无人船/无人艇路径跟踪控制 Matlab/ Simulink效果 基于Foseen船舶模型，LOS制导子系统＋反步控制器制作 LOS+backstepping； 注：采用ESO实现漂角/侧滑角估计 另可定制LOS，控制律，观测器等，例如ALOS，ILOS，滑膜，PID，RBF等。

在无人船/无人艇的研究领域，路径跟踪控制是关键技术之一。今天咱们就来聊聊基于 Foseen 船舶模型，利用 LOS 制导子系统和反步控制器实现的路径跟踪控制，这里还会用到 ESO 来实现漂角/侧滑角估计哦，并且还能定制各种不同的策略，比如 ALOS、ILOS、滑膜、PID、RBF 等。

LOS 制导子系统

LOS（Line - of - Sight）制导子系统，简单理解就是让无人船/艇朝着目标点的视线方向前进。它的核心思想可以用下面这段伪代码来简单示意：

% 假设当前位置为(x,y)，目标位置为(x_d,y_d)
delta_x = x_d - x;
delta_y = y_d - y;
theta_d = atan2(delta_y, delta_x); % 计算目标方向角

这段代码就是计算从当前位置到目标位置的方向角 theta_d，无人船/艇就应该朝着这个方向行驶，这样才能逐渐靠近目标点。

反步控制器

反步控制是一种很巧妙的非线性控制策略，它通过逐步构建虚拟控制量，最终得到实际的控制输入。以无人船/艇的航向控制为例，假设船舶模型的状态方程可以简化为：

$\dot{\psi} = r$

其中 $\psi$ 是航向角，$r$ 是角速度。

我们希望航向角跟踪上 LOS 制导子系统给出的目标航向角 $\thetad$，定义跟踪误差 $e1 = \psi - \theta_d$。

设计第一个虚拟控制量 $\alpha_1$ 来稳定这个误差，比如：

$\alpha1 = k1 e_1$

无人船/无人艇路径跟踪控制 Matlab/ Simulink效果 基于Foseen船舶模型，LOS制导子系统＋反步控制器制作 LOS+backstepping； 注：采用ESO实现漂角/侧滑角估计 另可定制LOS，控制律，观测器等，例如ALOS，ILOS，滑膜，PID，RBF等。

这里 $k_1$ 是一个正的增益系数，它决定了对误差的调节强度。

实际的控制输入 $u$ 可以基于 $\alpha_1$ 进一步设计，例如：

$u = k2 (r - \alpha1)$

其中 $k_2$ 也是一个正的增益系数。

ESO 实现漂角/侧滑角估计

ESO（Extended State Observer）扩展状态观测器，它能够对系统中一些难以直接测量的状态进行估计，比如漂角/侧滑角。ESO 的设计相对复杂一些，这里简单介绍下其原理性的代码框架：

% 假设系统状态为[x1,x2]，输出为y
% 初始化观测器参数
beta01 = 100;
beta02 = 1000;
h = 0.01; % 采样时间

% 初始观测值
z1 = y(1);
z2 = 0;

for k = 2:length(y)
    e = y(k) - z1;
    z1 = z1 + h * (z2 - beta01 * e);
    z2 = z2 + h * (-beta02 * e);
    % z2 这里就可以近似看作对漂角/侧滑角相关状态的估计
end

这段代码通过不断迭代，根据系统的输出 y 来更新观测值 z1 和 z2，z2 就可以作为对漂角/侧滑角相关状态的估计值，为后续的控制提供重要信息。

Matlab/Simulink 效果展示

在 Simulink 中搭建基于上述理论的模型，将 Foseen 船舶模型、LOS 制导子系统、反步控制器以及 ESO 合理连接起来。通过设置不同的目标路径和初始条件，运行仿真，可以直观地看到无人船/艇的路径跟踪效果。

比如设置一个简单的直线目标路径，运行仿真后，我们可以看到无人船/艇从初始位置逐渐调整航向，沿着 LOS 方向逼近目标路径，在反步控制器和 ESO 的共同作用下，能够较为准确地跟踪目标路径，减少跟踪误差。

如果对 LOS 进行定制，比如改为 ALOS（Adaptive Line - of - Sight）自适应视线制导，就可以根据船舶的当前状态实时调整视线距离，使得跟踪更加灵活和高效。同样，改变控制律为滑膜控制或者 PID 控制等，也会带来不同的控制效果。

通过在 Matlab/Simulink 中不断尝试不同的组合和参数调整，能够深入理解各种策略对无人船/艇路径跟踪控制的影响，为实际应用提供有力的技术支持。希望大家也能动手试试，探索无人船/艇路径跟踪控制的更多可能性。