无人船路径跟踪控制算法方案与仿真验证

【作品性质】控制算法技术预研与仿真验证，非真实客户委托、非实车交付。结果均在仿真中真实跑出，载体参数为演练假设值，提供完整可复现代码，不把仿真包装成实车成果。
【要解决的问题】
LOS（视线法）制导过弯时会"走弦内切"——船不沿弯道走，而是朝弯内目标点直线切过去。固定前视、按弯道增益调度换参能换参，但过弯差、调参成本高，且难兼顾执行器滞后、侧滑、水流等真实扰动。
【做了什么】
1. 问题复现：Z形双90°弯复现内切，验证单纯调前视仅改善约2%（治标）。
2. 多方案选型：横向对比反应式（LOS/ALOS/ILOS）与预测优化（MPC），给出精度、平滑度、计算成本、模型依赖的真实数据。
3. 鲁棒性：叠加执行器滞后、侧滑、水流、噪声，做失配强度扫描，定位MPC失配反噬临界点（τ≈0.8–1.2）。
4. 真实动力学：建立Fossen水平面3-DOF无人船模型（惯性/附加质量、科氏耦合、阻尼、推力饱和）。
5. 系统辨识：zig-zag激励+最小二乘，从带噪数据辨识参数（平均误差17.6%），验证辨识参数可直接喂MPC，接近真实参数、明显优于瞎猜失配。
【关键结论】
- ALOS是性价比甜点：解析解、不依赖模型、自带过弯减速，零求解成本拿到大部分收益；
- MPC高精度有条件：理想模型下最优，但通用非线性求解器（scipy SLSQP）慢动力学下单次约1秒、未跑赢ALOS；落地门槛是模型精度+求解器工程（QP/RTI/专用求解器）；
- 辨识闭环成立：约17%参数误差在MPC鲁棒可接受范围。
【技术栈】Python、NumPy、SciPy（SLSQP）、Matplotlib；Fossen动力学、LOS家族、PID、MPC、最小二乘辨识。
【可承接】机器人/无人车/无人船/AGV路径跟踪与运动控制；制导律、MPC、PID设计与仿真；系统建模、参数辨识与标定；仿真平台与可复现代码、Git交付。
【上实车口径】仿真可远程完成；上实车需实测辨识、求解器实时化与现场调试，工作量与报价另评，不在仿真预研范围内。