如下所示
τ  MR( ) 1  λ t sˆ d  k k ηˆ   k  k  ηˆ  R( )υˆ   Dυˆ  τ

  0 2 1 2 e 1 2 e  m
 (3.28)
 d  R( ) M 1τ m   ρsign( s2 )

 dt
式中， λ 1  diag 1 1,1 2 ,1 3  , i  0, i=1,2,3 。
根据上一小节的提出的基于状态观测器的船舶动力定位输出反馈控制律，可以得出
如下定理。
定理 3.3 针对船舶运动数学模型式(2.22)、式(2.23)，在假设 3.3、假设 3.4 的前提下，
基于 3.3.4 节设计的有限时间状态观测器，设计的船舶动力定位输出反馈控制律保证系
统跟踪误差一致渐近最终有界。
1 T 1
V2  sˆ2 λ sˆ2 (3.29)
2
对 V2 求导，代入式(3.26)、式(3.27)，可得


V2  sˆ2T λ 1  k2 k1ηê  ηê 

d
dt
 
k1ηê  ηê 


(3.30)

 sˆ2T λ 1  k2 k1ηê 

d
dt

 k1  k2  ηê  R( )υˆ  R( ) M 1   Dυˆ  τ  τ w  o(υ)  


将控制律式(3.28)代入式(3.30)，可得
V2   sˆ2T sˆ2  sˆ2T λ 1 ρsign  sˆ2   sˆ2T λ 1

d
dt
 R( ) M 1  τ w  o(υ)  
  sˆ2T sˆ2
(3.31)
1
 2min  λ  sˆ2T λ 1sˆ2
2
 2min  λ V2
对式(3.31)两边积分，可得
0  V2  V2 (0)exp  2min  λ  t  (3.32)
可见 V2 渐近收敛，滑模 ŝ2 将收敛至
- 37 -
sˆ2  2V2 (0)exp  2min  λ  t  (3.33)
下面证明跟踪误差 ηe 一致渐近最终有界。因为 sˆ1  k1ηê  ηê  k1ηe  ηe  k1η  η ，当 ŝ1

渐近收敛到零值， ηe  k1ηe  k1η  η 。
定义如下 Lyapunov 函数
1 T
V3  ηe ηe (3.34)
2
对 V3 求导，可得

V3  ηeT  k1ηe  k1η  η 
 
 ηeT k1ηe  ηeT k1η  η
 2k  1 η   k η  η  k η  η
1 1 T
  ηeT 1 e 1 1
2 2 (3.35)
 min  2k1  1V3 
1
   k η  η
T
k1η  η 1
2
 min  2k1  1V3  1    min  2 k1  1V3 
1
   k η  η
T
k1η  η 1
2
1
   k η  η  1      2k1  1V3  0
T
式中， 0  1 。当 k1η  η 1 min ，则
2
 k η  η  k η  η
T
V3  min  2k1  1V3 ，V3 

1 1
。也就是说，V3 是一致渐近最终有界的，
2 1    min  2k1  1
根据式(3.34)，系统跟踪误差 ηe 一致渐近最终有界，证毕。
3.3.6 仿真验证
为了验证提出的有限时间状态观测器的观测性能以及提出的输出反馈控制律的控
制效果，以本文第 2 章 2.7 节的供给船作为仿真对象进行仿真实验。
T
船舶的位置及艏向的初始值为 η(0)  20m,20m,20o  ，设计的观测值的初始值为
T T
ηˆ(0)  15m,15m,15o  ，期望的参考轨迹为 ηr  0m,0m,0o  ，其他状态的初始值为
T
υ(0)  0m/s,0m/s,0o /s ，设计的风速为 6m/s (4 级风)，风向为 60o 。
状态观测器及输出反馈控制律的参数设计为
- 38 -
ξ1  diag  0.5,0.5,0.5 , ξ2  diag 1.2,1.2,0.2  , ξ3  diag  0.12,0.12,0.12  ,

1  0.1,  2  0.1,  3  0.01, p  5, q  7, ρ  0.03,0.03,0.002 ,
T
k1  diag  0.1,0.1,0.1 , k2  diag  0.1,0.1,0.1 , λ  diag  0.12,0.11,0.15

仿真结果如图 3.8-图 3.13 所示。
25
20
15
x(m)
10
-5
-5 0 5 10 15 20 25
y (m)
- 39 -
20
^(m)
20
xx x
^x
^
x(m), x
10 15
0 1 2 3 4
0
0 50 100 150 200
t(s)
20
y(m), y^(m)
y y^ 20
10 15
0 1 2 3
0
0 50 100 150 200
t(s)
20
A (/ ), A^(/ )
20
10 A
A A^
^
15
0 1 2 3
0
0 50 100 150 200
t(s)
图 3.9 实际值 x, y, 及观测值 xˆ, yˆ ,ˆ
Fig. 3.9 Actual values x, y, and observed values xˆ, yˆ ,ˆ
^(m/s)
8
6 8
u u^
u(m/s), u
4 -2
2 0 0.5 1 1.5
0
-2
0 50 100 150 200
t(s)
v(m/s), v^(m/s)
4
4
2 v v^
-2
0 0.5 1 1.5
0
-2
0 50 100 150 200
t(s)
r(/ /s), r^(/ /s)
5 5
r r^
-5
0 0.5 1 1.5 2 2.5
0
-5
0 50 100 150 200
t(s)
图 3.10 实际值 u, v, r 和观测值 uˆ, vˆ, rˆ
Fig. 3.10 Actual values u, v, r and observed values uˆ, vˆ, rˆ
- 40 -
6
4
~(m)
x 2
0
0 50 100 150 200
t(s)
6
4
y~(m)
2
0
0 50 100 150 200
t(s)
6
4
A~(/ )
2
0
0 50 100 150 200
t(s)
图 3.11 输出观测误差 x, y,
Fig. 3.11 Output observation errors x, y,
0
~(m/s)
-2
-4
-6
u
-8
0 50 100 150 200
t(s)
0
v~(m/s)
-2
-4
0 50 100 150 200
t(s)
2
0
r~(/ /s)
-2
-4
-6
-8
0 50 100 150 200
t(s)
图 3.12 速度观测误差 u, v, r
Fig. 3.12 Velocity observation errors u, v, r
- 41 -
6
x 10
0
=u (N) -10
-20
0 50 100 150 200
t(s)
6
x 10
0
=v (N)
-10
-20
0 50 100 150 200
t(s)
8
x 10
2
=r (N.m)
0
-2
-4
0 50 100 150 200
t(s)
从图 3.8 可以看出，提出的输出反馈控制律能够克服环境干扰到达并稳定在期望位
置点附近小的邻域内，证明了提出控制策略的有效性。图 3.9 给出了船舶位置  x,y  及艏
向角 的实际值及观测值的历时变化曲线，图 3.10 给出了船舶速度 υ 的实际值及观测值
的历时变化曲线。从图 3.9、图 3.10 可以看出，船舶位置  x,y  及艏向角 的实际值渐近
T
收敛并保持在期望常值参考向量 ηr  0m,0m,0o  附近，船舶速度实际值 υ 收敛并保持
在零附近，实现了动力定位的控制目标，进一步证明了输出反馈控制策略的有效性。
另外，从图 3.9、图 3.10 中还可以看出，观测值 ηˆ, υˆ 能够快速地跟踪上实际值 η, υ 的
变化。结合图 3.11、图 3.12 可以发现，观测误差很快趋于零值附近，因此较好地证明了
提出状态观测器的有效性。图 3.13 给出的控制器输出，其曲线是光滑合理的。
3.4 本章小结
本章设计了基于迭代滑模的船舶动力定位状态反馈控制律和输出反馈控制律。首
先，在
d
dt
 R( ) M 1τ w  的上界已知的情况下，设计了基于迭代滑模的状态反馈控制律，
该控制方法表达式包含了已知的船舶状态、跟踪误差的比例项及微分项、滑模的积分项
以及滑模切换项的积分项，较好地解决了滑模控制律存在抖振、系统静差，以及 PID 控
制律超调严重、稳定误差较大的问题；然后，开展多组仿真实验，将提出的状态反馈控
- 42 -
制律、PID 控制律以及滑模控制律的仿真结果进行对比，很好地证明了提出控制策略的
性能优势。进一步，考虑船舶速度不易测量的问题，设计了不依赖于船舶数学模型的有
限时间状态观测器，保证状态估计误差在有限时间内收敛到零值附近。将该观测器与迭
代滑模面结合设计了基于迭代滑模的输出反馈控制律，仿真结果证明了观测器的观测能
力及控制策略的有效性。
- 43 -
4 基于迭代滑模的船舶动力定位增量反馈控制
4.1 引言
在第 3 章中，我们设计了基于迭代滑模的船舶动力定位状态/输出反馈控制律。观察
该控制律可以发现，其表达形式比较复杂，对船舶运动数学模型依赖较高，且以控制力
和力矩作为系统控制输入，而未考虑推进器的模型结构。文献[135]首次提出了一种考虑
推进器模型的增量反馈控制律，并成功应用于船舶航向的控制中。这种控制策略具有形
式简捷、不依赖船舶运动数学模型并考虑推进器模型的特性，随后应用到船舶航迹跟踪
[136]-[140]
中。文献[141]在上述文献的基础上，开展了控制律参数选择的设计，采用了模糊
系统对控制参数进行了优化，增强了控制器的适应性。文献[142]则设计了一种带强化学
习的神经网络自适应迭代滑模控制律，利用船舶柴油机转速和舵角的实时测量值，计算
了反映控制量抖振状态的强化学习信号，在线优化了神经网络的结构和参数，抑制了控
制器的抖振，增强控制了系统的自适应性。另外，文献[143]-[144]将迭代滑模控制方法
分别应用到欠驱动自治水下机器人(Autonomous Underwater Vehicle, AUV)地形跟踪以
及欠驱动无人水下航行器(Unmanned Underwater Vehicle, UUV)三维航迹跟踪中，取得了
很好的控制效果。
为此，本章参考上述文献控制律的设计方法，设计一种基于迭代滑模的增量反馈控
制律，完成动力定位控制目标。将该增量反馈控制律与滑模控制律的仿真结果进行对比，
证明提出的增量反馈控制律在稳定性、鲁棒性以及适应性上的优势。其次，研究滑模面
的结构，进一步提出一种性能更优的非线性迭代滑模面，通过参数的变换便于调整控制
器的输出，达到防止推进器饱和甚至过载的目的。为减小推进器的损耗及能量的消耗，
提出一种艏向寻优算法，使得船舶艏向正对环境干扰来向，即环境最优艏向，将非线性
迭代滑模面与艏向寻优算法结合，设计一种基于环境最优的增量反馈控制律，同时给出
系统稳定性证明和仿真结果。
4.2 考虑指令螺距输入的船舶动力定位增量反馈控制
4.2.1 问题描述
本节采用本文第 2 章 2.7 节的供给船作为研究对象，该船配备有 6 个推进器，分布
如图 2.2 所示，推进器模型如式(2.42)所示。
为进行船舶动力定位增量反馈控制律的设计，给出下述假设
- 44 -
基于迭代滑模的船舶动力定位增量反馈控制
假设 4.1 存在李普希兹常数 L1i , L2i , L3i , L4 j , L5 j , i  1,2,3, j  u, v, r 满足如下不等式条

件
i (t2 )  i (t1 )  L1i t , i (t2 )  i (t1 )  L2i t ,
(4.1)
i (t2 )  i (t1 )  L3i t ,  wj (t2 )   wj (t1 )  L4 j t ,  j (t2 )   j (t1 )  L5 j t
备注：系统输出 η 以及其导数 η  R( )υ 是有界的， τ w 表示风、浪、流等引起的环
境干扰，其能量是有限的； τ 表示系统控制输入，其能量同样是有限的，因此假设 4.1
是合理的。
基于提出的迭代滑模面，设计一种简捷的、不依赖于船舶运动数学模型，并考虑推进器
模型的增量反馈控制律，保证船舶的位置及艏向到达并稳定在常值期望参考向量
ηr  [ xr , yr , r ]T ，实现动力定位目标。
设计如下迭代滑模面
s1  k1ηe  υ (4.2)
s2  k2 s1  s1 (4.3)
式中， ηe  e1,e 2 ,e 3   η  ηr ， ηe 为系统跟踪误差， ηr  r1 ,r 2 ,r 3  为常值期望参考
T T
向量； si 为迭代滑模面， si   si1 , si 2 , si 3 
T
； ki 为滑模参数，
ki  diag  ki1, ki 2 , ki 3  , kij  R , i  1,2, j=1,2,3 。
在该动力定位控制的过程中，进行人工推力分配，令侧推器  4 和全回转式推进器  6
不工作，船舶纵向的推进任务由两个相同的推进器  1 , 2 完成，各完成一半(平均分配所
需推力)，参数 1   2 ，船舶横向及艏向角的控制任务，要求全部由横向的两个推进器
 3 , 5 共同完成，如式(4.4)、式(4.5)及式(4.6)所示。
 u  1 p1 p1   2 p2 p2

 (4.4)
1 p1 p1   2 p2 p2

 v   3 p3 p3   5 p5 p5 (4.5)
 r   3 p3 p3lx 3   5 p5 p5lx5 (4.6)
在上述推力分配中，我们没有考虑能量最优的推力分配问题(将控制器输出的期望
控制力和控制力矩指令通过推力分配策略最优地分配到冗余的推进器)，而是令侧推器
- 45 -
 4 和全回转式推进器  6 不工作，进行人工地推力分配，这是合理的。因为，在工程实际
中，为了防止设备过度损耗或者某些设备也存在损坏的情况，操作人员可以人为地操控
部分推进器来完成船舶动力定位任务。
设计的船舶动力定位增量反馈控制律为
k3s21
p1  p2   (4.7)
41 p1
k4 s22l x 5  k5s23
p3  (4.8)
2 3 p3  l x 3  l x 5 
k4 s22l x 3  k5s23
p5  (4.9)
2 5 p5  l x 3  l x 5 
式中， ki 为控制参数， ki  R , i  3,4,5 。
定理 4.1 考虑船舶运动系统数学模型式(2.22)、式(2.23)，在假设 4.1 的前提下，通
过调节参数 k1, k2 , k3 , k4 , k5 ，设计的增量反馈控制律保证系统渐近稳定。
为便于进行系统稳定性证明，将船舶运动数学模型式(2.23)变换为如下形式
υ  M 1   Dυ  τ  τ w  (4.10)
 M 11 0 0 
M 1
 0 M 22 M 23  (4.11)
 
 0 M 32 M 33 
 M 11  M 1  m  Yv  I z  N r    mxG  Yr  mxG  Yr  
  
 M 22  M  m  X u  I z  N r 
1


 M 23   M  m  X u  mxG  Yr 
1
(4.12)

 M 32   M  m  X u  mxG  Yr 
1

 M 33  M  m  X u  m  Yv 
1
式(4.10)变换为如下的分离形式
u  M11 X uu  M11 u  M11 wu (4.13)
v  M 22 Yv v  X u r   M 23  N vv  N r r   M 22 v  M 23 r  M 22 wv  M 23 wr (4.14)
r  M 32 Yv v  X u r   M 33  N v v  N r r   M 32 v  M 33 r  M 32 wv  M 33 wr (4.15)
我们将分别证明系统在 3 个自由度上(纵荡、横荡和艏揺)的稳定性。
- 46 -
首先，我们证明位置偏差 e1 的稳定性，将 s21 展开并带入式(4.3)，可得

s21  k21s11  s11
= k21  k11e1  u   k11e1  u (4.16)
= k21  k11e1  u   k11e1  M 11 X uu  M 11 1 p1 p1   2 p2 p2   M 11 wu
假设在时间 t  t1 时， s21  0 ，且对所有 t  [t1, t2 ], t2 =t1  t 时， s21 (t )  0 。根据 s21 的
定义及系统的连续性并代入式(4.7)，在 t  t2 时，
s21 = k21  k11e1 (t2 )  u(t2 )   k11e1 (t2 )  M 11 X uu (t2 )
 M 11  21 p1 p1  2 2 p2 p2  t  M 11 wu (t2 )
 k21  k11e1 (t1 )  u(t1 )   k11e1 (t1 )  M 11 X uu(t1 )  M 11 wu (t1 )
(4.17)
= k21  k11e1 (t2 )  u(t2 )   k11e1 (t2 )  M 11 X uu (t2 )
 M 11k3s21t  M 11 wu (t2 )  k21  k11e1 (t1 )  u(t1 )   k11e1 (t1 )
 M 11 X u u(t1 )  M 11 wu (t1 )
由假设 4.1 可知，存在控制参数 k3 ，保证
s21  k21k11L11t  k21L21t  k11L31t  M 11 X u L21t
(4.18)
 M 11k3s21t  M 11L4u t  0
同理，假如在时间 t  t1 时， s21  0 ，同样可证存在控制参数 k3 ，使得 s21  0 ，则
有时间 t 趋近零时，迭代滑模 s21 (t ) 渐近收敛到零，则 e1 渐近收敛到零，证毕。
仿照上述过程，证明位置偏差e 2 和艏向角偏差e 3 的稳定性。
s22  k22 s12  s12
= k22  k12e 2  v   k12e 2  v
(4.19)
= k22  k12e 2  v   k12e 2  M 22 Yv v  X u r   M 23  N v v  N r r 
 M 22  3 p3 p3   5 p5 p5   M 23 r  M 22 wv  M 23 wr
s22  k22k12e 2 (t2 )   k22  M 22Yv  M 23 N v  v (t2 )
+  M 22 X u  M 23 N r  r (t2 )+k12e 2 (t2 )  M 22  2 3 p3 p3  2 5 p5 p5  t
 M 23 r (t2 )  M 22 wv (t2 )  M 23 wr (t2 )  k22k12e 2 (t1 )
  k22  M 22Yv  M 23 N v  v (t1 )   M 22 X u  M 23 N r  r (t1 )
(4.20)
 k12e 2 (t1 )  M 23 r (t1 )  M 22 wv (t1 )  M 23 wr ( t1 )
 k22k12 L12 t   k22  M 22Yv  M 23 N v  L22 t   M 22 X u  M 23 N r  L23t
+k12 L32 t  M 22k4 s22 t  M 23 L5 r t  M 22 L4 v t  M 23L4 r t
0
- 47 -
s23  k23s13  s13

= k23  k13e 3  r   k13e 3  r
(4.21)
= k23  k13e 3  r   k13e 3  M 32 Yv v  X u r   M 33  N v v  N r r 
 M 32 v  M 33  3 p3 p3l x 3   5 p5 p5l x 5   M 32 wv  M 33 wr
s23 = k23k13e 3 (t2 )   M 32Yv  M 33 N v  v (t2 )   k 23  M 32 X u  M 33 N r  r (t2 )
 k13e 3 (t2 )  M 32 v (t2 )  M 33 (2 3 p3 p3l x 3  2 5 p5 p5l x 5 ) t
 M 32 wv (t2 )  M 33 wr (t2 )  k23k13e 3 (t1 )   M 32Yv  M 33 N v  v (t1 )
  k23  M 32 X u  M 33 N r  r (t1 )  k13e 3 (t1 )  M 32 v (t1 )  M 32 wv (t1 )
(4.22)
 M 33 wr (t1 )
 k23k13 L13t   M 32Yv  M 33 N v  L22 t   k 23  M 32 X u  M 33 N r  L23t
 k13 L33t +M 32 L5v t  M 33k5s23t  M 32 L4 v t  M 33 L4 r t
0
根据假设 4.1 及控制律式(4.8)、式(4.9)，则当时间 t 趋近无穷时，迭代滑模 s22 (t ), s23 (t )
渐近收敛到零，误差e 2 ,e 3 渐近收敛到零，证毕。
4.2.4 仿真验证
为了验证提出的增量反馈控制律在稳定性、鲁棒性及适应性上的优越性，以本文第
2 章 2.7 节的供给船作为仿真对象进行仿真实验。本小节将进行 6 组仿真实验，前 5 组
实验将提出的增量反馈控制律与滑模控制律的仿真结果进行对比，证明增量反馈控制律
在稳定性、鲁棒性上的优势，第 6 组实验将该增量反馈控制律应用于其他动力定位船舶，
验证该策略良好的适应性。
滑模控制律如下所示
τSMC  MR( )1  k6k7ηe   k6  k7  ηe  R( )υ  Dυ  τ w sat  sSMC   (4.23)
式中， ηe  η  ηr 为系统跟踪误差， ηr 为常值期望参考向量； τSMC 为滑模控制律，滑模
 s  sSMC  
面为 sSMC  k6ηe  ηe ；τ w 为环境干扰上界，sat  sSMC     SMC ， 为边
sign  sSMC  sSMC  
界层的厚度； ki 为设计参数， ki1, ki 2 , ki 3  R , i  6,7 。

