区域全覆盖控制技术广泛应用于海洋领域中资源勘测、信息收集和智能清洁等方面,是水面无人船控制技术的重要组成部分。在实际应用中海洋环境错综复杂,该控制技术可以使无人船在保证航行安全的前提下尽可能提高区域覆盖率,降低路径重复率。本文以水面无人船区域全覆盖控制系统为研究对象,对无人船在实际海域背景下路径规划与路径跟踪控制技术进行研究。针对课题特性,本文将该系统具体分为建立海域信息环境模型、全域覆盖路径规划和精确路径跟踪控制技术三个核心环节进行深入的分析和研究,本文的主要工作如下:1、面向实际海域应用背景,构建栅格海图。本文使用栅格法将任务区域划分为一个个子区域,然后根据航拍图来确定每个栅格的环境信息,对障碍物进行一系列膨胀处理,最终将任务海域划分为可航行区域和障碍物区域,完成对任务海域的模型构建。2、根据区域全覆盖路径规划任务特性,在原始生物激励神经网络(BINN)算法基础上设计改进型生物激励神经网络的路径规划算、法。本文通过提出新的最优点决策公式并重新定义生物激励神经网络模型,有效解决原始BINN算法存在的因两个方向上的活性值相同导致决策困难及因活性值较低导致区域无法覆盖这两个问题,可达100%区域覆盖率。同时,通过在神经元外部输入中设计高激励选项,可对某特殊海域进行优先覆盖搜索,进一步增强了本文算法的实用性。3、根据海洋环境复杂多变的特性,设计路径跟踪算法。在上述确定的栅格覆盖顺序基础上,本文提出了以自抗扰控制器为核心环节,采用模糊控制器调节参数的联合控制算法,可有效防止轨迹偏离,提高航行效率,增强系统鲁棒性。4、构造完整系统;完成面向真实复杂海域的仿真实验验证。按照时间线设计算法流程,综合前述三个核心环节构建了一个完整的无人船区域全覆盖控制系统,并通过在实际海域背景下进行的仿真实验验证了该系统的有效性和优越性。经过一系列针对性的仿真实验,结果显示本文所采用的环境建模方法可有效描述所有环境信息且定位准确,在此基础上设计的路径规划算法在保证区域覆盖率的前提下,可大幅降低路径重复率,有效减少转折次数,在路径跟踪算法的控制下无人船经受风、浪、流干扰依然可精确沿循规划出的路径航行,且偏移较小,体现了本文设计的总系统的有效性、优越性与实用性。