本研究提出了一种基于Lyapunov稳定性理论的模型预测控制方法，专门用于优化水下航行器的轨迹跟踪性能，确保系统稳定性和鲁棒性。
本段落探讨了自主水下航行器（AUV）的轨迹跟踪控制问题，并提出了一种基于李亚普诺夫模型预测控制（Lyapunov-based Model Predictive Control, 简称LMPC）的新方法，旨在提升AUV在复杂环境中的性能。该框架能够利用在线优化技术来增强系统的追踪能力并处理诸如执行器饱和等实际约束问题。
文中详细介绍了如何通过非线性反步跟踪控制律构建收缩约束条件，确保闭环系统稳定，并提供了递归可行性的充分证明以及对吸引区域的明确描述。此外，本段落还探讨了LMPC框架中预测时域实施策略的应用，以提高系统的鲁棒性和适应能力。通过对Saab SeaEye Falcon型号AUV进行仿真测试验证了所提出的LMPC方法的有效性。
自主水下航行器（AUV）是海洋机器人领域的一项重要技术进步，在减少操作风险和成本方面展现出巨大潜力。本段落聚焦于如何通过优化控制策略来改善这类设备的性能，特别强调在设计控制器时考虑实际约束的重要性以及推力分配问题与LMPC框架结合的应用。
研究涵盖了多个关键主题：
1. AUV的基本概念及其应用。
2. 轨迹跟踪控制的概念和其重要性。
3. 李亚普诺夫稳定理论、模型预测控制（MPC）的原理及在AUV中的运用。
4. LMPC框架的设计过程，包括如何应对实际约束问题如执行器饱和等。
5. 推力分配策略的重要性及其与LMPC结合的方式。
6. 如何利用非线性反步跟踪控制律构建收缩约束条件以保证闭环系统的稳定性，并明确描述吸引区域的定义和作用范围。
7. 通过预测时域实施策略提高鲁棒性的方法论，以及这种方法对提升AUV追踪性能的意义。
最后，本段落还展示了在Saab SeaEye Falcon型号上进行仿真实验的结果，证明了LMPC框架的有效性。这些发现不仅具有重要的理论意义，在实际应用中也有广泛的前景和价值。
5星