T T
T
期望参考向量为 ηr  0m,0m,0o  ，设计的风速为 6m/s (4 级风)，风向为 60o 。
工况 1：选择两种控制策略的参数，进行仿真实验
- 48 -
k1  diag  0.1,0.05,0.02  , k2  diag  0.1,0.1,15 , k3  2.0  107 ,

k4  2.0  107 , k5  1.0  109 , k6  diag  0.075,0.05,0.02  ,
k7  diag  0.07,0.1,0.1 , τ w  1.5  105 N,2.5  105 N,2.4  108 N  m  ,   0.01

T
仿真结果如图 4.1-图 4.5 所示。
25
20
15
x(m)
10
-5
-5 0 5 10 15 20 25
y (m)
图 4.1 工况 1 船舶在 xy 平面内运动轨迹
Fig. 4.1 Motion trajectory of the ship in xy plane in case 1
从图 4.1 船舶在水平面内运动轨迹可以看出，提出的增量反馈控制律驱动船舶运动
并保持在期望参考位置附近小的范围内，证明了提出的增量反馈控制律能够完成动力定
位任务，且具有良好的控制性能。
图 4.2 给出了两种控制策略作用下，船舶位置  x,y  和艏向角 的收敛曲线。可以观
察到，在近似相同初始控制输入的作用下，滑模控制律与提出的增量反馈控制律的收敛
速度近似相同。从图 4.2 的局部放大图可以看出，提出的增量反馈控制律的稳定误差要
小于滑模控制律，说明提出的增量反馈控制律具有更优的稳态性能。图 4.3 给出了两种
控制策略作用下，船舶速度的收敛轨迹。图 4.4 给出了系统控制输入的收敛曲线，可以
看出两种控制策略的控制力及控制力矩曲线是光滑合理的。图 4.5 给出了推进器螺距输
入曲线，从图中可以看出，通过人工推力的分配，4 个推进器的螺距输入曲线是光滑的
且在 [1,1] 之间，符合实际要求。
- 49 -
20 -3
x 10
10
x(m)
10
0
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)
20 -3
x 10
5
y(m)
10
-5
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)
20
2
A (/ )
10 0
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)
滑模控制律提出的增量反馈控制律
图 4.2 工况 1 船舶位置  x,y  和艏向角

Fig. 4.2 Ship position  x,y  and heading in case 1
0
u(m/s)
-0.2
-0.4
-0.6
-0.8
0 50 100 150 200 250 300 350 400
t(s)
0
v(m/s)
-0.2
-0.4
0 50 100 150 200 250 300 350 400
t(s)
0.2
0
r(/ /s)
-0.2
-0.4
-0.6
-0.8
0 50 100 150 200 250 300 350 400
t(s)
图 4.3 工况 1 船舶速度 u, v, r
Fig. 4.3 Ship velocities u, v, r in case 1
- 50 -
5
x 10
=u (N)
0
-5
-10
0 50 100 150 200 250 300 350 400
t(s)
5
x 10
5
=v (N)
0
-5
0 50 100 150 200 250 300 350 400
t(s)
7
x 10
=r (N.m)
0
-10
-20
0 50 100 150 200 250 300 350 400
t(s)
图 4.4 工况 1 控制力  u , v 和控制力矩  r
Fig. 4.4 Control forces  u , v and moment  r in case 1
0.2
P1
-0.2
-0.6
0 50 100 150 200 250 300 350 400
t(s)
0.2
P2
-0.2
-0.6
0 50 100 150 200 250 300 350 400
t(s)
1
P3
0
-1
0 50 100 150 200 250 300 350 400
t(s)
1
P4
0
-1
0 50 100 150 200 250 300 350 400
t(s)
图 4.5 工况 1 推进器螺距输入
Fig. 4.5 Thruster pitch inputs in case 1
- 51 -
工况 2：在工况 1 的基础上，增大滑模控制律中环境干扰的补偿项，即 τ w 增大到

T
τ w  6.0  105 N,6.0  105 N,5.85  108 N  m ，其他参数不变，进行仿真实验，结果如图 4.6、
图 4.7 所示。
从图 4.6 可以看出，增大干扰补偿项后，滑模控制律在 x 方向和 y 方向上的收敛速
度略快于提出的增量反馈控制律，但就稳态性能而言，从局部放大图可以看出，提出的
增量反馈控制律的稳态性能仍优于滑模控制律。从图 4.7 可以看出，增大干扰补偿项 τ w
后，滑模控制律的初始输入要大于提出的增量反馈控制律，并且出现了抖动现象。
20 -3
x 10
2
x(m)
10
-1
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)
20 -3
x 10
1
y(m)
10
-2
0 200 250 300 350 400
0 50 100 150 200 250 300 350 400
t(s)
20
1
A (/ )
10 0
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)

- 52 -
5
x 10
5
=u (N)
0
-5
-10
-15
0 50 100 150 200 250 300 350 400
t(s)
5
x 10
5
=v (N)
0
-5
-10
0 50 100 150 200 250 300 350 400
t(s)
8
x 10
5
=r (N.m)
0
-5
0 50 100 150 200 250 300 350 400
t(s)
工况 3：在工况 1 的基础上增大滑模参数 k6 ，k6  diag(0.1,0.1,0.05) ，其他参数不变，

进行仿真实验，结果如图 4.8、图 4.9 所示。
从图 4.8 可以看出，增大滑模参数 k6 后，滑模控制律在的收敛速度略快于提出的增
量反馈控制律，但从局部放大图可以看出，提出的增量反馈控制律的稳态性能仍优于滑
模控制律。从图 4.9 可以看出，增大滑模参数 k6 后，滑模控制律的初始输入要远大于提
出的增量反馈控制律。
- 53 -
20 -3
x 10
6
x(m)
10 0
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)
20 -3
x 10
2
y(m)
10
-2
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)
20
0.4
A (/ )
10 0
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)

5
x 10
0
=u (N)
-5
-10
-15
0 50 100 150 200 250 300 350 400
t(s)
5
x 10
5
0
=v (N)
-5
-10
-15
0 50 100 150 200 250 300 350 400
t(s)
7
x 10
=r (N.m)
0
-10
-20
0 50 100 150 200 250 300 350 400
t(s)
- 54 -
工况 4：在工况 1 的基础上，增大滑模控制律参数 k7 ， k7  diag(0.2,0.2,0.2) ，其他

参数不变，继续进行仿真实验，仿真结果如图 4.10、图 4.11 所示。
图 4.10 给出了增大滑模控制律参数 k7 后船舶位置  x,y  和艏向角 收敛曲线，图
4.11 给出了提出的增大参数 k7 后，控制力  u , v 和力矩  r 收敛曲线。从图 4.10 可以看出，
滑模控制律在 x 和 y 方向上的收敛速度略快于提出的增量反馈控制律，但从局部放大图
可以看出，提出的增量反馈控制律的稳定误差仍小于滑模控制律。从图 4.11 可以看出，
增大控制律参数 k7 后，滑模控制律的初始输入要远大于提出的增量反馈控制律。
20 -3
x 10
10
x(m)
10
0
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)
20 -3
x 10
2
y(m)
10
-5
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)
20
2
A (/ )
10 -0.1
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)

- 55 -
5
x 10
0
=u (N) -10
-20
0 50 100 150 200 250 300 350 400
t(s)
5
x 10
5
0
=v (N)
-5
-10
0 50 100 150 200 250 300 350 400
t(s)
7
x 10
=r (N.m)
0
-10
-20
0 50 100 150 200 250 300 350 400
t(s)
工况 5：在工况 1 的情况下，增大环境干扰，风速从 6m/s 增加到 12 m/s (6 级风，最

高浪高 4 米，从航海实践的角度讲属于恶劣海况)，风向由 60o 转到 120o ，仿真结果如图
4.12-图 4.14 所示。
图 4.12 给出了增大环境干扰后船舶位置  x,y  及艏向角 的收敛轨迹，图 4.13、图
4.14 给出了系统控制输入及推进器螺距输入。从图 4.12 可以看出，增大环境干扰后，提
出的增量反馈控制律的稳态性能仍然优于滑模控制律，尤其是在艏向角上优势最为明
显，证明提出的增量反馈控制律具有更强的鲁棒性能。从图 4.13、图 4.14 可以看出，增
大环境干扰后，提出的增量反馈控制律的系统控制输入及推进器螺距输入仍然是光滑合
理的。
- 56 -
20 -3
x 10
8
x(m)
10
-4
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)
20
0.01
y(m)
10 -0.03
200 250 300 350 400
0
0 50 100 150 200 250 300 350 400
t(s)
20
6
0
A (/ )
10 200 250 300 350 400

0
0 50 100 150
200 250 300 350 400
t(s)
滑模控制律
传统滑模控制律提出的增量反馈控制律
增量反馈控制律

5
x 10
0
=u (N)
-5
-10
0 50 100 150 200 250 300 350 400
t(s)
5
x 10
5
=v (N)
0
-5
-10
0 50 100 150 200 250 300 350 400
t(s)
7
x 10
=r (N.m)
0
-10
-20
0 50 100 150 200 250 300 350 400
t(s)
- 57 -
0.5
0
P1 -0.5
0 50 100 150 200 250 300 350 400
t(s)
0.5
0
P2
-0.5
0 50 100 150 200 250 300 350 400
t(s)
1
P3
0
-1
0 50 100 150 200 250 300 350 400
t(s)
1
P4
0
-1
0 50 100 150 200 250 300 350 400
t(s)
图 4.14 工况 5 推进器螺距输入
Fig. 4.14 Thruster pitch inputs in case 5
工况 6：为了验证提出增量反馈控制律的适应性，将提出的增量反馈控制律应用于
文献[145]的动力定位船舶，进行仿真实验。该船舶船长 1.255m ，船宽 0.25m ，船舶质量
为 23.8kg 。滑模参数及环境干扰(风速 12m/s ，风向 120o )与工况 5 相同，只改变控制律
参数 k3 , k4 , k5 的数值 k3  2.0  102 , k4  3.0  102 , k4  15 ，继续进行仿真实验，结果如图
4.15、图 4.16 所示。
图 4.15 给出了对应的船舶位置  x,y  及艏向角 的收敛曲线。从图 4.15 可以看出，
对于不同仿真对象，在提出的增量反馈控制律的作用下，系统能够收敛到期望值附近。
因此，证明了提出的增量反馈控制律对不同仿真对象具有良好的适应性。图 4.16 说明系
统的控制输入是光滑合理的。
- 58 -
20
x(m)
10
0
0 50 100 150 200 250 300 350 400
t(s)
20
y(m)
10
0
0 50 100 150 200 250 300 350 400
t(s)
20
A (/ )
10
0
0 50 100 150 200 250 300 350 400
t(s)

10
=u (N)
0
-10
0 50 100 150 200 250 300 350 400
t(s)
0
=v (N)
-100
-200
0 50 100 150 200 250 300 350 400
t(s)
2
=r (N.m)
0
-2
-4
-6
0 50 100 150 200 250 300 350 400
t(s)
- 59 -
4.3 基于环境最优的船舶动力定位增量反馈控制
4.3.1 问题描述
在 4.1 节中，基于迭代滑模面，提出了一种以推进器螺距作为控制输入的增量反馈
控制律，其中要求推进器螺距输入在 [1,1] 之间。实际上，该滑模面为线性滑模面，当
系统误差较大时，极易引起系统状态及推进器螺距的饱和。另外，长期在海洋中进行作
业的动力定位船舶，一般对船舶首向的要求并不高，即不需要船舶首向转到某一确定的
艏向角上，因此，可以调整艏向正对环境干扰合力的方向(环境最优艏向)，这样可以在
保持期望位置的前提下，达到节约燃料，减小推进器机械磨损的目的。
本节的控制目标：考虑设计一种非线性的迭代滑模面，取代 4.2 节中的线性滑模面，
并提出一种环境最优艏向算法，将非线性迭代滑模面与该算法结合，设计一种基于非线
性迭代滑模面的环境最优增量反馈控制律，保证船舶的位置到达并稳定在常值期望参考
位置，船舶的艏向转到环境最优艏向角，以达到节能减排，减小推进器损耗的目标。
4.3.2 控制律设计及稳定性分析
设计如下非线性迭代滑模面
s1  k1Tanh  k2ηe   υ (4.24)
s2  k3Tanh  k4 s1   s1 (4.25)

T
Tanh  k2ηe    tanh  k21e1  , tanh  k22e 2  , tanh  k23e3 

T
； si 为迭代滑模面，
si   si1, si 2 , si 3  , i  1,2 ；Tanh  k4 s1    tanh  k41s11  , tanh  k42 s12  , tanh  k43s13   ；k j 为滑模
T T
参数， k j  diag  k j1, k j 2 , k j 3  , j  1,2,3,4 。
上述非线性迭代滑模的特性，以滑模 s1 为例进行说明。当误差 ηe 较大时， s1 按照接

近固定速率 k1 收敛，当 ηe 较小时， s1 则按照指数规律收敛，参数 k2 则用来拉伸或者压缩
坐标而设置，与参数 k1 联合控制滑模面 s1 的收敛速度。
本节控制律的设计依然采用增量反馈方法，控制律如下式(4.26)所示，系统稳定性
的证明请参考 4.2.3 小节。
k5s21
p1  p2   (4.26)
41 p1
- 60 -
k6 s22l x 5  k7 s23

p3  (4.27)
2 3 n3  l x 3  l x 5 
k6 s22l x 3  k7 s23
p5  (4.28)
2 5 p5  l x 3  l x 5 
4.3.3 环境最优艏向设计
本小节环境最优艏向算法的设计基于文献[73]的“ZPC-W”寻优算法，如图 4.17 所
示。它的原理是通过测量船舶横向控制力的大小计算期望艏向角的变化率，当横向控制
力变为零时，期望艏向角的变化率为零，从而得到环境最优艏向角，如式(4.29)所示。
 r  k p v (4.29)
式中， r 为期望艏向角，  v 为控制律的横向控制力， k p  0 为设计参数。
本节提出的改进环境最优艏向算法，如式(4.30)所示，它是在式(4.29)的基础上在公
式的右侧增加横向控制力  v 的变化率，以达到在避免超调的条件下，提高环境最优艏向
角收敛速度的目的。
 r  k p v  kd v (4.30)
式中， kd  0 为设计参数。
图 4.17 环境最优艏向设计
Fig. 4.17 Design of environmental optimum heading
4.3.4 仿真验证
为了验证提出控制策略及环境最优艏向算法的有效性，以本文第 2 章 2.7 节的供给
船作为仿真对象进行仿真实验。本小节将进行两组仿真实验：1) 验证基于非线性迭代
滑模的增量反馈控制律在控制系统收敛速度，防止系统控制输入饱和甚至过载方面的优
- 61 -
越性；2) 将改进的环境最优艏向算法与文献[73]的“ZPC-W”算法进行对比，验证本节
设计算法在收敛速度上的优越性。
1) 非线性迭代滑模特性的验证
该部分通过参数 k2 的调整说明非线性迭代滑模特性，包括两组数据。船舶状态的初
T T
始值设置为 η(0)  20m,20m,20o  ， υ(0)  0m/s,0m/s,0o /s ，常值期望参考向量为
T
ηr  0m,0m,0o  ，设计的风速为 6m/s (4 级风)，风向为 60o 。
一组数据的迭代滑模及控制器参数设计为
k1  diag  0.4,0.4,0.035 , k2  diag 1,0.6,0.6 , k3  diag  0.3,0.1,15 ,
k4  diag 1,0.6,0.6 , k5  4.0  107 , k6  4.0  107 , k7  1.5  109
另一组数据将滑模参数 k2 减小到 k2  diag  0.3,0.2,0.3 ，保持其他滑模参数和控制律
参数与一组数据相同，将两组数据的仿真结果进行对比分析，仿真结果如图 4.18-图 4.21
所示。
图 4.18 给出了船舶位置  x,y  和艏向角 的收敛曲线，图 4.19 给出了船舶速度 υ 的
收敛曲线。从图 4.18、图 4.19 可以看出，在将滑模参数 k2 从 k2  diag 1,0.6,0.6 减小到
k2  diag  0.3,0.2,0.3 ，滑模的收敛速度降低，同时系统的收敛速度随之降低。另外，从
图 4.20 控制力和控制力矩的收敛曲线和图 4.21 推进器螺距输入曲线可以看出，系统收
敛速度降低以后，系统的控制力、控制力矩及推进器螺距输入相应地减小，因此可知，
设计的非线性迭代滑模面，通过滑模参数的调整，易于解决系统控制输入约束问题。
- 62 -
20
x(m)
10
0
0 100 200 300 400 500 600
t(s)
20
y(m)
10
0
0 100 200 300 400 500 600
t(s)
20
A (/ )
10
0
0 100 200 300 400 500 600
t(s)
增量反馈控制律减小滑模参数后的增量反馈控制律

0
u(m/s)
-0.2
-0.4
0 100 200 300 400 500 600
t(s)
0
v(m/s)
-0.2
-0.4
0 100 200 300 400 500 600
t(s)
0.2
0
r(/ /s)
-0.2
-0.4
-0.6
-0.8
0 100 200 300 400 500 600
t(s)
- 63 -
5
x 10
4
2
=u (N) 0
-2
-4
-6
0 100 200 300 400 500 600
t(s)
5
x 10
4
=v (N)
2
0
-2
0 100 200 300 400 500 600
t(s)
7
x 10
5
=r (N.m)
0
-5
0 100 200 300 400 500 600
t(s)
0.2
P1
-0.4
0 100 200 300 400 500 600
t(s)
0.2
P2
-0.4
0 100 200 300 400 500 600
t(s)
1
P3
0
-1
0 100 200 300 400 500 600
t(s)
0.5
P4
0
-0.5
0 100 200 300 400 500 600
t(s)
图 4.21 推进器螺距输入
Fig. 4.21 Thruster pitch inputs
- 64 -
2) 环境最优艏向设计验证
该部分仿真实验的参数设置与上一部分相同，只是到 200s 的时候，打开环境最优
艏向控制器，参数设计为 k p  9.0  108 , kd  5.0  106 ，仿真结果如图 4.22-图 4.24 所示。
从图 4.22 船舶位置和艏向收敛曲线可以看出，从第 200s 开始，打开了环境最优艏
向控制器，船舶艏向角较快地转到 60o (环境最优艏向)附近，即正对环境干扰力的来向。
从图 4.23 控制律输出的局部放大图可以看到，船舶横向上的作用力和艏向角方向上的力
矩在零值附近，即控制器输出近似为零，因此证明了该环境最优艏向控制器的有效性。
图 4.24 给出了本节提出的环境最优艏向控制器与文献[73]中环境艏向控制器的比较结
果，从图中可以看出，本节提出的最优艏向控制器在不增加艏向角超调的情况下，提高
了艏向的收敛速度，且抖动较小(局部放大图)，因此很好地证明了该最优艏向控制器的
优越性。
20 -3
x 10
1
x(m)
10
-1
150 200 250
0
0 500 1000 1500
t(s)
20
0.01
10
y(m)
-0.01
150 200 250
0
0 500 1000 1500

t(s)
60
A (/ )
40
20
0
0 500 1000 1500
t(s)
- 65 -
5
x 10
4
2
=u (N) 0 0
-2
-4 -1000
-6 1000 1100 1200 1300 1400 1500
0 5 500 1000 1500
x 10 t(s)
4
4 x 10
15 20
2 0 -20
=v (N)
150 200 250 1000 1100 1200 1300 1400 1500

