使用具有规定性能的 ADRC 的多艘无人水面艇队列跟踪控制

在波涛汹涌的海面上的智能船队

想象一支小型机器人船队在港口巡逻、搜寻失踪船只或绘制溢油范围。它们必须保持紧密队形、与彼此保持安全距离，并在波浪、风和洋流不断将其偏离航线时仍能保持航向。本文提出了一种新的控制方法，使这样的多艘无人水面艇（USV）队伍即便在水况恶劣且自身模型不完全已知的情况下，也能准确且安全地保持队形航行。

为何协同机器人船很重要

USV 越来越多地用于有人船难以或代价高昂完成的任务：海上救援、矿产勘探和沿海安保等。单艇往往不足以覆盖任务区；协同工作的群体可以覆盖更大区域、分担任务，并在单元失效时提供冗余。然而，协调多艘船很棘手。每艘船不仅要沿规划路径行驶，还要与邻近艇保持安全距离，而且所有这些必须在真实海况下成立——未观测到的外力和模型误差可能削弱性能，甚至导致碰撞。

保持队形的挑战

传统控制方法——例如简单的比例-积分-微分（PID）控制器、基于模型的预测控制或基于神经网络的反步法——过去已被应用于 USV 队形控制。它们虽能起作用，但各有权衡。基础控制器易于调参但在大幅、时变扰动面前表现不佳。更高级的方法能处理非线性运动和未知效应，但通常需要大量参数、较高的计算量或详尽的训练数据。此外，大多数方法不能直接保证误差收敛速度或在机动过程中误差保持在安全界限内。

一种能抵抗扰动的控制策略

作者基于一种称为主动扰动抑制控制（ADRC）的理念，将所有未知或不希望出现的影响——例如阻力变化、波浪力或建模误差——视为一个整体“总扰动”，并在实时中估测和抵消它们。他们设计了一个扩展观测器来估计该扰动，同时利用 USV 模型的部分知识以减轻观测器的负担并提高精度。另一个称为跟踪微分器的组件取代了控制器中重复而凌乱的求导运算，避免了复杂度爆炸，从而便于实时应用。基于障碍的机制则塑造跟踪误差随时间的演化，施加时变约束，使船只既不会过于接近也不会过度分散，同时仍允许快速收敛到期望航迹。

对船队的测试

为了检验方法的效果，研究者模拟了四艘相同的 USV 在由直线段和大弧线组成的路径上航行，且受到强烈、不断变化且对控制器不可见的外力。他们将该方法与三种常见替代方案进行了对比：增强型神经网络反步控制器、标准扰动抑制控制器和 PID 控制器。在衡量累计误差、最差情形误差以及舵角和推进指令平滑性等指标上，新方法表现突出。与 PID 相比，它将累计误差和均方根误差减少了超过一半，并且在很多情况下也显著优于更复杂的反步方案，同时生成更平滑、抖动更小的控制信号，更适合真实硬件。

这对未来海洋机器人的意义

简而言之，这项工作展示了一种控制器如何使机器人船队在复杂且不可预测的海况中保持紧密且安全的队形，同时控制器本身具有鲁棒性且相对易于调节。通过主动估计并抵消波浪、洋流和建模误差的综合效应，并将误差演化限制在精心设计的边界内，该方法使每艘艇接近其期望轨迹而不致发生碰撞或丧失通信。作者指出，将该框架扩展到受驱动受限的船只以及实现参数自动调优是重要的后续工作，但现有结果已经表明，这能促成更可靠、更高效的海洋机器人舰队以最少的人类监督执行复杂任务。

引用: 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

关键词: 无人水面艇, 队形控制, 干扰抑制, 海洋机器人, 轨迹跟踪