Управление следованием в строю нескольких БПП (Беспилотных поверхностных судов) с использованием АДРС с заданной производительностью

Команды «умных» лодок в суровом море

Представьте экипаж из небольших роботизированных лодок, патрулирующих гавань, ищущих потерянное судно или картографирующих разлив нефти. Им нужно двигаться вместе в плотной формации, держать безопасную дистанцию друг от друга и сохранять курс, несмотря на постоянные сдвиги от волн, ветра и течений. В этой статье предложен новый метод управления такими командами беспилотных поверхностных судов (БПП), который позволяет им точно и безопасно держать формацию даже при волнистой погоде и неполной информации о собственном поведении.

Почему важна координация роботизированных лодок

БПП всё чаще используются для задач, опасных, утомительных или дорогих для экипажных судов: морские спасательные операции, разведка полезных ископаемых, охрана побережья и т. д. Часто одной лодки недостаточно; группа, работающая сообща, может покрыть большую площадь, распределять задачи и обеспечивать резервирование при отказе одного модуля. Но координация нескольких судов связана с трудностями. Каждое судно должно следовать заданной траектории, удерживая безопасную дистанцию от соседей, и всё это должно сохраняться в реальных морских условиях, где невидимые силы и тонкие ошибки моделирования могут ухудшать работу или даже приводить к столкновениям.

Задача сохранения единства построения

Традиционные методы управления — такие как простые пропорционально-интегрально-дифференциальные (PID) регуляторы, модели предиктивного управления или методы обратного шага с нейронными сетями — уже применялись для формирования БПП. Хотя они работают, у каждого есть свои компромиссы. Базовые регуляторы легко настраиваются, но слабо справляются с большими, меняющимися во времени возмущениями. Более продвинутые подходы могут учитывать нелинейную динамику и неизвестные воздействия, но часто требуют большого числа параметров, интенсивных вычислений или подробных обучающих данных. Кроме того, большинство методов прямо не гарантируют, как быстро будут уменьшаться ошибки и насколько строго они будут удерживаться в рамках безопасных пределов во время манёвров.

Стратегия управления, которая противостоит возмущениям

Авторы опираются на концепцию активного подавления возмущений, которая рассматривает всё неизвестное или нежелательное — такие как изменение сопротивления, силы волн или ошибки моделирования — как единое «суммарное возмущение», которое необходимо оценивать и компенсировать в реальном времени. Они разрабатывают расширенный наблюдатель, оценивающий это возмущение, при этом используя знание модели БПП, чтобы снизить нагрузку на наблюдатель и повысить точность. Другой компонент — дифференциатор слежения — заменяет громоздимые повторные операции по дифференцированию в контроллере, избегая взрывного роста сложности, который иначе сделал бы применение в реальном времени непрактичным. Механизм на основе барьеров затем формирует эволюцию ошибок слежения во времени, вводя переменные по времени ограничения, которые не позволяют лодкам подходить слишком близко или расходиться слишком далеко, одновременно обеспечивая быстрое схождение к требуемой траектории.

Проверка «платона» лодок в деле

Чтобы оценить эффективность подхода, исследователи смоделировали четыре одинаковых БПП, следующих по траектории, состоящей из прямых отрезков и широких кругов, при сильных постоянно меняющихся силах, скрытых от контроллера. Они сравнили свой метод с тремя распространёнными альтернативами: обратным шагом с нейронной сетью, стандартным регулятором подавления возмущений и PID-регулятором. По метрикам общей ошибки, наихудшей ошибки и плавности команд рулевого управления и тяги новый метод выделяется. Он снижает суммарную ошибку и среднеквадратичную ошибку более чем вдвое по сравнению с PID и при этом заметно превосходит более сложную схему обратного шага, создавая при этом более гладкие, менее дергающиеся управляющие сигналы, которые лучше подходят для реального аппаратного обеспечения.

Что это значит для будущих морских роботов

Проще говоря, работа демонстрирует, как команда роботизированных лодок может держать плотную и безопасную формацию в неупорядоченном, непредсказуемом море, используя контроллер, который одновременно робастен и относительно прост в настройке. За счёт активной оценки и подавления суммарного эффекта волн, течений и ошибок моделирования и ограничения эволюции ошибок внутри тщательно спроектированных границ, метод удерживает каждое судно близко к заданной траектории без риска столкновений или потери связей. Авторы отмечают, что расширение подхода на более ограниченные, недостаточно управляемые платформы и автоматизация подбора параметров — важные следующие шаги, но результаты уже указывают на более надёжные и эффективные флоты морских роботов, выполняющие сложные миссии при минимальном участии человека.

Цитирование: Huo, M., Mao, W. & Wang, X. Formation tracking control of multiple USVs using ADRC with prescribed performance. Sci Rep 16, 11417 (2026). https://doi.org/10.1038/s41598-026-37252-0

Ключевые слова: беспилотные поверхностные суда, управление строем, подавление возмущений, морская робототехника, слежение за траекторией