0
-2
0 500 1000 1500
7 t(s) 4
7 x 10 x 10
x 10 5 2
5 -10 -2
=r (N.m)
0 150 200 2501000 1100 1200 1300 1400 1500

-5
-10
0 500 1000 1500
t(s)
60
50 文献[73]环境最优艏向算法
改进的环境最优艏向算法
40 61
60
A (/ )
30 59
400 600 800 1000 1200 1400
20
10
0
0 500 1000 1500
t(s)
图 4.24 两种环境最优艏向方法比较
Fig. 4.24 Comparison between two methods of environmental optimum heading
- 66 -
4.4 本章小结
本章首先设计了一种考虑指令螺距输入的船舶动力定位增量反馈控制律。与滑模控
制律表达式相比，该控制策略考虑了推进器模型，且具有控制律结构简捷、设计参数少
及不依赖船舶运动数学模型的特点；然后，将提出的增量反馈控制律与滑模控制律的仿
真结果进行了对比，证明了该控制律具有稳定误差小、鲁棒性及适应性强的优点；进一
步，基于改进的环境最优艏向算法和非线性迭代滑模面，设计了基于环境最优的船舶动
力定位增量反馈控制律，最后的仿真实验表明，改进的环境最优艏向算法具有收敛速度
快的优势，通过滑模面参数调整易于实现抑制控制律饱和甚至过载的问题。
- 67 -
5 基于非奇异快速终端滑模的船舶动力定位控制
5.1 引言
研究第 3、4 章设计的船舶动力定位控制策略可以发现，无论是基于迭代滑模的状
态/输出反馈控制律还是基于迭代滑模的增量反馈控制律，都仅能够保证系统渐近收敛，
即在无限时间内渐近收敛到期望值附近小的邻域内。然而，在实际的工程应用中，系统
状态尽快收敛到期望值或者达到其附近才更具有实际的价值。为此，本章考虑基于有限
时间理论，设计有限时间控制策略解决该问题。章节安排如下：(1) 基于 Backstepping
技术和非奇异快速终端滑模面，设计一种基于 Backstepping 的非奇异快速终端滑模控制
律，提高系统的收敛速度，增强系统的稳态性能；(2) 针对 Backstepping 非奇异快速终
端滑模控制律设计步骤较多以及虚拟控制律求导的“计算膨胀”问题，结合 LS-SVM 与
非奇异快速终端滑模面，直接设计基于 LS-SVM 的非奇异快速终端滑模控制律，并利用
LS-SVM 的逼近能力解决船舶模型不确定的问题；(3) 在非奇异快速终端滑模控制律的
基础上进行改进，在控制律中增加滑模的积分项，进一步提高系统的收敛速度，减小稳
定误差，增强系统鲁棒性。考虑环境干扰不确定及推进器故障的问题，设计一种不依赖
船舶数学模型的有限时间干扰观测器对未知环境干扰及推进器故障进行准确观测，保证
观测误差有限时间收敛。
5.2 基于 Backstepping 的船舶动力定位非奇异快速终端滑模控制
5.2.1 问题描述
为进行船舶动力定位控制律的设计，给出下述假设
假设 5.1 τ w   wu , wv , wr  为环境干扰，满足  wi   wi

 , i =u, v, r ， wi 为干扰的上
T
T
界，且未知，仅做分析之用，构成向量 τ w   wu

, wv

, wr

 。
本节的控制目标：考虑船舶运动数学模型式(2.22)、式(2.23)，在假设 5.1 的前提下，

针对未知环境干扰的船舶动力定位控制问题，利用 Backstepping 技术和非奇异快速终端
滑模面，设计一种基于 Backstepping 非奇异快速终端滑模控制律，保证船舶的位置  x,y 
及艏向角 在有限时间内到达并稳定在常值期望参考向量 ηr   xr , yr , r  附近小的范围

T
内。另外，利用自适应方法对环境干扰进行补偿，进一步减小稳定误差，提高系统稳态
性能。
- 68 -
基于非奇异快速终端滑模的船舶动力定位控制
该控制律的设计包括两个步骤，首先，在运动学回路，基于 Backstepping 技术设计
有限时间虚拟控制律；然后，在动力学回路，以该虚拟控制律为跟踪目标，基于非奇异
快速终端滑模面，设计最终控制律，并对环境干扰进行自适应补偿。
第一步：设计船舶动力定位虚拟镇定函数向量 α
定义如下船舶的跟踪误差向量和速度误差向量
ηe = η  ηr (5.1)
υe  υ  a (5.2)
T
υ 视为虚拟控制向量，选择虚拟镇定函数向量 α 为
a   R( )1 k1Sig(ηe )a (5.3)
式中， 0  a  1 ； k1  diag  k11, k12 , k13  为设计控制参数， k1i  R , i  1,2,3 ，Sig(ηe )a 表示
为
 e (1) a sign(e (1)) 
 
Sig( ηe ) a   e (2) sign(e (2)) 
a
(5.4)
 
 e (3) sign(e (3)) 
a
第二步：设计自适应非奇异快速终端滑模控制律 τ ANTSMC
参考文献[146]，设计非奇异快速终端滑模面
t t
s  υe  d1  υed d2  Sig(υe )q d (5.5)
0 0
式中， 0.5  q  1 ； d1 , d2 为设计的滑模面参数， d1  diag(d11, d12 , d13 ) ，

d2  diag(d 21, d 22 , d 23 ) ， dij  R , i  1,2, j  1,2,3 。
  e (1) q sign( e (1)) 

 
Sig(υe ) q    e (2) sign( e (2)) 
q
(5.6)
 
  e (3) sign( e (3)) 
q
设计如下的自适应非奇异快速终端滑模控制律 τ ANTSMC
τ ANTSMC  τ NTSMC  τ m (5.7)
式中， τ NTSMC 为忽略环境干扰的情况下，设计的非奇异快速终端滑模控制律， τ m 为环境
干扰的补偿项。
- 69 -
τ NTSMC  k2Sig( s)a  Dυ  Ma  Md1υe  Md2Sig(υe )q  s1ηeT R( )υe (5.8)
τ m  τˆw (5.9)
T
式中， τˆw  ˆwu

,ˆwv

,ˆwr

 为干扰上界的估计向量，其自适应律为
τˆw  k3  s  k4  τˆw  τ w0  (5.10)
式中， k2 , k3 , k4 ,1,  2 ,  3 为设计参数， k2  diag  k21, k22 , k23  ，

k3  diag  k31, k32 , k33  , k4  diag  k41, k42 , k43  ， kij  R , i  2,3,4, j  1,2,3 ； τ w  τˆw  τ w 为
  s(1)   s(2)   s(3)   0 T

估计误差；   diag  tanh    ； τ w   wu , wv , wr  为干扰初
0 0 0
 , tanh   , tanh 
  1   2   3  
始估计向量。
根据上一小节提出的基于 Backstepping 的自适应非奇异快速终端滑模控制律，可以
得出如下定理。
定理 5.1 考虑船舶运动系统数学模型式(2.22)、式(2.23)，在假设 5.1 的前提下，设
计包含环境干扰补偿的自适应非奇异快速终端滑模控制律，保证系统状态在有限时间内
收敛到期望值附近小的邻域内。
1 T 1 1
V ηe ηe  sT Ms  τ w T k31τ w (5.11)
2 2 2
对式(5.11)两边求导，并代入式(2.22)、式(2.23)、式(5.1)和式(5.5)，可得
V  ηeT k1Sig(ηe )a  ηeT R( )υe  sT M  υe  d1υe  d2Sig(υe ) q   τ w T k31τˆw
=  ηeT k1Sig( ηe ) a  ηeT R( )υe (5.12)
s T
  Dυ  τ  τ w  Mα  Md1υe  Md2Sig(υe )   τ k τˆ q  T 1 
w 3 w
根据假设 5.1，并将式(2.23)、式(5.2)、式(5.3)、式(5.7)及式(5.10)代入上式，可得
V  ηeT k1Sig(ηe )a  sT k2Sig( s)a + s(i ) w (i )  sTτ w  τ w T k4  τˆw  τ w0 

3
(5.13)
i 1
应用双曲正切函数 tanh( ) 的性质，对于   0, a  R ，可得

a
0  a  a tanh     (5.14)
 
式中，  是满足   e (  1) 的常数，即   0.2785 ，则
- 70 -
V  ηeT k1Sig(ηe )a  sT k2Sig( s)a  τ w T k4  τˆw  τ w0   0.2785E T τ w (5.15)
式中， E  1 ,  2 ,  3  。
T
根据引理 2.4，上式整理为
2(1a ) 2 min  k2   1 T 
(1 a ) 2 (1 a ) 2
1 
V  2 (1 a ) 2
min  k1   ηeT ηe   (1 a ) 2 
s Ms 
2  max  M  2  (5.16)
 τ k  τˆ  τ
T
w 4

w
0
w   0.2785E T 
τw
式中， min   和 max   分别为矩阵特征值的最小值和最大值。

根据 Young’s 不等式，对任意 k4  0 ，可得
τ w T k4  τˆw  τ w0   τ w T k4  τ w  τ w  τ w0 
=  τ w T k4τ w  τ w T k4  τ w  τ w0  (5.17)
  τ w T k4τ w   τ w  τ w0  k4  τ w  τ w0 
3 1 T
2 2
从而式(5.16)可以整理为
2(1 a ) 2 min  k2   1 T 
(1 a ) 2 (1 a ) 2
1 
V  2(1 a ) 2 min  k1   ηeT ηe   (1 a ) 2 
s Ms 
2  max  M  2 
(1 a ) 2 (1 a ) 2
3  3 
  τ w T k4τ w    τ w T k4τ w   τ w T k4  τˆw  τ w0   0.2785E T τ w
2  2 
2(1a ) 2 min  k2   1 T 
(1 a ) 2 (1 a ) 2
1 
 2 (1 a ) 2
min  k1   ηeT ηe   (1 a ) 2 
s Ms  (5.18)
2  max  M  2 
(1 a ) 2 (1 a ) 2
1  3 
 3(1 a ) 2 min  k3(1 a ) 2 k4(1 a ) 2   τ w T k31τ w    τ w T k4τ w 
2  2 
 τ w T k4τ w   τ w  τ w0  k4  τ w  τ w0   0.2785E T τ w
3 1 T
2 2
上式(5.18)可以变换为
 1 
(1 a ) 2
1 
(1 a ) 2
1 
(1 a ) 2

V  m  ηeT ηe    sT Ms    τ w T k31τ w  
 2  2  2  
(5.19)
(1 a ) 2
3 
 τ w T k4τ w   τ w  τ  k4  τ w  τ w0   0.2785E T τ w
3 1 0 T
  τ w T k4τ w  w
2  2 2

 2(1a ) 2 min  k2  (1a ) 2 (1 a ) 2 (1 a ) 2 

式中， m  min 2(1a ) 2 min  k1  , , 3   k k  
 
(1 a ) 2

min 3 4

 max M 

- 71 -
对上式后四项分析可知
(1 a ) 2
 3 T  
 τ w T k4 τ w   τ w  τ w0  k4  τ w  τ w0 
3 1 T
 τ w k4τ w  3 T
2  2
τ w K 4 τ w 1 2 2
 0.2785E T τ w
(1 a ) 2
3 
 τ w T k4τ w   τ w  τ w0  k4  τ w  τ w0 
3 1 T
  τ w T k4τ w  3 T
2  2
τ w K 4 τ w 1 2 2 (5.20)
T 
 0.2785E τ w
τ w k4τ w  τ w k4τ w   τ w  τ w0  k4  τ w  τ w0   0.2785E T τ w

3 T  3 T  1  T

2 2 2
  τ w  τ w0  k4  τ w  τ w0   0.2785E T τ w
1 T
2
V  mV n   (5.21)

1 
τ w  τ w0  k4  τ w  τ w0   0.2785E T τ w 。
T
式中， n  (1  a ) 2,  
2
根据引理 2.2 可得，闭环系统是实际有限时间稳定的。对于任意 0  0  1 ，可得
V  0mV n  1  0  mV n   (5.22)
V (0)1n
当 1  0  mV n   时，有 V  0mV n ，因此在有限时间 T  内， V 收敛
m0 1  n 
1n
  
到如下的稳定域内 V    。根据式(5.11)可知，系统状态也将在有限时间内收
 m 1  0  
敛到期望值附近，证毕。
5.2.4 仿真验证
为了验证提出控制策略的优越性及自适应方法对干扰的估计能力，以本文第 2 章 2.7
节的供给船作为仿真对象进行仿真实验，并将非奇异快速终端滑模控制律 τ NTSMC ，自适
应非奇异快速终端滑模控制律 τ ANTSMC 及 Backstepping 控制律 τ Back 的仿真结果进行对比
分析。Backstepping 控制律 τ Back 的表达式如下式(5.23)所示。为便于实验结果的分析比较，
Backstepping 控制律 τ Back 的设计中忽略环境干扰的影响。
τ Back  k6υe  Dυ  MαBack  R( )1 ηe (5.23)
- 72 -
式中， αBack   R( )1 k5ηe , υe  υ  αBack ； k5 , k6 为控制参数，

ki  diag(ki1, ki 2 , ki 3 ), ki1, ki 2 , ki 3  0, i  5,6 。
T T
T
滑模参数及控制器参数设计为
k11  k12  0.18, k13  0.038, a  q  5 / 7, k21  9.3  105 ,
k22  1.5  106 , k23  2.0  109 , k31  k32  9.3  104 , k33  3.6  107 ,
k41  k42  8.3  108 , k43  1.6  109 , d11  0.09, d12  0.1,
d13  0.01, d 21  0.1, d 22  0.08, d 23  0.013, 1   2   3  0.01,
k51  0.07, k52  0.05, k53  0.04, k61  k62  6.5  106 , k63  1.95  1010
仿真结果如下图 5.1-图 5.5 所示。
25
20
15
x(m)
10
-5
-5 0 5 10 15 20 25
y (m)
- 73 -
20
x(m)
10
0
0 20 40 60 80 100 120 140 160 180 200
t(s)
20
y(m)
10
0
0 20 40 60 80 100 120 140 160 180 200
t(s)
20
A (/ )
10
0
0 20 40 60 80 100 120 140 160 180 200
t(s)
Bckstepping控制律非奇异快速终端滑模控制律自适应非奇异快速终端滑模控制律

0
u(m/s)
-1
-2
0 20 40 60 80 100 120 140 160 180 200
t(s)
0.5
v(m/s)
0
-0.5
-1
0 20 40 60 80 100 120 140 160 180 200
t(s)
0.5
0
r(/ /s)
-0.5
-1
0 20 40 60
100 80
120 140 160 180 200
t(s)
Backstepping控制律非奇异快速终端滑模控制律自适应非奇异快速终端滑模控制律
- 74 -
7
x 10
1
=u (N)
0
-1
0 20 40 60 80 100 120 140 160 180 200
t(s)
6
x 10
1
=v (N)
0
-1
-2
-3
0 20 40 60 80 100 120 140 160 180 200
t(s)
8
x 10
=r (N.m)
0
-1
-2
-3
0 20 40 60 80
100 120 140 160 180 200
t(s)

5
=wu (N)
x 10
6
4 =wu =^wu
=wu (N),^
2
0
-2
0 20 40 60 80 100 120 140 160 180 200
t(s)
5
=wv (N)
x 10
6
4 =wv =^wv
=wr (N.m) =wv (N),^
2
0
-2
-4
0 20 40 60 80 100 120 140 160 180 200
t(s)
7
x 10
10
=wr (N.m),^
5
0 =wr =^wr
0 20 40 60 80 100 120 140 160 180 200
t(s)
图 5.5 干扰实际值  wu , wv , wr 及观测值 ˆwu ,ˆwv ,ˆwr

Fig. 5.5 Disturbance actual values  wu , wv , wr and observed values ˆwu ,ˆwv ,ˆwr
从图 5.1 可以看出，提出的自适应非奇异快速终端滑模控制律 τ ANTSMC 驱动船舶到达

并稳定在期望位置附近，证明了提出控制策略的有效性。
从图 5.2、图 5.3 可以看出，在图 5.4 中 3 种控制输入的作用下，船舶的位置  x,y  及
艏向角 收敛到期望值附近，船舶的速度 υ 也收敛到零值附近。从图中还可以看出，控
- 75 -
制律 τ NTSMC 和 τ ANTSMC 收敛速度近似相同，要快于 Backstepping 控制律 τ Back ，因此验证有

限时间控制策略具有更佳的暂态响应性能。为了验证有限时间控制策略在系统稳态性能
t
优势，引入时间误差绝对值积分 I TAE =  t e( ) d 进行量化分析，如表 5.1 所示。
0
表 5.1 3 种策略性能比较
Tab. 5.1 Performance comparisons among three control strategies
性能 τ Back τ NTSMC τ ANTSMC
xe (m) 25858.5 8077.9 7929.9
ITAE ye (m) 43767.4 8858.2 8743.7
 e (o ) 284963.1 35176.2 30513.8
从表 5.1 可以看出，与 Backstepping 控制律 τ Back 相比，非奇异快速终端滑模控制律

τ NTSMC 的时间误差绝对值积分分别下降了 68.8%、79.8%和 87.7%，充分地证明了非奇异
快速终端滑模控制律 τ NTSMC 具有更佳的稳态性能。自适应非奇异快速终端滑模控制律
τ ANTSMC 对环境干扰进行了估计补偿，因此稳态性能相对于非奇异快速终端滑模控制律
τ NTSMC 进一步提高，系统的时间误差绝对值积分达到了 7929.9、8743.7 和 30513.8，与
非奇异快速终端滑模控制律 τ NTSMC 相比，分别降低了 1.8%、1.3%和 13.3%，充分地验证
了自适应干扰补偿的有效性。图 5.5 给出了环境干扰的实际值及观测值。从图 5.5 可以
看出，观测值能够跟踪上实际值的变化，证明了自适应干扰估计方法的有效性。
通过上面的分析可知，在 3 种控制策略中，自适应非奇异快速终端滑模控制律
τ ANTSMC 不仅收敛速度快，而且具有最佳的稳态性能。
为了进一步验证自适应非奇异快速终端滑模控制律 τ ANTSMC 的鲁棒性能优势，考虑增
大环境干扰作进一步仿真实验，风速从 6m/s 增大到 12m/s (6 级风，最高浪高 4 米，从航
海实践的角度讲属于恶劣海况)，风向不变。结果如图 5.6、图 5.7 及表 5.2 所示。
- 76 -
20
x(m)
10
0
0 20 40 60 80 100 120 140 160 180 200
t(s)
20
y(m)
10
0
0 20 40 60 80 100 120 140 160 180 200
t(s)
20
A (/ )
10
0
0 20 40 60 80 100 120 140 160 180 200
t(s)

7
x 10
1
=u (N)
0
-1
0 20 40 60 80 100 120 140 160 180 200
t(s)
6
x 10
1
=v (N)
0
-1
-2
-3
0 20 40 60 80 100 120 140 160 180 200
t(s)
8
x 10
2
=r (N.m)
0
-2
-4
0 20 40 60 80 100 120 140 160 180 200
t(s)

