Formation tracking control of multiple USVs using ADRC with prescribed performance

Smarta båtteam på ett hårt hav

Föreställ dig en besättning av små robotbåtar som patrullerar en hamn, söker efter ett förlorat fartyg eller kartlägger ett oljeutsläpp. De måste röra sig ihop i ett tätt mönster, hålla säkra avstånd sinsemellan och hålla kurs trots att vågor, vind och strömmar ständigt försöker föra dem ur led. Denna artikel presenterar ett nytt sätt att styra sådana team av obemannade ytfarkoster (USV) så att de kan färdas i formation med precision och säkerhet, även när vattnet är oroligt och deras egen dynamik är ofullständigt känd.

Varför samordnade robotbåtar är viktiga

USV används i allt större utsträckning för uppgifter som är farliga, tråkiga eller kostsamma för bemannade fartyg: sjöräddning, gruvprospektering och kustsäkerhet bland annat. Ofta räcker inte en båt; en grupp som samarbetar kan täcka större områden, dela uppgifter och ge redundans om en enhet fallerar. Men att samordna flera båtar är komplicerat. Varje farkost måste följa en planerad bana samtidigt som den håller ett säkert avstånd till sina grannar, och allt detta måste fungera under verkliga havsförhållanden där osynliga krafter och finstilta modelleringsfel kan försämra prestanda eller till och med orsaka kollisioner.

Utmaningen att hålla ihop

Traditionella styrmetoder—såsom enkla proportional–integral–derivat (PID)-regulatorer, modellbaserade prediktiva scheman eller backstepping med neurala nätverk—har tidigare använts för USV-formation. Även om de kan fungera kommer de med kompromisser. Grundläggande regulatorer är lätta att ställa in men har svårt med stora, tidsvarierande störningar. Mer avancerade metoder kan hantera icke-linjär rörelse och okända effekter men kräver ofta många parametrar, tung beräkning eller detaljerad träningsdata. Dessutom garanterar de flesta metoder inte direkt hur snabbt fel kommer att minska eller hur väl de håller sig inom säkerhetsgränser under manövrar.

En styrstrategi som slår tillbaka mot störningar

Författarna bygger vidare på ett koncept känt som aktiv störningsavvisningskontroll (ADRC), som behandlar allt okänt eller oönskat—såsom ändrade dragkrafter, vågkrafter eller modelleringsfel—som en enda ”total störning” att uppskatta och motverka i realtid. De utformar en utvidgad observer som skattar denna störning samtidigt som den använder kunskap om USV-modellen för att avlasta observatören och förbättra noggrannheten. En annan komponent, en spårdifferentierare, ersätter komplicerad upprepad differentiering i regulatorn och undviker den komplexitetsexplosion som annars kan göra realtime-användning opraktisk. En barriärbaserad mekanism formar sedan hur spårningsfelen utvecklas över tid, genom att upprätthålla tidsvarierande gränser som hindrar båtar från att komma för nära varandra eller glida för långt isär, samtidigt som den tillåter snabb konvergens mot önskad bana.

Sätter båtplutonen på prov

För att utvärdera metodens effektivitet simulerar forskarna fyra identiska USV som följer en bana bestående av raka sträckor och vida cirklar, under starka, ständigt föränderliga krafter som är dolda för regulatorn. De jämför sin metod med tre vanliga alternativ: en backstepping-regulator förbättrad med neurala nätverk, en standard störningsavvisningsregulator och en PID-regulator. Över mått som mäter totalt fel, värsta fel och hur jämna styr- och drivkommandona är, utmärker sig den nya metoden. Den minskar kumulativt fel och roten ur medelkvadratsfelet med mer än hälften jämfört med PID och överträffar fortfarande den mer avancerade backstepping-schemat avsevärt, samtidigt som den ger jämnare, mindre ryckiga styrsignaler som är snällare mot verklig hårdvara.

Vad detta betyder för framtida marinrobotar

Enkelt uttryckt visar detta arbete hur ett team av robotbåtar kan hålla sin formation tät och säker i ett rörigt, oförutsägbart hav med hjälp av en regulator som är både robust och relativt enkel att ställa in. Genom att aktivt uppskatta och släcka den samlade effekten av vågor, strömmar och modelleringsfel, och genom att omsluta felförloppet inom noggrant designade gränser, håller metoden varje fartyg nära sin avsedda banprofil utan att riskera kollisioner eller förlora kommunikationslänkar. Författarna noterar att utvidgning av ramverket till mer begränsade, underaktuateda båtar och automatisering av parametervalsprocessen är viktiga nästa steg, men resultaten pekar redan mot mer tillförlitliga och effektiva flottor av marinrobotar som hanterar komplexa uppdrag med minimal mänsklig övervakning.

Citering: 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

Nyckelord: obemannade ytfarkoster, formationsstyrning, störningsavvisning, marinrobotik, trajektoriestyrning