✅作者简介：热爱科研的Matlab仿真开发者，擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

👇 关注我领取海量matlab电子书和数学建模资料

🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍

一、AUV 轨迹跟踪控制的挑战

1. 复杂水下环境影响：自主水下航行器（AUV）在水下运行时，面临着复杂多变的环境。海水的流动、温度和盐度的变化都会对 AUV 的运动产生影响。例如，海流可能会使 AUV 偏离预定轨迹，增加了精确跟踪目标轨迹的难度。此外，水下的压力变化也可能影响 AUV 的机械结构和传感器性能，进一步干扰其运动控制。

2. 非线性动力学特性：AUV 的动力学模型具有高度非线性。其运动受到多个因素的相互作用，包括推进器产生的推力、水动力、重力和浮力等。这些力与 AUV 的位置、速度、姿态等状态变量之间的关系是非线性的，使得传统的基于线性模型的控制方法难以实现精确的轨迹跟踪。例如，AUV 在不同深度和速度下，水动力的变化会导致其动力学特性发生显著改变。

3. 执行器约束问题：AUV 的推进器等执行器存在物理限制，如推力饱和。执行器无法提供无限大的推力，当控制需求超过执行器的能力时，传统控制方法可能会失效，导致轨迹跟踪误差增大，甚至使 AUV 失去控制。因此，在设计控制算法时，必须考虑执行器的这些实际约束条件。

二、Lyapunov 稳定性理论基础

1. 稳定性概念：Lyapunov 稳定性理论为分析动态系统的稳定性提供了一种强大的工具。对于 AUV 的轨迹跟踪控制，稳定性意味着 AUV 能够在各种干扰和不确定性因素下，保持其运动状态接近期望轨迹。如果系统在受到微小扰动后，能够回到原来的平衡状态或保持在平衡状态附近，那么这个系统就是稳定的。

2. Lyapunov 函数：该理论通过构造一个 Lyapunov 函数 V(x) 来分析系统的稳定性，其中 x 是系统的状态变量。Lyapunov 函数通常具有非负性，即 V(x)≥0，并且在系统的平衡状态 x=0 时，V(0)=0。通过分析 Lyapunov 函数随时间的导数 V˙(x) 的符号，可以判断系统的稳定性。如果 V˙(x)≤0，则系统是稳定的；如果 V˙(x)<0，则系统是渐近稳定的，即随着时间的推移，系统状态会逐渐收敛到平衡状态。

三、模型预测控制（MPC）原理

1. 预测与优化机制：模型预测控制是一种基于模型的控制策略，它通过建立系统的预测模型，预测系统在未来一段时间内的行为。在每个控制周期，MPC 根据当前系统状态和预测模型，求解一个优化问题，以确定当前时刻的最优控制输入。优化目标通常是使系统输出尽可能接近期望轨迹，同时考虑一些约束条件，如执行器饱和约束。

2. 滚动时域策略：MPC 采用滚动时域策略，即在每个控制周期，只实施优化得到的控制序列中的第一个控制输入，然后在下一个控制周期，基于新的系统状态重新求解优化问题，得到新的控制序列。这种滚动优化的方式使得 MPC 能够实时响应系统状态的变化和外部干扰，具有较好的鲁棒性和适应性。

四、新型 LMPC 框架

1. 结合 Lyapunov 理论与 MPC：基于 Lyapunov 稳定性理论开发的新型模型预测控制（LMPC）框架，将 Lyapunov 函数与 MPC 的优化过程相结合。通过构造合适的 Lyapunov 函数，在 MPC 的优化问题中引入与 Lyapunov 稳定性相关的约束条件，使得优化得到的控制输入不仅能使系统输出跟踪期望轨迹，还能从理论上保证闭环系统的稳定性。

2. 考虑实际约束与协同优化：在 LMPC 框架中，可以显式考虑执行器饱和等实际约束条件。同时，它能与推力分配子问题协同优化，即在优化控制输入时，同时考虑如何合理分配推进器的推力，以满足系统的动力学要求和执行器约束。这样可以更有效地利用 AUV 的执行器资源，提高轨迹跟踪性能。

五、反步法构建收缩约束

1. 反步控制律：反步法是一种逐步设计控制器的方法，它从系统的期望输出开始，逐步向后推导，设计出一系列的虚拟控制律和实际控制律。在 AUV 的轨迹跟踪控制中，反步法通过设计合适的控制律，使得系统的状态能够逐步跟踪期望轨迹。

2. 构建收缩约束：借助非线性反步跟踪控制律，在 LMPC 问题中构建收缩约束。这些收缩约束基于 Lyapunov 稳定性理论，确保系统状态在每个控制周期内朝着期望轨迹收敛。通过这种方式，从理论上保证了闭环系统的稳定性，同时也为 LMPC 的优化问题提供了更严格的约束条件，有助于提高轨迹跟踪的精度。

六、递归可行性、闭环稳定性及吸引域

1. 递归可行性：递归可行性是指在每个控制周期，MPC 的优化问题都有可行解。通过解析方法给出确保递归可行性的充分条件，保证了 LMPC 算法在实际运行过程中能够持续地计算出有效的控制输入，从而使 AUV 能够不断地调整其运动状态以跟踪期望轨迹。

2. 闭环稳定性：基于 Lyapunov 稳定性理论和构建的收缩约束，通过分析给出了保证闭环系统稳定性的充分条件。这些条件确保了在 LMPC 的控制下，AUV 能够在各种干扰和不确定性因素下，保持稳定的轨迹跟踪性能，不会出现失控或发散的情况。

3. 吸引域表征：显式表征了保证吸引域范围，即确定了系统初始状态的取值范围，使得在这个范围内，系统能够在 LMPC 的控制下收敛到期望轨迹。明确吸引域有助于在实际应用中合理设置 AUV 的初始状态，提高控制算法的可靠性和有效性。

⛳️ 运行结果

📣 部分代码

🔗 参考文献

[1]徐博,左一兵,王朝阳,等.事件驱动量测-通信联合框架下基于LMPC的多AUV编队控制方法[J].[2026-03-25].

🍅往期回顾扫扫下方二维码