图 5.6、图 5.7 给出了增大环境干扰后，系统的输出及控制输入。从图 5.6 可以看出，

控制策略 τ NTSMC 和 τ ANTSMC 仍然具有快速收敛的优势。对比表 5.1 和表 5.2，3 种控制策略
对应的时间误差绝对值积分也相应增大，说明增大环境干扰后，系统的稳态性能受到影
- 77 -
响。但是，与 Backstepping 控制律 τ Back 相比，非奇异快速终端滑模控制律 τ NTSMC 仍具有

稳定性上的优势。非奇异快速终端滑模控制律 τ NTSMC 的时间误差绝对值积分分别为
8364.6、8978.0 和 208318.2，仍然远小于 Backstepping 控制律 τ Back 的时间误差绝对值积
分(46584.8、48076.9 和 451548.8)。另外，由于外界干扰的自适应补偿，自适应非奇异
快速终端滑模控制律 τ ANTSMC 的稳态性能依旧是 3 种控制策略中最好的，时间误差绝对值
积分分别为 8300.8、8961.6 和 113270.1，其中在艏向角方向上下降最多，达到了 45.6%。
因此，证明了自适应非奇异快速终端滑模控制律 τ ANTSMC 在 3 种控制策略中具有最强的鲁
棒性。
综上，由上述两次仿真实验及分析可知，在 3 种控制策略中，提出的自适应非奇异
快速终端滑模控制律 τ ANTSMC 具有最佳的暂态性能、稳态性能与鲁棒性能。
表 5.2 增大干扰后 3 种策略性能比较

Tab. 5.2 Performance comparisons among three strategies under enhanced disturbances
性能 τ Back τ NTSMC τ ANTSMC
xe (m) 46584.8 8364.6 8300.8
ITAE ye (m) 48076.9 8978.0 8961.6
e( )o
451548.8 208318.2 113270.1
5.3 基于 LS-SVM 的船舶动力定位非奇异快速终端滑模控制
5.3.1 问题描述
在 5.2 节中，基于 Backstepping 技术递推出了船舶动力定位控制律。该控制策略的
设计包括两个步骤，且虚拟控制律求导易导致“计算膨胀”。为此，本节考虑基于提出
的非奇异快速终端滑模面，直接设计船舶动力定位控制律。针对船舶模型不确定的问题，
利用 LS-SVM 逼近能力进行自适应估计补偿。LS-SVM 具有结构确定、泛化能力强以及
易获得全局最小值等特点[147]-[148]，已成功应用于船舶航向控制[149]以及半潜海洋平台动
力定位控制中[150]。
τ w   wu , wv , wr  为环境干扰，满足  wi   wi

 , i =u, v, r ，
T
假设 5.2
T
τ w   wu

, wv

, wr

 为环境干扰的上界，且已知。
- 78 -
本节的控制目标：考虑船舶运动数学模型式(2.22)、式(2.23)，在假设 5.2 的前提下，

基于提出的非奇异快速终端滑模面，直接设计一种基于非奇异快速终端滑模的船舶动力
定位控制律。考虑船舶模型不确定的问题，利用 LS-SVM 的逼近技术进行补偿控制，为
解决自适应参数过多导致的“维数灾难”问题，引入“最小参数”技术，将在线学习参
数减少到一个，简化控制律的复杂程度。
参考文献[151]滑模面的设计方法，建立非奇异快速终端滑模面
s  ηe  λ1Sig(ηe ) g /h  λ2Sig(ηe ) p/ q (5.24)
式中， ηe  [e1,e 2 ,e3 ]T 为系统的跟踪误差， ηe  η  ηr ， ηr 为给定的常值期望参考向量
ηr   xr , yr , r  ； ηe  [e1,e 2 ,e3 ]T ； s   s1 , s2 , s3 T ； λ1 , λ2 为滑模参数，
T
λ1  diag  11, 12 , 13  ， λ2  diag  21 , 22 , 23  ， 1i , 2i  R , i  1,2,3 ； 1  p / q  2 ，
g / h  p / q ， p, q, g , h 为正奇数。
 e1 g / h sign(e1 ) 
 
  e 2 sign(e 2 ) 
g /h
Sig( ηe ) g / h (5.25)
 
 e 3 sign(e 3 ) 
g /h
 e1 p / q sign(e1 ) 
 
  e 2 sign(e 2 ) 
p/q
Sig( ηe ) p / q (5.26)
 
 e 3 sign(e 3 ) 
p/q
为避免奇异，设计如下的终端吸引子为趋近律
s  diag ηe  p q 1
  k s  k Sig( s) 
1 2
r
(5.27)
式中， k1  diag  k11, k12 , k13  , k2  diag  k21, k22 , k23  , k1i , k2i  R , i  1,2,3 ； 0  r  1 ；
p /q 1 p / q 1 p / q 1 p / q1
diag( ηe )=diag( e1 , e 2 , e3 )。
D(υ)υ 为非线性函数，作为船舶模型不确定项，利用 LS-SVM 进行逼近，即
D(υ)υ  aυT Kυ (υ)  ευ (5.28)
T
 auT 01(1l ) 01(1l ) 
 
aυ  01(1l ) avT 01(1l )  (5.29)
01(1l ) 01(1l ) arT 

- 79 -
T
ai  ai1 , ai2 , , ai(1l )  (5.30)
T
Kυ (υ)   KuT (υ), KvT (υ), K rT (υ)  (5.31)
Ku (υ)  Kv (υ)  Kr (υ) ， Ki (υ)  1, K (υ, υ1 ), , K (υ, υl ) , i =u, v, r ， υ1 ,

T
, υl 为过去从
第 1 到第 l 个输入值， ευ   u ,  v ,  r  为未知不确定项的逼近误差。
T
为了提高 LS-SVM 的在线学习算法的速度，采纳文献[152]的设计思想，即采用在

线稀疏 LS-SVM，利用滑动时间窗中的样本训练 LS-SVM，在每一采样时刻获得新样本
后总是学习新样本，删除时间窗最前端时刻的样本，达到能及时反映系统特性的目的。
为了防止自适应参数个数过多而引起的“维数灾难”问题，引入“最小参数”技术，
2
将自适应参数减小到一个。令 aυT   ，  的估计值为 ˆ ，误差     ˆ 。
F
设计的船舶动力定位控制律为
τ NFTSM  MR( ) 1  τ m  R( )υ   3 λ21 ( q p)diag ηe  1 p q
 MR( ) 1
λ2
2
F
 p q
2
(5.32)
 
2
ˆ Ku (υ) s  τ w sat  R( ) s  
p q 1 1 2
R( )
2 2
diag ηe F
M
F F

τ m  λ21 ( q p) k1s  k2 s r  ηe2 p q  λ1adiag ηe  g h 1
η 
2 p q
e (5.33)
 R( ) s  R( ) s  
sat  R( ) s     (5.34)
sign  R( ) s  R( ) s  
式中，  为边界层的厚度。
ˆ 的自适应律
   
2
ˆ  3k3sT s λ2 F ( p q)2 diag ηe
p q 1
Ku (υ)  k4 ˆ   0
2
R( ) M 1
2 2 2
F
(5.35)
F F
式中， k3  0, k4  0 ，  0 为初始估计值。
根据上一小节提出的船舶动力定位控制律，可以得出如下定理。
定理 5.2 针对船舶运动数学模型式(2.22)、式(2.23)，考虑模型的不确定问题，在假
设 5.2 的前提下，设计基于 LS-SVM 的自适应非奇异快速终端滑模控制律，通过参数合
理的调节，使得闭环系统状态在有限时间内收敛到期望值附近小的邻域内。
1 T 1 1 2
V s s  k3  (5.36)
2 2
- 80 -
对上式两边求导，并代入式(2.22)、式(2.23)、式(5.27)及式(5.28)，可得
V =sT ηe  sT λ1 ( g h )diag ηe  g h 1
 η  s λ ( p q )diag  η
e
T
2 e
p q 1
 R( )υ
  R( ) M  a K (υ)  ε 
 sT λ2 ( p q )diag ηe
p q 1 1 T
υ υ υ
 s λ ( p q )diag  η  R( ) M τ p q 1
(5.37)
T 1
2 e
 s λ ( p q )diag  η  R( ) M τ  k ˆ

T p q 1 1 1
2 e w 3
V  s η  s λ ( g h )diag  η  η  s λ ( p q)diag  η  R( )υ

T T g h 1 T p q 1
e 1 e e 2 e
 3s s λ  p q  diag  η  R( ) M  β  14
2
T 2 2 p q 1 2 1 2 2
2 F e F F u
F
 s s λ  p q  diag  η  R( ) M  14 ε
2
T 2 2 p q 1 2 1 2 2 (5.38)
2 F e F F υ
F
 s λ ( p q)diag  η  R( ) M τ  s λ ( p q)diag  η  R( ) M

p q 1 1 p q 1 1
T
2 e
T
2 e τw
 k31ˆ
将控制律式(5.32)和自适应律式(5.35)代入式(5.38)中，可得
V   sT  k1diag  ηe   diag  λ  p q  diag  ηe    s

2 2
p q 1 p q 1
R( ) M 1
2 2 2

2 F F F
F
 sT k2diag ηe  p q 1
 s  14 ε
r
υ
2

1
4
 k31k4 ˆ   0  τ w   (5.39)
 τ w sat  R( ) s  
当 ηe  0 时，考虑到不等式 k31k4 ˆ   0   k31k4 2  k31k4    0  。合理地

1 1
 
2
2 2
选择参数 k1 , λ2 保证 k1diag ηe  p q 1
  diag  λ 2
2 F  p q
2
diag ηe
p q 1 2
F
R( )
2
F
M 1   0 ，
2
F

可得
V   sT k2diag  ηe    s  14 ε  14  12 k k   12 k k    
p q 1 r
υ
2 1
3 4
2 1
3 4
0 2
 k diag  η   12 s s   14 ε  14  12 k k 

(1 r) 2
p q 1
 2 (1 r) 2
min 1
T 2 2
2 e υ 3 4 (5.40)
 k31k4    0 
1 2
2
根据引理 2.4，上式(5.40)整理为
- 81 -

(1 r) 2 (1 r) 2 (1 r) 2
V  2 (1 r) 2

min k2diag ηe  1 T 
p q 1
 s s
 2 
1
 2

  k31k4 2 

1
 2

  k31k4 2 

 k31k4 2  k31k4    0   ευ 
1 1 2 1 2 1
2 2 4 4
(5.41)
 1 T  (1 r) 2
 1 1 2 
(1 r) 2
  1 1 2 (1 r) 2 1 1 2
 m  s s    k3      k3 k4   k3 k4
 2  2    2  2
 k31k4    0   ευ 
1 2 1 2 1
2 4 4

式中， m  min 2(1r) 2 min k2diag  ηe  
p q 1
, k ， 
(1 r) 2
4 min ( ) 为矩阵特征值的最小值。
对上式后五项分析，可知
(1 r) 2
 1 1 2 
 k31k4 2  k31k4    0   ευ 
1 1 2 1 1
 k3 k4 
2
2  2 2 4 4
(1 r) 2
1 
 k31k4 2  k31k4    0   ευ 
1 1 2 1 1
  k31k4 2 
2
1 1 2
2  2
k3 k4 1 2 2 4 4
(5.42)
(1 r) 2
1 
 k31k4 2  k31k4    0   ευ 
1 1 2 1 1
  k31k4 2 
2
1 1 2
2  2
k3 k4 1 2 2 4 4
k3 k4    0   ευ 
1 1 2 1 1

2
2 4 4
V  mV n   (5.43)
式中， n  (1  r) 2,   k31k4    0   ευ 
1 2 1 2 1
2 4 4
由引理 2.2 得，闭环系统是实际有限时间稳定的。对于任意 0  0  1 可得
V  0mV n  1  0  mV n   (5.44)
V (0)1n
当 1  0  mV n   时，有 V  0mV n ，因此在有限时间 T  内， V 收敛
m0 1  n 
1n 1n
     
到如下的稳定域内 V    。根据式(5.36)可知， s  2   ，令
 m 1  0    m 1  0  
1n
  
  2  ，则 s   。
 m 1  0  
- 82 -
当 ηe  0 时，将控制律式 (5.32) 代入式 (2.23) 中，得
ηe   λ21 ( q p)  k1s  k2 s r   R( ) M 1  τ w  τ w sat  R( ) s    Dυ   0 。由此可知，当
ηe  0 ， s   时，有 ηe  0 ，即系统不会停留在 ηe  0 ， s   ，因此，系统仍然可以

在有限时间内到达稳定域  内。根据式(5.36)可知，系统状态将在有限时间内收敛到期
望值附近小的邻域内，证毕。
5.3.4 仿真验证
为了证明提出控制策略的性能优势，以本文第 2 章 2.7 节的供给船作为仿真对象进
行仿真实验。将提出的非奇异快速终端滑模控制律 τ NFTSM 的仿真结果与滑模控制律 τSMC
t
的结果进行对比，并引入时间误差绝对值积分函数 I TAE =  t e( ) d 对系统的稳态性能进
0
行量化分析。滑模控制律 τSMC 通过将非奇异快速终端滑模控制律的参数设置为
p  q, g  h, r =1 获得。为了公平比较两种控制策略的仿真结果，滑模控制律 τSMC 同样采
用 LS-SVM 对模型不确定项进行补偿。
T T
船舶状态的初始值设置为 η(0)  20m,20m,20o  ， υ(0)  0 m/s,0 m/s,0 o /s ，常
T
值期望参考向量为 ηr  0m,0m,0o  ，设计的风速为 6m/s (4 级风)，风向为 60o 。所采用
的 LS-SVM 具有 15 个节点，核函数采用径向基函数，宽度   0.09 。

工况 1：滑模及控制器参数设计为
g  9, h  q  5, p  7, λ1  diag  0.01,0.01,0.01 , k3  k4  0.1,
λ2  diag  25, 25, 25 , k1  diag  0.1,0.1,0.9  , k2  diag  0.2,0.2,0.2  ,
T
r  5 / 9, τ w  3.5  104 N,3.3  104 N,1.4  107 N  m  ,   0.01,  0  0
仿真实验结果如图 5.8-图 5.11 及表 5.3 所示。
- 83 -
25
20
15
x(m)
10
-5
-5 0 5 10 15 20 25
y (m)
图 5.8 工况 1 船舶在 xy 平面内运动轨迹
Fig. 5.8 Motion trajectory of the ship in xy plane in case 1
20
x(m)
10
0
0 50 100 150 200 250 300
t(s)
20
y(m)
10
0
0 50 100 150 200 250 300
t(s)
20
A (/ )
10
0
0 50 100 150 200 250 300
t(s)
滑模控制律提出的非奇异快速终端滑模控制律

- 84 -
u(m/s)
-0.4
-0.8
0 50 100 150 200 250 300
t(s)
0
v(m/s)
-0.2
-0.4
0 50 100 150 200 250 300
t(s)
0
r(/ /s)
-0.4
-0.8
0 50 100 150 200 250 300
t(s)
图 5.10 工况 1 船舶速度 u, v, r
Fig. 5.10 Ship velocities u, v, r in case 1
5
x 10
0
=u (N)
-5
-10
-15
0 50 100 150 200 250 300
t(s)
5
x 10
0
=v (N)
-5
-10
0 50 100 150 200 250 300
t(s)
7
x 10
2
=r (N.m)
-2
-6
0 50 100 150 200 250 300
t(s)
- 85 -
图 5.8 显示了在提出的非奇异快速终端滑模控制律 τ NFTSM 作用下，船舶位置在平面

内运动的变化轨迹。从图中可以直观地看出，提出的非奇异快速终端滑模控制律 τ NFTSM 驱
动动力定位船舶到达并稳定在平衡位置附近，证明提出的控制策略是有效的。
图 5.9 表明，在两种控制策略的作用下，系统输出均能够收敛并稳定到期望值附近
小的领域内。从图中还可以看出，在提出的非奇异快速终端滑模控制律 τ NFTSMC 的作用下，
系统输出的收敛速度快于滑模控制律 τSMC ，很好地证明了提出的控制策略的暂态性能优
势。图 5.10 表明，船舶的速度 u, v, r 同样收敛到零值附近。从图 5.11 可以看出，两种控
制输入是光滑的合理的。为了便于分析比较两种控制策略的稳态性能，引入时间误差绝
t

对值积分函数 I TAE = t e( ) d 进行量化分析，如表 5.3 所示。从表中可以看出，非奇异
0
快速终端滑模控制律 τ NFTSMC 的稳态性能明显优于滑模控制律 τSMC ，时间误差绝对值积分

达到了 51414.6、48534.6 和 102476.1，分别下降了 44.1%、45.5%和 47.5%，充分地证明
了提出的非奇异快速终端滑模控制律 τ NFTSMC 具有更好的稳定性。
表 5.3 工况 1 两种控制策略性能比较
Tab. 5.3 Performance comparisons between two control strategies in case 1
性能 τSMC τ NFTSMC
xe (m) 92007.7 51414.6
ITAE ye (m) 89033.8 48534.6
e( )
o
195106.7 102476.1
工况 2：增大滑模控制律参数 k2 ，取 k2  diag  0.6,0.6,0.6 ，其他参数不变，仿真结

果如图 5.12、图 5.13 及表 5.4 所示。
- 86 -
20
x(m)
10
0
0 50 100 150 200 250 300
t(s)
20
y(m)
10
0
0 50 100 150 200 250 300
t(s)
20
A (/ )
10
0
0 50 100 150 200 250 300
t(s)
6
x 10
0 4
x 10
=u (N)
2
-2 -2
150 200 250 300
-4
0 50 100 150 200 250 300
6 t(s)
x 10
0
=v (N)
-1 6000
2000
-2 150 200 250 300
-3
0 50 100 150 200 250 300
7
x 10 t(s)
0
=r (N.m)
6
x 10
-4
-5
-8
150 200 250 300
-10
0 50 100 150 200 250 300
t(s)
- 87 -
xe (m) 86427.9 51414.6
ITAE ye (m) 84844.7 48534.6
e( )
o
181452.0 102476.1
图 5.12、图 5.13 给出了增大滑模控制律参数 k2 后，系统的收敛轨迹及控制输入。

从图 5.13 可以看出，在增大滑模控制律参数 k2 之后，系统的暂态性能(收敛时间)没有明
显的提高。但是，比较对比表 5.4 与表 5.3 的数据后可以发现，增大参数 k2 后，系统的
稳态性能有了提高，滑模模控制律 τSMC 时间误差绝对值积分从原来的 92007.7、89033.8
和 195106.7 减小到了 86427.9、84844.7 及 181452.0。从图 5.13 的局部放大图也可以发
现，增大参数 k2 后，控制输入  u , r 抖动比较严重。此外，从表 5.4 中还可发现虽然增大
参数 k2 提高了系统的稳态性能，但是仍差于非奇异快速终端滑模控制律 τ NFTSMC ，进一步

在验证了提出的非奇异快速终端滑模控制律 τ NFTSMC 的稳态性能优势。
工况 3：减小滑模参数 λ2 ，取 λ2  diag 15,15,13 ，其他参数不变，得到仿真结果如
图 5.14、图 5.15 及表 5.5 所示。
从图 5.14 可以看出，在减小滑模参数 λ2 的情况下，滑模控制律 τSMC 的收敛速度有
了极大的提高，收敛时间上与提出的非奇异快速终端控制律 τ NFTSMC 相差不大。但是对比
图 5.4 与图 5.15 可以看出，滑模控制律 τSMC 的初始输入增大明显，且远大于提出的非奇
异快速终端滑模控制律 τ NFTSMC 。表 5.5 的数据表明，在滑模控制律 τSMC 的作用下，系统
的稳态性能也有了极大的提高，与表 5.3 中相比，时间误差绝对值积分从原来的 92007.7、
89033.8 和 195106.7 分别下降了 36580、36064.5 和 90966.2，但是仍然大于提出的非奇
异快速终端控制律 τ NFTSMC 的时间误差绝对值积分。
- 88 -
20
x(m)
10
0
0 50 100 150 200 250 300
t(s)
20
y(m)
10
0
0 50 100 150 200 250 300
t(s)
20
A (/ )
10
0
0 50 100 150 200 250 300
t(s)

5
x 10
0
=u (N)
-10
-20
0 50 100 150 200 250 300
t(s)
5
x 10
5
0
=v (N)
-5
-10
-15
0 50 100 150 200 250 300
t(s)
7
x 10
0
=r (N.m)
-5
-10
-15
0 50 100 150 200 250 300
t(s)
- 89 -
xe (m) 55427.7 51414.6
ITAE ye (m) 52969.3 48534.6
e( )
o
104140.5 102476.1
工况 4：增大环境干扰的强度，将风速增大到 12m/s (6 级风，最高浪高 4 米，从航

海实践的角度讲属于恶劣海况)，风向不变，继续进行仿真实验，结果如图 5.16、图 5.17
及表 5.6 所示。
20
x(m)
10
0
0 50 100 150 200 250 300
t(s)
20
y(m)
10
0
0 50 100 150 200 250 300
t(s)
20
A (/ )
10
0
0 50 100 150 200 250 300
t(s)

- 90 -
5
x 10
0
=u (N) -5
-10
-15
0 50 100 150 200 250 300
t(s)
5
x 10
0
=v (N)
-5
-10
0 50 100 150 200 250 300
t(s)
7
x 10
15
=r (N.m)
10
5
0
-5
0 50 100 150 200 250 300
t(s)
从图 5.16 可以看出，从系统的收敛速度看，提出的非奇异快速终端滑模控制律
τ NFTSMC 仍然比滑模控制律 τSMC 有优势。对比表 5.3 与表 5.6 可以发现，随着环境干扰的
增大，系统的时间误差绝对值积分随之增大，其中艏向角方向上增大尤为明显，两种控
制律的值分别从表 5.3 的 195106.7、102476.1 增大到了表 5.6 的 1163937.7 和 1081683.6。
但是，从表 5.6 仍然可以看出，与滑模控制律 τSMC 相比，提出的非奇异快速终端滑模控
制律 τ NFTSMC 仍然具有稳态性能好的优势，证明其具有更佳的鲁棒性。
Tab. 5.6 Performance comparisons between two methodologies in case 4
xe (m) 98634.6 59925.3
ITAE ye (m) 89540.7 51252.1
 e (o ) 1163937.7 1081683.6
综上 4 种情况的仿真对比分析可以得出，与滑模控制律 τSMC 相比，提出的非奇异快

速终端滑模控制律 τ NFTSMC 具有收敛速度快、稳定误差小及鲁棒性强的优势。
- 91 -
5.4 基于干扰观测器的船舶动力定位非奇异快速终端滑模容错控制
5.4.1 问题描述
假设 5.3 将环境干扰及推进器故障(综合干扰)表示为 τ wf ，假设存在综合干扰的上界
γ ，未知仅做分析之用，且满足 γ   1 ,  2 ,  3   0, γ  τ wf 。
T
备注：风、浪、流引起的环境干扰的能量是有限的。另外，推进器的输出也是有限
的，因此综合干扰(风、浪、流引起的环境干扰和推进器的故障)上界存在，即假设 5.3
是合理的。
本节的控制目标：考虑未知环境干扰及推进器故障的船舶动力定位问题，对于船舶
运动数学模型式(2.22)、式(2.23)，在假设 5.3 的前提下，设计基于干扰观测器的非奇异
快速终端滑模容错控制律，保证船舶的位置及艏向角在有限时间内到达并稳定在常值期
望参考向量 ηr   xr , yr , r  附近小的范围内。
T
5.4.2 忽略环境干扰的船舶动力定位积分非奇异快速终端滑模控制
为便于说明提出控制策略的优势，本小节忽略环境干扰，即 τ w  0 ，基于变换的非
奇异快速终端滑模面，设计一种带滑模积分项的船舶动力定位非奇异快速终端控制律。
变换的非奇异快速终端滑模面为
σs (5.45)
s  ηe  λ1Sig(ηe ) g/h
 λ2Sig(ηe ) p/ q
(5.46)
 e1 g / h sign(e1 ) 
 
  e 2 sign(e 2 ) 
g /h
Sig( ηe ) g / h (5.47)
 
 e 3 sign(e 3 ) 
g /h
 e1 p / q sign(e1 ) 
 
  e 2 sign(e 2 ) 
p/q
Sig( ηe ) p / q (5.48)
 
 e 3 sign(e 3 ) 
p/q
式中， ηe  [e1,e 2 ,e3 ]T 为系统的跟踪误差， ηe  η  ηr ， ηr 为给定的常值期望参考向量
ηr   xr , yr , r  ； ηe  [e1,e 2 ,e3 ]T ； s   s1 , s2 , s3 T ； λ1 , λ2 为滑模参数，
T
- 92 -
λ1  diag  11, 12 , 13  ， λ2  diag  21 , 22 , 23  ， 1i , 2i  R , i  1,2,3 ； 1  p / q  2 ，
g / h  p / q ， p, q, g , h 为正奇数。
设计的积分非奇异快速终端滑模控制律为
τ INFTSMC  λ21 ( q p )diag ηe 
 MR( ) τ  Dυ1 p / q 1
0
  k σ  η  λ ( g h )diag  η  η  λ ( p q)diag  η  R( )υ

g / h 1 p / q 1
τ0 1 e 1 e e 2 e
(5.49)
 k2Sig( s) r  k3 s
式中， ki 为设计参数， ki  diag(ki1, ki 2 , ki 3 ), kij  R , i=j=1,2,3 ； 0  r  1 ；
g / h 1 g / h 1 g / h 1 g / h 1 p /q 1 p / q 1 p / q 1 p / q 1
diag( ηe )=diag( e1 , e 2 , e3 ), diag( ηe )=diag( e1 , e 2 , e3 )
定理 5.3 考虑船舶运动数学模型式(2.22)、式(2.23)，设计的控制律 τ INFTSMC 能够保证

闭环系统实际有限时间稳定，通过参数调整，保证系统状态在有限时间内收敛到期望值
附近小的范围内。
1 1
V1  σ T k4σ  sT s (5.50)
2 2
式中， k4  diag  k41, k42 , k43  为设计参数， k4i  0, i  1,2,3 。
对上式(5.50)求导，并代入式(5.45)和式(5.46)，可得
V1  σ T k4σ  sT s
 σ T k4 s  s T [ηe  λ1 ( g h )diag ηe  g / h 1
ηe (5.51)
 λ2 ( p q)diag ηe  p / q 1
  R( )υ  R( )υ]
将船舶运动数学模型式(2.22)、式(2.23)，代入控制律式(5.49)，上式可以表示为
V1  σ T k4 s  s T [ηe  λ1 ( g h )diag ηe  g / h 1
ηe
 λ2 ( p q)diag ηe  p / q 1
  R( )υ  R( ) M 1
  Dυ  τ  ]
1 1 (5.52)
 σ T k4σ  sT k4 s  s T k1σ  sT k2Sig( s) r  s T k3 s
2 2
1 1   1 1 
 σ T  k1  k4  σ  sT  k3  k1  k4  s  s T k2Sig( s) r
2 2   2 2 
将上式整理为
- 93 -
1 1   1 1 
V1  σ T  k1  k4  σ  sT  k3  k1  k4  s  s T k2Sig( s) r
2 2   2 2 
(1 r) 2 (1 r) 2
1  1 
  s k2Sig( s)   σ T σ 
T r
  σ Tσ  (5.53)
2  2 
1 1   1 1 
 σ T  k1  k4  σ  sT  k3  k1  k4  s
2 2   2 2 
根据引理 2.3，可得
(1 r ) 2 (1 r ) (1 r )
1 T  1 1 r 1 r 
 σ σ  σ Tσ     (5.54)
2  2  2  2 
式(5.53)则可以表示为
(1 r) 2
1 
V1  2(1 r )/2 λmin  k2  ( s T s)(1 r ) 2  λmin  k4 (1 r) 2   σ T k4σ 
1
2 2 
(1 r ) (1 r )
1 1 1  1 1  1 r 1 r 
 σ  k1  k4   σ  sT  k3  k1  k4  s  
T
 
2 2 2  2 2   2  2 
(5.55)
1 1 1  1 1 
  V1(1 r ) 2  σ T  k1  k4   σ  sT  k3  k1  k4  s
2 2 2  2 2 
(1 r ) (1 r )
1 r 1 r 
  
 2  2 
 2

式中，   min 2(1r )/2 λmin  k2  , λmin  k4 (1r) 2  。合理选择参数，保证 k1  k4   0 ，
1 1
2
1
2
1 1
k3  k1  k4  0 ，式(5.55)可以表示为
2 2
V1   V1n   (5.56)
(1 r ) (1 r )
1 r 1 r 
式中， n  (1  r ) 2,      。根据引理 2.2 可知，闭环控制系统是实际
 2  2 
有限时间稳定的。对于任意 0  1  1 ，式(5.56)可变换为
V1  1V1n  1  1  V1n   (5.57)
V1 (0)1n
当 1  1  V1n   ，可得 V1  1V1n ，根据 V1 的递减特性，在有限时间 T1 
1 1  n 
1n
  
内，V1 将收敛到如下领域内 V1    。根据式(5.50)可知，系统状态在有限时间
  1  1  
内收敛到参考点附近小的范围内，证毕。
- 94 -
5.4.3 船舶动力定位有限时间干扰观测器
众所周知，风、浪、流等引起的环境干扰是不易直接测量的。如果在控制律的设计
中忽略环境干扰的影响，那么极易引起系统较大的跟踪误差甚至导致系统的不稳定。另
外，当海况恶劣的情况或者推进器运行时间过长，极有可能导致推进器的故障。针对上
面两个问题，本小节研究设计一种有限时间干扰观测器，对未知环境干扰及推进器故障
进行有效的观测。
考虑推进器的故障，系统控制输入 τ 可以表示为
τ  Ewτ  fw (5.58)
式中， τ 表示为指令控制输入， Ew 为有效参数矩阵， Ew  diag  Ewu , Ewv , Ewr  ，
0  Ewi  1, i  u, v, r ， fw 定义为漂移误差， fw   f wu , f wv , f wr  。
T
为设计有效的有限时间干扰观测器，受文献[153]启发，给出如下表达式
e  z  Mυ (5.59)
z   Dυ  τ  ξ1e  θγˆ  ξ2Sig(e ) r (5.60)
式中， γ̂ 表示为 γ 的观测值， γ   1 ,  2 ,  3  ，满足 γˆ  ξ3  γˆ  θe  ； ξi  diag i1 , i 2 , i 3  为

T
 e  e   e 
设计的对角矩阵； i1, i 2 , i 3  R , i  1,2,3 ； θ  diag  tanh  1  , tanh  2  , tanh  3   ；
  1   2   3  
1 ,  2 ,  3  R  。
未知环境干扰及推进器故障的观测值可以表示为
χˆ  ξ1e  θγˆ  ξ2Sig(e )r (5.61)
定理 5.4 考虑未知环境干扰及推进器故障，设计的观测器式(5.59)、式(5.60)及式
(5.61)保证观测误差在有限时间内收敛到零点附近小的邻域内。
1 T 1
V2  e e  γ T ξ31γ (5.62)
2 2
式中， ξ31  diag 311 , 321, 331  ， 31, 32 , 33  R ； γ 表示为观测误差， γ  γ  γˆ 。
对上式求导，代入式(2.22)、式(5.59)和式(5.60)，可得
V2  e T e  γ T ξ31γˆ
=e T  z  Mυ   γ T  γˆ  θe  (5.63)
=e T
 ξ e  θγˆ  ξ Sig(e )
1 2
r
 τ  Ewτ  fw  τ w   γ T
 γˆ  θe 
- 95 -
令 τ wf  [ wfu , wfv , wfr ]T 表示为综合干扰 ( 未知环境干扰和推进器的故障 ) ，

τ wf   Ew  1 τ  fw  τ w ，将 τ wf 代入式(5.63)中，可得
V2 =  e T ξ1e  e T θγˆ  e T ξ2Sig( e ) r  e T τ wf  γ T γˆ  γ T θe
=  e T ξ1e  e T θγ  e T ξ 2Sig( e ) r  e T τ wf  γ T γˆ
(5.64)
3
 e T ξ1e  e T ξ 2Sig( e ) r  e T θγ   ei  i  γ T γˆ
i 1
应用双曲正切函数 tanh( ) 的特性，对任意   0, a  R ，可以得到
a
0  a  a tanh     。式中，  为常数，满足   e( 1) ,   0.2785 。
 
式(5.64)可以重写为
V2  e T ξ1e  e T ξ2Sig(e ) r  γ T γˆ  0.2785E T γ
(1 r) 2 (1 r) 2 (1 r) 2
1  1  1 
 2 min  ξ2   e T e 
(1 r) 2
  γ T ξ31γ    γ T ξ31γ  (5.65)
2  2  2 
 γ γˆ  0.2785E γ
T T
对上式(5.65)后三项分析可知
(1 r) 2
 1 T 1 
 γ ξ3 γ   γ T γˆ  0.2785E T γ
2 
(1 r) 2
1 
  γ T ξ31γ  1 T 1  γ T γˆ  0.2785E T γ
2  2
γ ξ3 γ 1
(5.66)
(1 r) 2
1 
  γ T ξ31γ  1 T 1  γ T γˆ  0.2785E T γ
2  2
γ ξ3 γ 1
1 T 1
 γ ξ3 γ  γ T γˆ  0.2785E T γ
2
式中， E  1,  2 ,  3  。
应用 Young’s 不等式，可得
1 1
γ Tγˆ   γ T ξ31γ  γ T ξ3γ (5.67)
2 2
式(5.65)整理为
1
V2   1V2 n  γ T ξ3γ  0.2785E Tγ
2 (5.68)
  1V2  
n
- 96 -
式中， n  (1  r) 2, 1  min 2n min  ξ1  , 1,   γ T ξ3γ  0.2785E Tγ 。

1
2
根据引理 2.2，可得设计的观测器式(5.59)、式(5.60)是实际有限时间稳定的，并且
对任意 0  2  1 ，可得
V2  2mV2n  1  2  mV2n   (5.69)
当 1  2  mV2n   时，得到 V2  2mV2n 。根据方程式 V2 的递减特性，在有限时间
1n
V (0)1n   
T2  2 内，V2 收敛到如下的区域内 V2    ，e , γ 收敛到零点附近小的
m2 1  n   m 1  2  
范围内。
定义 χ 为观测误差， χ  χˆ  τ wf 。根据式 (2.23) 、式 (5.59) 和式 (5.60) 得到
τ wf  Mυ  Dυ  τ , χˆ  z  Dυ  τ ，那么 χ  z  Mυ  e 。根据上述分析可以推出 χ 在有
限时间内收敛到零点附近小的邻域内，证毕。
5.4.4 基于干扰观测器的船舶动力定位非奇异快速终端滑模容错控制
由上一小节(5.43)可知，设计的干扰观测器能够对未知环境干扰和推进器故障进行
有效的观测，并保证观测误差在有限时间内收敛到零值附近小的范围内。在本小节，考
虑将观测器融入到控制器的设计中，增强控制器的抗干扰能力及容错能力，提高系统的
稳态性能。
基于干扰观测器的控制律设计为

τ  τ FTOAFTC  λ21 ( q p)diag ηe
1 p / q
 MR( ) 1
τ0  Dυ  χˆ (5.70)
式中， τ 0 为式(5.49)的控制律， χ̂ 为综合干扰补偿项。

定理 5.5 针对船舶运动数学模型式(2.22)、式(2.23)，考虑未知环境干扰和推进器故
障，设计基于干扰观测器的非奇异快速终端滑模容错控制律，驱动船舶的位置  x,y  及
艏向角 到达并稳定在常值期望参考向量 ηr   xr , yr , r  附近小的范围内，通过合理地

T
调整参数，保证系统跟踪误差在有限时间内收敛到零值附近。
证明：将式(2.22)、式(2.23)及式(5.70)代入式(5.63)中，可得
- 97 -
V1  σ T k4 s  s T [ηe  λ1 ( g h )diag ηe  g / h 1
η e
 λ2 ( p q)diag ηe  p / q 1
  R( )υ  R( ) M   Dυ  τ 1
  τ wf  ] 
1 T 1
 σ k4σ  sT k4 s  s T k1σ  sT k2Sig( s) r  sT k3 s
2 2
  R( ) M  τ
(5.71)
 χˆ 
p / q 1 1
 sT λ2 ( p q)diag ηe wf
1 1   1 1 
 σ T  k1  k4  σ  sT  k3  k1  k4  s  s T k2Sig( s) r
2 2   2 2 
+sT λ2 ( p q)diag ηe  p / q 1
 R( ) M  τ 1
wf  χˆ 
(1 r )/2
1  1 1   1 1 
V1  2 (1 r )/2
λmin  k2   s T s   σ T  k1  k4  σ  sT  k3  k1  k4  s
2  2 2   2 2 
+sT λ2 ( p q)diag ηe  p / q 1
 R( ) M  τ 1
wf  χˆ 
1 1 1
  V1(1 r) 2  σ T  k1  k4   σ (5.72)
2 2 2

  2 
2
1 1 1
 sT  k3  k1  k4  λ2 F  p q  diag ηe
p / q 1
R( ) M 1  s
2 2 2
 
F
2 2 2 F F
(1 r ) (1 r )
1 r 1 r  1 2
    τ wf  χˆ
 2  2  2
式中，  含义参考式(5.55)。
详细的推导过程，请参考定理 5.3 的证明。
合理选择控制参数，保证
 
2
1 1 1 1 1 1
 p q
p / q 1 2
k1  k4   0, k3  k1  k4  λ2 R( ) M 1 0
2 2 2
F
diag ηe F
2 2 2 2 2 2 F F
式(5.72)可以表示为
V1   V1n   (5.73)
(1 r ) (1 r )
1 r 1 r  1 2
式中， n  (1  r ) 2,       τ wf  χˆ , χ  τ wf  χˆ χ  τ wf  χˆ 。
 2  2  2
根据上节观测器的分析得出，χ 在有限时间内收敛到零值附近。因此，根据引理 2.2，
可以得出控制系统是实际有限时间稳定的。对于任意 0  3  1 ，式(5.73)可变换为
V1  3V1n  1  3  V1n   (5.74)
- 98 -
V1 (0)1n
当 1  3  V1n   ，可得 V1  3V1n ，根据 V1 的递减特性，在有限时间 T3 
3 1  n 
1n
  
内， V1 将收敛到如下领域内 V1    ，滑模面 s 在有限时间内收敛到零值附近
  1  3  
1n
  
的邻域内，即 si  s  2   , i  1, 2,3 。
  1  3  
根据式(5.46)，可以得到
si  ei  1i ei sign(ei )  2i ei sign(ei ), i  1,2,3
g/h p/ q
(5.75)
将上式变换为
1  si ei ei  1i ei sign(ei )  2i ei sign(ei )  0
g/h p/ q
(5.76)

ei  1i  si  ei
g/h

sign(ei ) ei
g/h
sign(ei )  2i ei
p/ q
sign(ei )  0
(5.77)
根据式(5.76)可知，如果 1  si ei  0 ，滑模面仍然是非奇异的，跟踪误差ei 在有限

时间内收敛零值附近的邻域内，即 ei  si ，同理，根据式(5.77)， ei 收敛到零值附近
的邻域内，即 ei  si 1i

h g
，因此 ei 收敛到如下邻域内， ei  max si , si 1i  h g
 ，证
毕。
5.4.5 仿真验证
为了证明干扰观测器及提出控制律的有效性，以本文第 2 章 2.7 节的供给船作为仿
真对象进行仿真实验。首先，为了提出的积分非奇异快速终端滑模控制律 τ INFTSMC 的暂
态性能，稳态性能及鲁棒性能上的优势，仿真实验在 3 种控制策略(滑模控制律，非奇
异快速终端滑模控制律，积分非奇异快速终端滑模控制律)中展开；然后，将基于干扰
观测器的船舶动力定位容错控制律的仿真结果与积分非奇异快速终端滑模控制律的结
果进行对比，来证明观测器的观测能力及容错控制律的容错性能。
1) 3 种控制策略仿真结果对比
非奇异快速终端滑模控制律 τ NFTSMC 通过去掉积分非奇异快速终端滑模控制律的积
分项 σ 获得，滑模控制律 τSMC 通过将非奇异快速终端滑模控制律中的参数设置为
p  q, g =h, r  1获得。
- 99 -
T T
T
滑模面、观测器及控制律的参数设计为
λ1  diag  0.1,0.1,0.1 , λ2  diag 8,8,38 , k1  diag  0.2,0.2,4.2  ,
k2  diag  0.1,0.1,1.35 , k3  diag 1.2,1.2,2  , 1  0.02,  2  0.01,
 3  0.001, p  7, q  5, g  9, h  5, r  q / p,
ξ1  diag  0.01,0.01,0.01 , ξ 2  diag  0.045,0.045,0.045 ,
ξ3  diag  0.00001,0.00001,0.00001
仿真结果如图 5.18-图 5.21 及表 5.7 所示。
25
20
15
x(m)
10
-5
-5 0 5 10 15 20 25
y (m)
从图 5.18 的仿真结果可以看出，提出的积分非奇异快速终端滑模控制律 τ INFTSMC 能

够驱动船舶达到并稳定在参考位置附近小的领域内，证明了提出控制策略的有效性。
- 100 -
20
x(m)
10 0
10 15 20 25 30
0
0 20 40 60 80 100 120 140 160 180 200
t(s)
20
y(m)
10 0
10 15 20 25 30
0
0 20 40 60 80 100 120 140 160 180 200
t(s)
20
A (/ )
10
0
0 20 40 60
100 80 120 140 160 180 200
t(s)
滑模控制律非奇异快速终端滑模控制律提出的积分非奇异快速终端滑模控制律

0
u(m/s)
-2
-4
0 20 40 60 80 100 120 140 160 180 200
t(s)
0
v(m/s)
-1
-2
0 20 40 60 80 100 120 140 160 180 200
t(s)
0
r(/ /s)
-1
-2
0 20 40 60
100 80 120 140 160 180 200
t(s)
- 101 -
8
x 10
0 4
x 10
=u (N)
6
-2 2
100 150 200
-4
0 20 40 60 80 100 120 140 160 180 200
7
x 10 t(s)
0 4
=v (N)
x 10
-10 8
2
-20 100 150 200
0 20 40 60 80 100 120 140 160 180 200
x 10
8 t(s)
0
=r (N.m)
7
x 10
-5 -2
-10
-10 100 150 200
0 20 40 60 80 100 120 140 160 180 200
t(s)

表 5.7 3 种控制策略性能对比
Tab. 5.7 Performance comparisons among three control strategies
性能 τSMC τ NFTSMC τ INFTSMC
xe (m) 9714.0 3506.1 2787.2
ITAE ye (m) 9118.7 4380.5 2858.0
e( ) o
417073.3 105913.9 8643.4
从图 5.19 可以看出，3 种控制策略均能够保证船舶位置  x,y  和艏向角 收敛到期

望参考值附近。从系统收敛速度来看，非奇异快速终端滑模控制律 τ NFTSMC 要快于滑模控
制律 τSMC ，提出的积分非奇异快速终端滑模控制律 τ INFTSMC 的收敛速度在三者中是最快
的。图 5.20 给出了 3 种控制策略作用下系统收敛速度的曲线。图 5.21 给出了 3 种控制
策略的控制力和控制力矩曲线，是光滑合理的。另外，为了便于分析比较 3 种控制策略
t
的稳态性能，引入时间误差绝对值积分函数 I TAE =  t e( ) d 进行量化分析，如表 5.7 所
0
示。从表 5.7 可以看出，滑模控制律 τSMC 的稳态性能要弱于非奇异快速终端滑模控制律

τ NFTSMC 。非奇异快速终端滑模控制律 τ NFTSMC 的时间误差绝对值积分分别为 3506.1、
4380.5 和 105913.9，与滑模控制律 τSMC 相比分别降低了 63.9%、51.9%和 74.6%，表明非
- 102 -
奇异快速终端滑模控制律 τ NFTSMC 的稳态性能要远远优于滑模控制律 τSMC 。从表 5.7 还可

以看出，提出的积分非奇异快速终端滑模控制律 τ INFTSMC 的稳态性能是 3 种控制律中最
佳的，时间误差绝对值积分分别为 2787.2、2858.0 和 8643.4，与非奇异快速终端滑模控
制律 τ NFTSMC 相比，分别下降了 718.9、1522.5 和 97270.5。
此外，为了说明提出的积分非奇异快速终端滑模控制律 τ INFTSMC 的鲁棒性能，增大
环境干扰，风速从 6m/s 增加到 12m/s (6 级风，最高浪高 4 米，从航海实践的角度讲属于
恶劣海况)，风向 120o ，再次进行仿真实验，结果如图 5.22、图 5.23 以及表 5.8 所示。
图 5.22、图 5.23 给出了增大干扰后，系统的输出及控制输入，表 5.8 则给出了相应
的时间误差绝对值积分。结合图 5.22 和表 5.8 可以看出，滑模控制律 τSMC 的稳态性能是
3 种控制策略中最差的，时间误差绝对值积分从表 5.7 中的 9714.0、9118.7 和 417073.3
增大到了表 5.8 中的 24178.0、9949.9 和 292272.1，而提出的积分非奇异快速终端滑模控
制律 τ INFTSMC 的时间误差绝对值积分仍然是三种控制策略中最小的，其中在艏向角方向
上尤为明显。因此，证明了提出的积分非奇异快速终端滑模控制律 τ INFTSMC 的鲁棒性是 3
种控制策略中最强的。
上述两种仿真结果充分地证明，在 3 种控制策略中，提出的积分非奇异快速终端滑
模控制律 τ INFTSMC 具有暂态性能，稳态性能及鲁棒性能上的优势。
20
x(m)
10
0
0 20 40 60 80 100 120 140 160 180 200
t(s)
20
y(m)
10
0
0 20 40 60 80 100 120 140 160 180 200
t(s)
20
A (/ )
10
0
0 20 40 6010080 120 140 160 180 200
t(s)

- 103 -
8
x 10
0 5
x 10
=u (N)
-1 3
-2 1
-3 100 150 200
0 20 40 60 80 100 120 140 160 180 200
8 t(s)
x 10
0 5
x 10
=v (N)
-1 0
-3
-2 100 150 200
0 20 40 60 80 100 120 140 160 180 200
8 t(s)
x 10
5
=r (N.m)
0
-5
-10
0 20 40 60
100 80 120 140 160 180 200
t(s)

表 5.8 增大干扰后 3 种策略性能对比

Tab. 5.8 Performance comparisons among three strategies under enhanced disturbances
性能 τSMC τ NFTSMC τ INFTSMC
xe (m) 24178.0 7560.4 3289.8
ITAE ye (m) 9949.9 5516.7 3323.3
e( ) o
292272.1 177530.8 20535.0
2) 基于有限时间干扰观测器的船舶动力定位容错控制律仿真
该部分继续进行仿真实验，用来证明干扰观测器的观测能力和基于观测器的船舶动
力定位容错控制律的控制性能及容错能力，如图 5.24、图 5.25 及表 5.9 所示，风速选择
为 12m/s ，风向 120o 。
推进器的故障描述为
 0 t  100  0 t  100
Ewi (t )   i  u, v , r f wv (t )  
0.6 t  100 1.0  10 t  100
4
(5.78)
 0 t  100  0 t  100
f wu (t )   f wr ( t )  
1.0  10 t  100 1.0  10 t  100
4 6
- 104 -
=wf u (N)
5
x 10
1
0
=wf v (N) =wf u(N),^ -1
-2 =wf u =^wf u
-3
0 50 100 150 200
t(s)
5
x 10
0
=wf r (N.m) =wf v (N),^
-2 =wf v =^wf v
-4
0 50 100 150 200
t(s)
8
x 10
4
=wf r (N.m),^
2
=wf r =^wf r
0
0 50 100 150 200
t(s)
图 5.24 干扰实际值  wfu , wfv , wfr 及观测值 ˆwfu ,ˆwfv ,ˆwfr

Fig. 5.24 Disturbance actual values  wfu , wfv , wfr and observated values ˆwfu ,ˆwfv ,ˆwfr
20
0.1
x(m)
10
-0.2
90 100 110 120
0
0 50 100 150 200
t(s)
20
0.1
0
y(m)
10
-0.1
90 100 110 120
0
0 50 100 150 200
t(s)
20
1
A (/ )
10 -0.5
90 100 110 120
0
0 100 50 150 200
t(s)
积分非奇异快速终端滑模控制律基于干扰观测器的容错控制律
图 5.25 推进器故障下船舶位置  x,y  和艏向角

Fig. 5.25 Ship position  x,y  and heading subjected to thruster faults
- 105 -
图 5.24 给出环境干扰及推进器故障的实际值及观测值。从 0s 到 100s，推进器不存

在故障，设计的观测器能够以较高的精度跟踪环境干扰的变化。在 100s 推进器出现故
障，从图中可以看出，观测器能够快速地适应这种变化尽快地跟踪上综合干扰。
表 5.9 从 0s 到 100s 两种策略性能比较

Tab. 5.9 Performance comparisons between two strategies from 0s to 100s
性能 τ INFTSMC τ FTOAFTC
xe (m) 4754.2 3276.5
ITAE ye (m) 3913.3 3068.2
e( )
o
33474.0 11670.4
从图 5.25 和表 5.9 可以看出，从 0s 到 100s，由于引入干扰观测器，基于干扰观测

器的容错控制律 τ FTOAFTC 的时间误差绝对值积分要小于积分非奇异快速终端滑模控制律
τ INFTSMC ，其值分别降低了 1477.7、845.1 和 21803.6，表明基于干扰观测器的容错控制
律 τ FTOAFTC 的稳态性能要优于积分非奇异快速终端滑模控制律 τ FTOAFTC 。从图 5.25 还可以
看出，在 100s 时，由于推进器出现故障，误差出现了陡然增大的情况，但是干扰观测
器快速地适应这种变化降低了误差，因此证明了该控制器具有较好的容错能力。
综上，上述仿真结果充分地证明了基于干扰观测器的船舶动力定位非奇异快速终端
滑模容错控制律 τ FTOAFTC 具有优良的暂态性能、稳态性能以及容错性能。
5.5 本章小结
本章设计了船舶动力定位非奇异快速终端滑模控制律，目的在于提高系统的暂态性
能、稳态性能以及鲁棒性能。首先，将 Backstepping 技术与非奇异快速终端滑模结合，
设计了基于 Backstepping 的船舶动力定位非奇异快速终端滑模控制律，解决了
Backstepping 控制律收敛速度慢、稳定性差的问题。另外，考虑环境干扰不确定的问题，
利用自适应方法进行了估计补偿。仿真结果证明了提出控制策略的暂态性能及稳态性能
优势；然后，考虑 Backstepping 控制律设计步骤较多以及虚拟控制律求导的“计算膨胀”
问题，结合 LS-SVM 与非奇异快速终端滑模面，直接设计了基于 LS-SVM 的非奇异快
速终端滑模控制律。对于船舶模型不确定问题，利用 LS-SVM 进行逼近，引入“最小参
数”技术减小自适应参数个数，简化了控制律的复杂程度。仿真结果及数据分析比较表
明，与滑模控制律相比，提出的控制策略具有收敛速度快、稳定误差小、鲁棒性强的优
势；最后，在非奇异快速终端滑模控制律的基础上进行改进，并考虑了环境干扰不确定
- 106 -
及推进器故障的问题，设计了基于干扰观测器的船舶动力定位非奇异快速终端滑模容错
控制律。与非奇异快速终端滑模控制律相比，该策略进一步提高了系统的收敛速度、减
小了稳定误差、增强系统鲁棒性，并且解决了环境干扰不确定及推进器故障的问题。仿
真实验及数据分析证明了提出控制策略优越的控制性能，以及干扰观测器的观测能力。
- 107 -
6 结论与展望
6.1 结论
本文针对海洋工程中船舶的动力定位控制问题，采用非线性控制理论进行了系统性
的研究，探讨未知环境干扰、船舶模型不确定性、推进器故障、船舶速度未知以及环境
最优艏向问题。结合迭代滑模方法、非奇异快速终端滑模方法、Backstepping 技术、观
测器技术和 LS-SVM 非线性函数逼近理论等，开展船舶动力定位非线性反馈控制策略的
研究，并进行了系统的稳定性证明及 MATLAB 仿真实验。主要研究成果总结如下：
1) 提出了一种基于迭代滑模的状态反馈控制律，该控制律的表达式包括跟踪误差
的比例项及微分项、滑模的积分项、已知的船舶状态以及滑模切换项的积分项。该控制
律的特点是：(1) 解决了滑模控制律缺少积分项而存在静差，以及滑模切换项的抖振问
题；(2) 消除了 PID 控制律由于跟踪误差的积分项而导致的超调严重问题。Lyapunov 理
论证明了系统的稳定性。仿真结果证明了，与滑模控制律及 PID 控制律相比，提出控制
律的性能优势。进一步考虑船舶速度不易测量的问题，设计了一种不依赖船舶运动数学
模型的有限时间观测器对船舶速度进行观测，并依据观测值设计了输出反馈控制律。
Lyapunov 理论证明了系统的稳定性，仿真结果分别验证了观测器良好的观测能力，以
及输出反馈控制律的有效性。
2) 基于迭代滑模面，提出一种简捷的、不依赖于船舶运动数学模型，且考虑推进
器模型的增量反馈控制律。与滑模控制律相比，提出的控制律具有表达式简捷、不依赖
船舶运动数学模型、设计参数少的特点。仿真结果证明了，与滑模控制律相比，提出的
增量反馈控制律在系统稳定性、鲁棒性及适应性上的优势。进一步考虑环境最优艏向以
及推进器易饱和甚至过载的问题，提出了一种环境最优的增量反馈控制律。利用双曲正
切方法设计非线性迭代滑模面，通过滑模面参数的调节解决了推进器易饱和甚至过载的
问题，采用改进的 ZPC-W 艏向寻优算法求取环境最优艏向角，在不增加超调的情况下
提高了艏向寻优的速度。仿真结果验证了非线性迭代滑模以及艏向寻优算法的有效性。
3) 结合 Backstepping 技术与非奇异快速终端滑模面，提出一种基于 Backstepping
非奇异快速终端滑模控制律，环境干扰利用自适应方法进行估计补偿。Lyapunov 理论
证明系统状态在有限时间内收敛到期望参考值附近小的范围内。仿真结果证明与
Backstepping 控制律相比，该控制律提高了系统的收敛速度，减小了稳定误差，增强了
系统的稳定性。
- 108 -
结论与展望
4) 基于非奇异快速终端面，提出了一种基于 LS-SVM 非奇异快速终端滑模控制律。

引入 LS-SVM 非线性函数逼近理论与“最小参数”技术，自适应估计模型的不确定项，
自适应参数减小到一个，简化了算法的复杂程度。Lyapunov 理论证明系统状态误差在
有限时间内收敛到零值附近小的范围内。仿真结果表明与滑模控制律相比，该控制律具
有更快的暂态响应能力、更优稳态性能及更强鲁棒性能。
5) 考虑未知环境干扰及推进器故障问题，基于改进的非奇异快速终端滑模面，提
出一种基于干扰观测器的船舶动力定位非奇异快速终端滑模容错控制律。该控制律与非
奇异快速终端滑模控制律相比，增加了滑模的积分项，提高了系统的收敛速度及稳态性
能。引入有限时间干扰观测器，对未知环境干扰及推进器故障进行精确观测。Lyapunov
理论证明了系统所有误差信号在有限时间内收敛到零值附近。仿真结果证明，与滑模控
制律和非奇异快速终端滑模控制律相比，提出的控制律具有收敛速度快、稳定误差小及
鲁棒性强的优势。
6.2 展望
船舶动力定位控制系统是复杂的船舶工程系统，针对系统中核心技术—控制器的设
计问题进行了深入的研究，设计了船舶模型不确定、船舶速度未知、未知环境干扰及推
进器故障等情况下的船舶动力定位非线性滑模控制律。但是，该领域内仍然存在一些问
题亟需进一步研究和探讨。在今后工作中，作者将在以下 3 个方面开展新的研究：
1) 在本文提出控制算法的基础上，开展控制参数在线寻优的相关研究，减少参数
选择的工作量，提高控制策略的控制性能。
2) 考虑控制器的期望输出与船舶推进器之间的关系，开展推力分配算法的研究，
提高控制精度，延长推进器使用寿命，实现节能减排的目标。
3) 开展多艘动力定位船舶的协调编队控制算法的研究，提高作业效率，完成比较
复杂的任务。
- 109 -
参考文献
[1] 宫小伟. 海洋生态补偿理论与管理政策研究 [D]. 青岛: 中国海洋大学, 2013.

[2] 王凡. 以科技创新驱动加快建设海洋强国 [J]. 紫光阁, 2018, 296(8): 63.
[3] 中华人民共和国中央人民政府. 中华人民共和国国民经济和社会发展第十四个五年规划和
2035 年远景目标纲要 [R]. 中华人民共和国中央人民政府, 2021.
[4] 罗续业. 以海洋技术创新支撑海洋强国建设 [N]. 中国海洋报, 2012-12-10.
[5] 林永屹. 推进系统故障下船舶动力定位鲁棒自适应容错控制 [D]. 大连: 大连海事大学,
2020.
[6] Hassani V., SØrensen A. J., Pascoal A. M. A novel methodology for robust dynamic positioning of
marine vessels: theory and experiments [C]. Proceedings of the 2013 American Control Conference,
Washington, USA, 2013: 560-565.
[7] 边信黔, 付明玉, 王元慧. 船舶动力定位 [M]. 北京: 科学出版社, 2011.
[8] Strand A. P., Asgeir J. S., Marit R., et al. The ocean engineering handbook [M]. Boca Raton: CRC
Press, 2001: 167-170.
[9] SØrensen A. J. A survey of dynamic positioning control systems [J]. Annual Reviews in Control,
2011, 35(1): 123-136.
[10] 赵士涛, 赖强. 动力定位模拟器在海洋工程中的应用 [J]. 中国科技博览, 2015, 34: 152-152.
[11] Fossen T. I. Marine control systems: guidance, navigation and control of ships, rigs and
underwater vehicles [M]. Trondheim, Norway: Marine Cybernetics AS, 2002.
[12] Balchen J. G., Jenssen N. A., Saelid S. Dynamic positioning using Kalman filtering and optimal
control theory [C]. Proceedings of the IFAC/IFIP Symposium on Automation in Offshore Oil Field
Operation, Bergen, Norway, 1976: 183-186.
[13] Balchen J. G., Jenssen N. A., Mathisen E., et al. Dynamic positioning of floating vessels based on
Kalman filtering and optimal control [C]. Proceedings of the 19th IEEE Conference on Decision and
Control Including the Symposium on Adaptive Processes, Albuquerque, New Mexico, USA, 1980:
852-864.
[14] Balchen J. G., Jenssen N. A., Mathisen E., et al. A dynamic positioning system filtering and
optimal control [J]. Modeling, Identification and Control, 1980, 1(3): 135-163.
[15] Salid S., Jenssen N. A., Balchen J. G. Design and analysis of a dynamic positioning system based
on the Kalman filtering and optimal control [J]. IEEE Transactions on Automatic Control, 1983, 28(3):
331-339.
[16] Fung P. T., Grimble M. J. Dynamic ship positioning using a self-tuning Kalman filter [J]. IEEE
Transactions on Automatic Control, 1983, 28(3): 339-350.
[17] Krstic M., Kanellakopoulos I., Kokotovic P. V. Nonlinear and adaptive control design [M]. New
York: Wiley, 1995.
[18] Steinberg M. L., Page A. B. Nonlinear adaptive flight control with a backstepping design
approach [C]. AIAA Guidance, Navigation, and Control Conference and Exhibit, Boston, America, 1998:
10-12.
- 110 -
参考文献
[19] 杨俊华, 吴捷, 胡跃明. 反步方法原理及在非线性鲁棒控制中的应用 [J]. 控制与决策,

2002, 17(S1): 641-647.
[20] Krstic M., Bement M. Nonovershooting control of strict-feedback nonlinear systems [J]. IEEE
Transactions on Automatica Control, 2006, 51(12): 1938-1943.
[21] GrØvlen A., Fossen T. I. Nonlinear control of dynamic positioned ships using only position
feedback: an observer backstepping approach [C]. Proceedings of the 35th IEEE Conference on Decision
Control, Kobe, Japan, 1996: 3388-3393.
[22] Ashrafiuon H., Muske K. R., Mcninch L. C., et a1. Sliding mode tracking control of surface
vessels [J]. IEEE Transactions on Industrial Electronics, 2008, 55(11): 4004-4012.
[23] Roy S., Kar I. N. Adaptive sliding mode control of a class of nonlinear systems with artificial
delay [J]. Journal of the Franklin Institute, 2017, 354(18): 8156-8179.
[24] 陈士安, 王骏骋, 姚明. 车辆半主动悬架全息最优滑模控制器设计方法 [J]. 交通运输工程
学报, 2016, 16(3): 72-83.
[25] Ashrafiuon H., Muske K. R., Mcninch L. C., et al. Sliding-mode tracking control of surface
vessels [J]. IEEE Transactions on Industrial Electronics, 2008, 55(11): 4004-4012.
[26] 刘金琨, 孙富春. 滑模变结构控制理论及其算法研究与进展 [J]. 控制理论与应用, 2007,
24(3): 407-418.
[27] Liu J. K., Sun F. C. Nonminal model-based sliding mode control with backstepping for 3-axis
flight table [J]. Chinese Journal of Aeronautics, 2006, 19(1): 65-71.
[28] Dai Y. Y., Kim Y. G., Wee S. G., et al. Symmetric caging formation for convex polygonal object
transportation by multiple mobile robots based on fuzzy sliding mode control [J]. ISA Transactions, 2016,
60: 321-332.
[29] 雷正玲, 郭晨, 刘正江. 船舶锚泊辅助动力定位的抗扰控制 [J]. 哈尔滨工程大学学报,
2015, 36(1): 24-28.
[30] 雷正玲. 船舶动力定位系统的自抗扰控制研究 [D]. 大连: 大连海事大学, 2014.
[31] Wu D. F., Ren F. K. An active disturbance rejection controller for marine dynamic positioning
system based on biogeography-based optimization [C]. 34th Chinese Control Conference (CCC),
Hangzhou, China, 2015: 5747-5752.
[32] Wu D. F., Ren F. K., Lei Q., et al. Active disturbance rejection controller design for dynamically
positioned vessels based on adaptive hybrid biogeography-based optimization and differential evolution [J].
ISA Transactions, 2017, 78: 56-65.
[33] Sotnikova M. V., Veremey E. I. Dynamic positioning based on nonlinear MPC [C]. 9th IFAC
Conference on Control Applications in Marine Systems, Osaka, Japan, 2013: 37-42.
[34] Veksler A., Johansen T. A., Borrelli F., et al. Dynamic positioning with model predictive control
[J]. IEEE Transactions on Control Systems Technology, 2016, 24(4): 1-14.
[35] Deng F., Yang H. L., Wang L. J., et al. UKF based nonlinear offset-free model predictive control
for ship dynamic positioning under stochastic disturbances [J]. International Journal of Control Automation
and Systems, 2019, 17(3): 1-12.
[36] Zheng H. R., Wu J., Wu W. M., et al. Robust dynamic positioning of autonomous surface vessels
with tube-based model predictive control [J]. Ocean Engineering, 2020, 199(3): 1-9.
- 111 -
[37] 丁世宏, 李世华. 有限时间控制问题综述 [J]. 控制与决策, 2011, 26(2): 161-169.

[38] Yu S. H., Yu X. H., Shirinzadeh B., et al. Continuous finite-time control for robotic manipulators
with ternminal sliding mode [J]. Automatica, 2005, 41(11): 1957-1964.
[39] Venkataraman S. T., Gulati S. Terminal sliding modes: a new approach to nonlinear control
synthesis [C]. Fifth International Conference on Advanced Robotics 'Robots in Unstructured Environments,
Pisa, Italy, 1991: 443-448.
[40] 庄开宇, 张克勤, 苏宏业, 等. 高阶非线性系统的 Terminal 滑模控制 [J]. 浙江大学学报(工
学版), 2002, 36(5): 482-485.
[41] Fossen T. I., GrØvlen A. Nonlinear output feedback control of dynamically positioned ships using
vectorial observer backstepping [J]. IEEE Transactions on Control Systems Technology, 1998, 6(1):
121-128.
[42] 杜佳璐, 杨杨, 胡鑫, 等. 基于动态面控制的船舶动力定位控制律设计 [J]. 交通运输工程
学报, 2014(5): 36-42.
[43] 杜佳璐, 李文华, 郑凯, 等. 船舶动力定位系统的非线性输出反馈控制 [J]. 华南理工大学
学报(自然科学版), 2012, 40(2): 70-75.
[44] Du J. L., Hu X., Krstić M., et al. Robust dynamic positioning of ships with disturbances under
input saturation [J]. Automatica, 2016, 73: 207-214.
[45] 杨杨. 动力定位船舶非线性自适应控制研究 [D]. 大连: 大连海事大学, 2013.
[46] Lin Y. Y., Du J. L., Zhu G. B., et al. Output feedback thruster fault-tolerant control for dynamic
positioning of vessels under input saturation [J]. IEEE Access, 2018, 6: 76271-76281.
[47] Du J. L., Yang Y., Wang D. H., et al. A robust adaptive neural networks controller for maritime
dynamic positioning system [J]. Neurocomputing, 2013, 110: 128-136.
[48] Hu X., Du J. L., Krstić M. Robust adaptive regulation of dynamically positioned ships with
unknown dynamics and unknown disturbances [J]. International Journal of Adaptive Control and Signal
Processing, 2019, 33(3): 545-556.
[49] Zhang G. Q., Cai Y. Z., Zhang W. D. Robust neural control for dynamic positioning ships with the
optimum-seeking guidance [J]. IEEE Transactions on Systems Man & Cybernetics Systems, 2016, 47(99):
1500-1509.
[50] 张国庆, 姚明启, 宋纯羽, 等. 考虑事件触发输入的船舶自适应动力定位控制 [J]. 控制理
论与应用, 2021, 38(5): 1-9.
[51] Zhang G. Q., Huang C. F., Zhang X. K., et al. Robust adaptive control for dynamic positioning
ships in the presence of input constraints [J]. Journal of Maritime Science and Technology, 2019, 24(4):
1172-1182.
[52] Zhang G. Q., Yao M. Q., Xu J. H., et al. Robust neural event-triggered control for dynamic
positioning ships with actuator faults [J]. Ocean Engineering, 2020, 207: 1-12.
[53] Liang K., Lin X. G., Chen Y., et al. Robust adaptive neural networks control for dynamic
positioning of ships with unknown saturation and time-delay [J]. Applied Ocean Research, 2021, 110: 1-12.
[54] Lin X. G., Nie J., Liang Y. H., et al. Nonlinear adaptive fuzzy output-feedback controller design
for dynamic positioning system of ships [J]. Ocean Engineering, 2018, 158: 186-195.
- 112 -
参考文献
[55] Aarset M. F., Strand J. P., Fossen T. I. Nonlinear vectorial observer backstepping with integral
action and wave filtering for ships [C]. IFAC Conference on Control Applications in Marine Systems,
Fukuoka, Japan, 1998: 27-30.
[56] Junior Z. A., MitioMorishita H. M. A backstepping controller for dynamic positioning of ships:
numerical and experimental results for a shuttle tanker [C]. 8th IFAC Conference on Manoeuvring and
Control of Marine Craft, Guarujá(SP), Brazil, 2009: 394-399.
[57] Hu X., Du J. L. Robust nonlinear control design for dynamic positioning of marine vessels with
thruster system dynamics [J]. Nonlinear Dynamic, 2018, 94: 365-376.
[58] Huang Y. Q., Wu D. F., Yin Z. B., et al. Design of UDE-based dynamic surface control for
dynamic positioning of vessels with complex disturbances and input constraints [J]. Ocean Engineering,
2021, 220: 1-11.
[59] Du J. L., Hu X., Krstić M., et al. Dynamic positioning of ships with unknown parameters and
disturbances [J]. Control Engineering Practice, 2018, 76: 22-30.
[60] 胡鑫. 船舶动力定位非线性控制研究 [D]. 大连: 大连海事大学, 2017.
[61] Sun Y. X., Zheng C. H., Mercorelli P. Nonlinear PD fault-tolerant control for dynamic positioning
of ships with actuator constraints [J]. IEEE/ASME Transactions on Mechatronics, 2017, 22(3): 1132-1142.
[62] Yu W. Z., Xu H. X., Han X., et al. Fault-tolerant control for dynamic positioning vessel with
thruster faults based on the neural modified extended state observer [J]. IEEE Transactions on Systems,
Man, and Cybernetics: Systems, 2019, 99: 1-13.
[63] Fossen T. I., Strand J. P. Passive nonlinear observer design for ships using lyapunov methods:
full-scale experiments with a supply vessel [J]. Automatica, 1999, 35: 3-28.
[64] 谢文博, 付明玉, 施小成. 动力定位船舶自适应滑模无源观测器设计 [J]. 控制理论与应用,
2013, 30(1): 131-136.
[65] Do K. D. Global robust and adaptive output feedback dynamic positioning of surface ships [J].
Journal of Marine Science and Application, 2011, 10(3): 325-332.
[66] Du J. L., Yang Y., Guo C., et al. 基于高增益观测器的船舶动力定位系统的输出反馈控制 [J].
Control Theory Application, 2013, 30(11): 1486-1491.
[67] Du J. L., Hu X., Liu H. B., et al. Adaptive robust output feedback control for a marine dynamic
positioning system based on a high gain observer [J]. IEEE Transaction on Neural Networking, 2015,
26(11): 2775-2786.
[68] Pinkster J. A., Nienhuis U. A. Dynamic positioning of large tankers at sea [C]. Offshore
Technology Conference, Houston, Texas, 1986: 459-467.
[69] Kim Y. S., Kim J. J., Sung H. G. Weather-optimal control of a dynamic positioning vessel using
backstepping: simulation and model experiment [C]. 10th IFAC Conference on Control Applications in
Marine Systems CAMS, Trondheim, Norway, 2016: 232-238.
[70] Fossen T. I., Strand J. P. Nonlinear passive weather optimal positioning control system for ships
and rigs [J]. Automatica, 2001, 37(5): 701-715.
[71] Kjerstad Φ. K., Breivik M. Weather optimal positioning control for marine surface vessels [C].
8th IFAC Conference on Control Applications in Marine Systems. Rostock-Warnemunde, Germany, 2010:
114-119.
- 113 -
[72] Kjerstad Φ. K. Weather-optimal positioning control for underactuated USVs [D]. Trondheim:
Department of Marine Technology, Norwegian University of Science and Technology, 2010.
[73] Miyazaki M. R., Tannuri E. A., A general approach for DP weathervane control: experimental
results [C]. 9th IFAC Conference on Manoeuvring and Control of Marine Craft, Arenzano, Italy, 2012:
61-66.
[74] Miyazaki M. R., Tannuri E. A. A general approach for dynamic positioning weathervane control
[J]. Marine Technology Society Journal, 2013, 47(2): 31-42.
[75] Tannuri E. A., Donha D. C., Pesce C. P. Dynamic positioning of a turret moored FPSO using
sliding mode control [J]. International Journal of Robust and Nonlinear Control, 2001, 11(13): 1239-1256.
[76] Tannuri E. A., Agostinho A. C., Morishita H. M., et al. Dynamic positioning systems: An
experimental analysis of sliding mode control [J]. Control Engineering Practice, 2010, 18(10): 1121-1132.
[77] Ianagui A., Tannuri E. A. Cooperative sliding mode control applied to a fleet of DP vessels [C].
10th IFAC Conference on Manoeuvring and Control of Marine Craft MCMC, Copenhagen, 2015, 48(16):
299-304.
[78] Ianagui A., Filho A. Q., Tannuri E. A. Experimental evaluation of sliding mode
cooperative-controlled DP vessels [J]. IFAC Papersonline, 2016, 49(23): 245-250.
[79] 焦建芳. 多动力定位船的协调编队控制方法研究 [D]. 哈尔滨: 哈尔滨工程大学, 2014.
[80] 薛晗, 邵哲平, 潘家财, 等. 基于线性矩阵不等式的船舶动力定位滑模控制 [J]. 交通运输
工程学报, 2018, 18(5): 119-129.
[81] 王元慧, 李子宜, 张潇月, 等. 考虑输入饱和的锚泊辅助动力定位滑模控制 [J]. 哈尔滨工
程大学学报, 2021, 42(7): 1048-1055.
[82] Donaire A., Perez T. Dynamic positioning of marine craft using a port-Hamiltonian framework [J].
Automatica, 2012, 48: 851-856.
[83] Kjerstad Ø. K., Skjetne R., Jenssen N. A. Disturbance rejection by acceleration feedforward:
application to dynamic positioning [C]. Proceedings of the 18th World Congress the International
Federation of Automatic Control, Milano, Italy, 2011: 2523-2528.
[84] Hu C. D., Wu D. F., Liao Y. X., et al. Sliding mode control unified with the uncertainty and
disturbance estimator for dynamically positioned vessels subjected to uncertainties and unknown
disturbances [J]. Applied Ocean Research, 2021, 109: 1-11.
[85] Bui V. P., Sang W. J., Choi K. H., et al. Nonlinear observer and sliding mode control design for
dynamic positioning of a surface vessel [C]. 12th International Conference on Control, Automation and
Systems, Jeju Island, Korea, 2012: 1900-1904.
[86] Xia G. Q., Shao X. C. Sliding mode control based on passive nonlinear observer for dynamic
positioning vessels [C]. International Conference on Mechatronic Science, Electric Engineering and
Computer (MEC), Jilin, China, 2011: 2156-2159.
[87] Fu M. Y., Wang D. S., Wang C. L., et al. Adaptive backstepping sliding mode controller design
for dynamic positioning ship [C]. IEEE International Conference on Information and Automation (ICIA),
Macau SAR, China, 2017: 323-326.
[88] Wang Y. H., Zhang X. Y., Fu M. Y., et al. Adaptive fuzzy sliding mode controller for dynamic
positioning of FPSO vessels [C]. OCEANS, Marseille, France, 2019: 1-7.
- 114 -
参考文献
[89] 郝立颖, 韩金城, 郭戈, 等. 带有推进器故障的船舶动力定位系统的鲁棒滑模容错控制 [J].

控制与决策, 2020, 35(6): 1291-1296.
[90] Subarkah M. T., Rohman A. S., Hidayat S., et al. Sliding mode control based dynamic positioning
system under some actuator faults [C]. IEEE 9th International Conference on System Engineering and
Technology (ICSET), Shah Alam, Malaysia, 2019: 29-34.
[91] Hao L. Y., Zhang H. , Li T. S., et al. Fault tolerant control for dynamic positioning of unmanned
marine vehicles based on T-S fuzzy model with unknown membership functions [J]. IEEE Transactions on
Vehicular Technology, 2021, 70(1): 146-157.
[92] 夏国清, 邵兴超. 基于侧推力最小原则的船舶动力定位控制 [J]. 华中科技大学学报(自然
科学版), 2013, 41(2): 91-96.
[93] Kim M. H., Inman D. J. Development of a robust non-linear observer for dynamic positioning of
ships [J]. Proceedings of the Institution of Mechanical Engineers Part I Journal of Systems & Control
Engineering, 2004, 218(1): 1-11.
[94] Yang X. F., Liu R. Q., Guo L. K. A robust sliding mode observer for dynamic positioning system
[C]. IEEE 3rd Advanced Information Management, Communicates, Electronic and Automation Control
Conference (IMCEC), Chongqing, China, 2019: 85-90.
[95] Xu D. Y., Du J. L., Li H. Sliding mode observer design for ship dynamic positioning systems [C].
Fifth International Conference on Intelligent Control and Information Processing, Dalian, Liaoning, China,
2014: 151-154.
[96] 刘润琪, 杨宣访, 郭亮琨. 动力定位船舶的自适应滑模观测器设计 [J]. 船舶工程, 2019,
41(12): 95-101.
[97] 赵东亚, 高守礼, 梁浩, 等. 半潜式海洋平台输出反馈终端滑模动力定位系统 [J]. 中国石
油大学学报(自然科学版), 2019, 43(1): 120-129.
[98] Fu M. Y., Wang L. L., Yu L. L. A finite-time output feedback control scheme for dynamic
positioning system of ships [J]. IEEE Access, 2019, 7: 100638-100648.
[99] Man Z. H., Paplinski A. P., Wu H. R., et al. A robust MIMO terminal sliding mode control scheme
for rigid robotic manipulators [J]. IEEE Transactions on Automatic Control, 1994, 39(12): 2464-2469.
[100] Man Z. H., Yu X. H. Terminal sliding mode control of MIMO linear system [C]. Proceedings of
the IEEE Conference on Decision and Control, Piscataway, NJ, USA, 1996: 4619-4624.
[101] Liang K., Lin X. G., Chen Y., et al. Adaptive sliding mode output feedback control for dynamic
positioning ships with input saturation [J]. Ocean Engineering, 2020, 206: 1-17.
[102] 冯勇, 鲍晟, 余星火. 非奇异终端滑模控制系统的设计方法 [J]. 控制与决策, 2002, 17(2):
194-198.
[103] Feng Y., Yu X. H., Man Z. H. Non-singualr terminal sliding mode control and its application for
robot manipulators [C]. Proceedings of the IEEE International Symposium on Circuits and Systerms,
Piscataway, NJ, USA, 2001: 545-548.
[104] 张国庆, 黄晨峰, 吴晓雪, 等. 考虑伺服系统增益不确定的船舶动力定位自适应有限时间
控制 [J]. 自动化学报, 2018, 44(10): 181-186.
[105] 和红磊, 王玉龙. 基于滑模自抗扰的半潜式海洋平台动力定位控制方法研究 [J]. 船舶工
程, 2016, 38(11): 72-77.
- 115 -
[106] Yang L., Yang J. Y. Nonsingular fast terminal sliding-mode control for nonlinear dynamical
systems [J]. International Journal of Robust and Nonlinear Control, 2011, 21: 1865-1879.
[107] Cheng Y. Nonsingular fast terminal sliding mode controller based on states in nonlinear system
[C]. 2012 4th International Conference on Intelligent Human-Machine Systems and Cybernetics, Nanchang,
China, 2012: 262-264.
[108] Li S. H., Wang X. Y., Zhang L. J. Finite-time output feedback tracking control for autonomous
underwater vehicles [J]. IEEE Journal of Oceanic Engineering, 2015, 40(3): 727-751.
[109] Qiao L., Zhang W. D. Adaptive second-order fast nonsingular terminal sliding mode tracking
control for fully actuated autonomous underwater vehicles [J]. IEEE Journal of Oceanic Engineering, 2018,
44(2): 363-385.
[110] Qiao L., Zhang W. D. Trajectory tracking control of AUVs via adaptive fast nonsingular integral
terminal sliding mode control [J]. IEEE Transactions on Industrial Informatics, 2020, 16(2): 1248-1258.
[111] Van M., Mavrovouniotis M., Ge S. S. An adaptive backstepping nonsingular fast terminal sliding
mode control for robust fault tolerant control of robot manipulators [J]. IEEE Transactions on Systems Man
& Cybernetics Systems, 2017, 49(7): 1448-1458.
[112] Yang C. G., Jiang Y. M., He W., et al. Adaptive parameter estimation and control design for robot
manipulators with finite-time convergence [J]. IEEE Transactions on Industrial Electronics, 2018, 65(10):
8112-8123.
[113] Van M., Ge S. Z., Ren H. L. Finite time fault tolerant control for robot manipulators using time
delay estimation and continuous nonsingular fast terminal sliding mode control [J]. IEEE Transactions on
Cybernetics, 2017, 47(7): 1681-1693.
[114] Rathaur K. Chattering free non-singular fast terminal sliding mode controller design for robot
manipulator [C]. 2021 2nd International Conference for Emerging Technology (INCET), Belgaum, India,
2021: 1-5.
[115] Cheng P., Gao Z. F., Qian M. S., et al. Active fault tolerant control design for UAV using
nonsingular fast terminal sliding mode approach [C]. 2018 Chinese Control and Decision Conference
(CCDC), Shenyang, China, 2018: 292-297.
[116] Hou Z. W., Lu P., Tu Z. J. Nonsingular terminal sliding mode control for a quadrotor UAV with
a total rotor failure [J]. Aerospace Science and Technology, 2020, 98: 1-18.
[117] Hassani H., Mansouri A., Ahaitouf A. Robust autonomous fight for quadrotor UAV based on
adaptive nonsingular fast terminal sliding mode control [J]. International Journal of Dynamics and Control,
2021, 9: 619-635.
[118] Labbadi M., Cherkaoui M. Adaptive fractional-order nonsingular fast terminal sliding
mode-based robust tracking control of quadrotor UAV with Gaussian random disturbances and
uncertainties [J]. IEEE Transactions on Aerospace and Electronic Systems, 2021, 21: 1-11.
[119] Qin J. F., Du J. L. Adaptive fast nonsingular terminal sliding mode control for underactuated
surface vessel trajectory tracking [C]. 19th International Conference on Control, Automation and Systems,
Jeju, Korea, 2019: 1365-1370.
[120] Wang N., Karimi H. R., Li H. Y., et al. Accurate trajectory tracking of disturbed surface vehicles:
a finite-time control approach [J]. IEEE/ASME Transactions on Mechatronics, 2019, 24(3): 1064-1074.
- 116 -
参考文献
[121] 王元慧, 王海滨, 张晓云. 动力定位船轨迹跟踪鲁棒自适应容错控制 [J]. 控制理论与应

用, 2021, 38(2): 287-300.
[122] 姜博严. 二阶系统有限时间控制问题研究 [D]. 哈尔滨: 哈尔滨工业大学, 2018.
[123] 谢春利. 基于最小二乘支持向量机的非线性系统自适应控制方法的研究 [D]. 大连: 大连
理工大学, 2011.
[124] 刘程. 船舶路径跟踪与减横摇综合控制研究 [D]. 上海: 上海交通大学, 2015.
[125] 张国庆. 超恶劣海况下船舶运动简捷鲁棒自适应控制 [D]. 大连: 大连海事大学, 2015.
[126] Wang X. Y., Wang G. D., Li S. H., et al. Distributed finite-time optimization for integrator chain
multiagent systems with disturbances [J]. IEEE Transactions on Automatic Control, 2020, 65(12):
5296-5611.
[127] Wang H. H., Chen B., Lin C., et al. Adaptive finite-time control for a class of uncertain
high-order non-linear systems based on fuzzy approximation [J]. IET Control Theory Application, 2017,
11(5): 677-684.
[128] Zhao S. Y., Liang H. J., Du P. H., et al. Adaptive NN finite-time tracking control of output
constrained nonlinear system with input saturation [J]. Nonlinear Dynamics, 2018, 92: 1845-1856.
[129] Huang X. Q., Lin W., Yang B. Global finite-time stabilization of a class of uncertain nonlinear
systems [J]. Automatica, 2005, 41(5): 881-888.
[130] Fossen T. I. Handbook of marine craft hydrodynamics and motion control [M]. Chinchester:
John Wiley & Sons, 2011.
[131] 贾欣乐, 杨盐生. 船舶运动数学模型 [M]. 大连: 大连海事大学出版社, 1999.
[132] Fossen T. I., Sagatun S.I., Sorensen A. J. Identification of dynamically positioned ships [J].
Modeling, Identification and Control, 1996, 17(2): 153-165.
[133] 孙正宜. 二阶滑模极值搜索控制一般化设计方法及应用研究 [D]. 哈尔滨: 哈尔滨工业大
学, 2019.
[134] Zong Q., Shao S. K. Decentralized finite-time attitude synchronization for multiple rigid
spacecraft via a novel disturbance observer [J]. ISA Transactions, 2016, 65: 150-163.
[135] 卜仁祥, 刘正江, 李铁山. 迭代滑模增量反馈在船舶航向控制中的应用 [J]. 哈尔滨工程
大学学报, 2007, 28(3): 268-272.
[136] 卜仁祥, 刘正江, 胡江强. 基于动态非线性滑动模态的欠驱动船舶直线航迹控制 [J]. 清
华大学学报(自然科学版), 2007, 47(S2): 1880-1883.
[137] 刘贤朋, 卜仁祥, 刘勇. 基于动态滑模的欠驱动船舶航迹跟踪控制 [J]. 大连海事大学学
报, 2014, 40(2): 5-9.
[138] 刘勇, 卜仁祥, 徐海军, 等. 基于增量反馈和滑模方法的船舶直线航迹控制 [J]. 中国航海,
2014, 37(1): 48-52.
[139] Liu, Y., Bu, R.X., Gao, X.R. Ship trajectory tracking control system design based on sliding
mode control algorithm [J]. Polish Maritime Research, 2018, 25: 26-34.
[140] 刘勇, 卜仁祥, 李强. 欠驱动船舶轨迹跟踪控制设计 [J]. 计算机仿真, 2019, 036(5): 6-10.
[141] 沈智鹏, 张晓玲. 风帆助航船舶自启发评价迭代滑模航向控制 [J]. 哈尔滨工程大学学报,
2017, 38(11): 1727-1732.
- 117 -
[142] 沈智鹏, 代昌盛, 张宁. 欠驱动船舶自适应迭代滑模轨迹跟踪控制 [J]. 交通运输工程学

报, 2017, 17(6): 125-134.
[143] 边信黔, 程相勤, 贾鹤鸣, 等. 基于迭代滑模增量反馈的欠驱动 AUV 地形跟踪控制 [J].
控制与决策, 2011, 26(2): 289-292.
[144] 贾鹤鸣, 张利军, 程相勤, 等. 基于非线性迭代滑模的欠驱动 UUV 三维航迹跟踪控制 [J].
自动化学报, 2012, 38 (2): 308-314.
[145] Skjetne R., Smogeli Q., Fossen T. I. Modeling, identification, and adaptive maneuvering of
cybersffip II: a complete design with experiments [J]. IFAC Proceedings Volumes, 2004, 37(10): 203-208.
[146] 朱齐丹, 马俊达, 刘志林. 未知扰动下自主水面船自适应有限时间轨迹跟踪 [J]. 系统工
程与电子技术, 2016, 38(2): 368-374.
[147] Kaytez F., Taplamacioglu M. C., Cam E., et al. Forecasting electricity consumption: a
comparison of regression analysis, neural networks and least squares support vector machines [J].
International Journal of Electrical Power & Energy Systems, 2015, 67: 431-438.
[148] Shahlaei M., Fassihi A., Saghaie L. Application of PC-ANN and PC-LS-SVM in QSAR of
CCR1 antagonist compounds: a comparative study [J]. European Journal of Medicinal Chemistry, 2010,
45(4): 1572-1582.
[149] 刘胜, 宋佳, 李高云. 航向保持鲁棒最小二乘支持向量机控制 [J]. 控制与决策, 2010,
25(4): 552-556.
[150] 刘胜文, 赵彦, 赵冰冰. 基于 LS-SVM 的半潜式海洋平台动力定位系统广义预测控制 [J].
电子设计工程, 2017, 25(5): 123-126.
[151] 王尧尧, 顾临怡, 高明, 等. 水下运载器非奇异快速终端滑模控制 [J]. 浙江大学学报(工
学版), 2014, 48(9): 1541-1551.
[152] 周欣然. 基于最小二乘支持向量机的在线建模与控制方法研究 [D]. 湖南: 湖南大学,
2012.
[153] 邵士凯. 小型航天器及其编队有限时间姿态控制方法研究 [D]. 天津: 天津大学, 2017.
- 118 -
[5] 陈海力, 任鸿翔, 杨柏丞, 等. 基于迭代滑模的船舶动力定位非线性控制 [J].

上海海事大学学报, 2020, 41(3):31-35. (中文核心检索号：10.13340)（本毕业论文第 3 章）
[6] 陈海力, 任鸿翔, 杨柏丞. 基于 LS-SVM 的船舶动力定位有限时间控制器设计
[J]. 船舶工程, 2020, 42(2):77-84. (中文核心检索号：10.13788)（本毕业论文第 5 章）
[7] 陈海力, 任鸿翔, 李源惠, 等. 基于反推滑模的船舶动力定位有限时间控制 [J].
计算机仿真, 2021. (中文核心待检索，已录用) （本毕业论文第 5 章）
- 120 -
致谢
致谢
时光荏苒，转眼间我已读博 7 年有余，回望 7 年读博时光，艰辛又无比珍贵！

2010 年 7 月硕士毕业后幸运地成为一名大学教师(由于专业特殊性)。但是，读书期
间没能拿到博士学位自己一直耿耿于怀，觉得有愧学生更对不起自己的内心。可是，按
照学校的要求，教师想要读博士必须完成 4 项任务，其中最难的是双语教学拿到 A 级和
上船工作 1 年。2014 年是收获的一年，这一年我终于完成了学校要求的全部任务，并顺
利地考取了博士研究生，开启了我的读博生涯，倍加珍惜！在这 7 年时间里，我把工作
以外的时间基本上都花在了读博学习上，虽然进度很慢。由于是进到一个新的学科领域，
开始的 2 年毫无头绪，自己就疯狂地读文献，理解不了就把摘要抄写到记事本上加深理
解，想尽办法和领域专家聊天，问问题，慢慢地自己也算入门了。随后的几年就一直埋
头找创新点、做仿真实验和撰写论文，至今仍然清晰记得夜晚一个人在办公室学习的情
景，走出大门回望办公楼，已经没有亮着的灯光。上船工作期间坚持学习也是困难的。
由于货船上没有网络，在上船前自己就把研究领域相关的论文都下载下来慢慢看，至今
能清晰记得大风浪天躺在床上拿着手机读文献，下雪天骑着自行车到日本的小超市内蹭
网络下载论文的场景。终于，功夫不负有心人，在读博的第 6 年撰写的第一篇检索论文
几经退稿、重投及修改之后被录用了，当时高兴地像个孩子，迫不及待地要与他人分享。
坦白的讲，边读书边工作是很辛苦的，这个过程中有过太多心酸，我能够勇敢地坚
持到现在依靠太多人的关怀与帮助。
衷心感谢我的导师任鸿翔教授，与导师的结缘是我人生中莫大的荣幸。导师学识渊
博、为人谦和乐观，每次遇到学术上的大挫折，总能在导师那里得到极大的鼓励，使我
重新燃起斗争下去的勇气。导师是值得我一生尊敬和学习的榜样！
感谢我的同事大哥卜仁祥老师，每晚十点一起步行回家的二十分钟里解开了我很多
学术上的疑惑，对相关问题也有了更透彻的理解！
感谢张显库教授、张秀凤教授、关巍副教授、张国庆副教授在读博士期间给予的诸
多无私帮助！
感谢父母含辛茹苦地把我养大，着实不易！感谢我的岳父岳母对家庭和孩子的悉心
照顾，在我印象里他们总是忙个不停！感谢我的妻子徐聪女士一直默默的支持，时常还
要忍受我的坏脾气！感谢我懂事的女儿，虽然只有几岁大，但只要听到爸爸要去工作了，
就会乖巧地悄悄离开！也要感谢下自己，虽然愚钝，但 7 年一直没有想过放弃，所有的
梦想都经历过风雨，成在坚持，我会好好地继续加油，努力照顾好父母妻子和孩子！
- 121 -
最后祝所有已经工作的但对学位仍心怀梦想的朋友，都能取得成功，保重身体，继
续加油！
- 122 -

船舶动力定位非线性滑模控制 陈海力

Uploaded by

Copyright:

Available Formats

You might also like

船舶动力定位非线性滑模控制 陈海力

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

船舶动力定位非线性滑模控制 陈海力

Uploaded by

Copyright:

Available Formats

博 士 毕 业 论 文

Key Words: Dynamic Positioning of Ships; Iterative Sliding Mode Control;

3.3.3 有限时间状态观测器的稳定性分析 .................................................. 33

5.4.2 忽略环境干扰的船舶动力定位积分非奇异快速终端滑模控制 ...... 92

图 1.1 供给船 ................................................................................................................. 2

图 3.5 增大干扰后船舶位置  x,y  和艏向角 .......................................................... 31

图 4.7 工况 2 控制力  u , v 和控制力矩  r .................................................................. 53

图 4.12 工况 5 船舶位置  x,y  和艏向角 ................................................................ 57

图 5.6 增大干扰后船舶位置  x,y  和艏向角 .......................................................... 77

图 5.12 工况 2 船舶位置  x,y  和艏向角 ................................................................ 87

图 5.14 工况 3 船舶位置  x,y  和艏向角 ................................................................ 89

图 5.22 增大干扰后船舶位置  x,y  和艏向角 ...................................................... 103

表 2.1 供给船水动力导数 ............................................................................................ 22

图 1.1 供给船 图 1.2 救援船

图 1.3 铺管船 图 1.4 石油钻井平台

动力定位系统由测量系统、控制系统和推进系统 3 个部分组成，如图 1.5 所示，其

1.2.1 Backstepping 控制方法

成“计算膨胀”的问题。文献[42]采用动态面(Dynamic Surface Control，DSC)技术，通

上述文献基于 Backstepping 技术设计船舶动力定位控制律。该方法易与适应方法、

2.2 Lyapunov 稳定性理论

2.2.2 Lyapunov 稳定性定理

定理 2.1[125] 对于系统(2.1)，原点是其平衡点 x  0 ， 是原点附近一个邻域集合，

如果对于任意 x  ，假设存在一个标量函数 V ( x, t ) ，满足 V ( x, t )  0 ，且 V ( x, t )  0 ，

如果对于任意 x  ，假设存在一个标量函数 V ( x, t ) ，满足 V ( x, t )  0 且是递减的，

定理 2.2[124] 考虑系统(2.1)的平衡点 x  0 ，且 f ( ) 对状态 x 和时间 t 是局部 Lipschitz

设 v  2av   , v0  V ( x0 ,0) ，则 V ( x, t ) 的收敛速度一定大于或等于 v ，且是有界的

式中，ak  R 为拉格朗日乘子。通过 L 对 w, m, k 和 ak 求偏导数等于零，对上式进行优化，

kl  K ( xk , xl )   ( xk )T  ( xl ), k , l =1,2, ,N ； K (, ) 为核函数，它为满足 Mercer 条件的

式中， η   x, y,  定义为大地坐标系下的船舶位置向量，包括位置 ( x, y ) 和艏向角 ；

度；R( ) 为转换矩阵；M 定义为包含附加质量的对称惯性矩阵，且正定可逆；D(υ)υ 定

力导数项； τ   u , v , r  定义为系统控制输入； τ w   wu , wv , wr  定义为风、浪、流等

Vgi (t )  2S ( fi )fi cos(2 fit  i ) (2.30)

位是节； awind 表示为绝对风向；  表示为风舷角，变动范围为 ( 180o ,180o ] ，相对风从

式中， CK 表示为侧投影面积形心位置到船首柱的距离； Z G 表示为侧投影面积形心位置

式中， 表示为海水密度；L 表示为船长； 表示为遭遇角；i 表示为遭遇频率；S (i )

船舶主要参数为：船长 76.2m ，船宽 18.8m ，排水量 4.591  106 kg ，满载吃水 6.25m ，

备注：由式(2.24)、式(2.25)可知， R( ) 有界， M 为常量正定矩阵， τ w 为风、浪、

本节的控制目标：针对船舶运动数学模型式(2.22)、式(2.23)，在假设 3.1 的前提下，

τSMC  MR( )1  k7k8ηe   k7  k8  ηe  R( )υ  Dυ  τ w sat  sSMC   (3.5)

制律 τ PID 具有更好的稳定性和鲁棒性。另外，提出的状态反馈控制律 τ ISMC 中包含滑模 s2

V   s2T s2  s2T k31ξsign  s2   s2T k31

根据 Lyapunov 稳定性定理，可知 V 是渐近收敛的，且 limV (t )  0 。根据式(3.1)、

式(3.2)和式(3.6)可知， s2 渐近收敛到零，则 s1 渐近收敛到零，即系统是渐近稳定的，证

τ ISMC_S  R( )1 M  k3  s2d  k1k2ηe   k1  k2  ηe  R( )υ  Dυ

τSMC_S  R( )1 M  k7k8ηe   k7  k8  ηe  R( )υ  Dυ (3.12)

是由 PID 控制律中跟踪误差的积分项引起的。观察提出的状态反馈控制律 τ ISMC_S 可以发

100 150 200

图 3.2 船舶位置  x,y  和艏向角

100 150 200

0 50 100 150 200

图 3.5 增大干扰后船舶位置  x,y  和艏向角

另外，为了进一步提高提出的状态反馈控制律 τ ISMC_S 的控制性能，将干扰的补偿项

图 3.7 给出了增加干扰补偿后船舶位置  x,y  和艏向角 收敛曲线。从图 3.7 中的局

本节的控制目标：针对船舶运动数学模型式(2.22)、式(2.23)，在假设 3.2 的前提下，

式中， η  ηˆ  η ， η̂ 为系统输出 η 的估计向量， η  1 ,2 ,3  为估计误差向量； ξ i 为观

测器设计参数，ξi  diag i1, i 2 , i 3  , i1, i 2 , i 3  R , i=1,2,3 ；p, q 均为奇数值，0  p  q ；

定理 3.2 考虑船舶运动数学模型式(2.22)、式(2.23)，在假设 3.2 的前提下，设计有

利用双曲正切函数 tanh   ，对于任意的   0, a  R ，可得

船舶动力定位非线性滑模控制陈海力

船舶动力定位非线性滑模控制陈海力

船舶动力定位非线性滑模控制陈海力

博士毕业论文

图 1.1 供给船图 1.2 救援船

图 1.3 铺管船图 1.4 石油钻井平台

式中， 0.5  q  1 ； d1 , d2 为设计的滑模面参数， d1  diag(d11, d12 , d13 ) ，

式中， k2 , k3 , k4 ,1,  2 ,  3 为设计参数， k2  diag  k21, k22 , k23  ，

式中， αBack   R( )1 k5ηe , υe  υ  αBack ； k5 , k6 为控制参数，

Backstepping控制律非奇异快速终端滑模控制律自适应非奇异快速终端滑模控制律