基于神经网络的自主水下机器人动态反馈控制
Dynamic feedback control based on ANN compensation controller for AUV motions
查看参考文献18篇
|
文摘
|
针对自主水下机器人数学模型的强非线性及所受海流干扰无法确定等特点,设计了基于神经网络补偿器的动态反馈控制算法。通过对自主水下机器人系统数学模型研究,将系统分解为近似线性部分与非线性不确定部分。通过动态反馈控制实现对分解出的近似线性部分进行初步控制,利用神经网络所具有的自适应控制实现对不确定模型与干扰项进行补偿控制,提高自主水下机器人运动控制的鲁棒性。通过Lyapunov稳定判据证明了此控制算法的收敛性,通过Matlab数字仿真平台验证了此算法的抗干扰能力,在自主水下机器人半物理仿真平台上分别采用所提出的控制算法与PID控制算法对自主水下机器人系统定深运动进行了控制。研究结果表明所提出的算法具有更好的动态性能与强鲁棒性。 |
|
其他语种文摘
|
One algorithm of artificial neural network(ANN)compensator coupled with dynamical state feedback control was designed for motions of autonomous underwater vehicle(AUV).The math model of AUV was decomposed to one extended linear subsystem and an unknown nonlinear subsystem.The fore part was controlled by dynamic state feedback control algorithm which was improved on feedback parameters described by some functions of time,poses,and surge speed as well as the last one being controlled by ANN whose parameters are online adjustment.Theories are proved and developed by Lyapunov theory which denoted that the tracking error can be converged to zero.Some simulation results with Matlab platform show that the advised control algorithm holds the capability of anti-disturbance.Meanwhile,these semi-physical environment experiences make it clear that the advised control algorithm can have better dynamic performance than PID control algorithm. |
|
来源
|
电机与控制学报
,2011,15(7):87-93 【扩展库】
|
|
关键词
|
自主水下机器人
;
不确定模型
;
神经网络补偿器
;
动态反馈控制
;
半物理仿真
|
|
地址
|
1.
中国科学院沈阳自动化研究所, 机器人学国家重点实验室, 江西, 抚州, 344000
2.
中国科学院沈阳自动化研究所, 机器人学国家重点实验室, 辽宁, 沈阳, 110016
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1007-449X |
|
学科
|
自动化技术、计算机技术 |
|
基金
|
中国科学院知识创新工程重要方向项目
;
国家973计划
;
江西省教育厅项目
|
|
文献收藏号
|
CSCD:4270218
|
参考文献 共
18
共1页
|
|
1.
ROBERTS G N. Trends in marine control systems.
Annual Reviews in Control,2008,32(2):263-269
|
被引
11
次
|
|
|
|
|
2.
陈强. 美国军用UUV现状及发展趋势分析.
舰船科学技术,2010,32(7):129-134
|
被引
6
次
|
|
|
|
|
3.
Ren B B. Adaptive neural control for output feedback nonlinear systems using a barrier lyapunov function.
IEEE Transactions on Neural Networks,2010,21(8):1339-1345
|
被引
16
次
|
|
|
|
|
4.
程如岐. Z源逆变器的状态反馈控制策略.
电机与控制学报,2009,13(5):673-678
|
被引
11
次
|
|
|
|
|
5.
Shao Z H. Stabilization of uncertain singularly perturbed systems.
IEE Proceedings-Control Theory Application,2006,153(1):99-103
|
被引
6
次
|
|
|
|
|
6.
Huang Dan. Dynamic output feedback control for uncertain networked control systems with random networkinduced delays.
International Journal of Control,Automation and Systems,2009,7(5):841-847
|
被引
1
次
|
|
|
|
|
7.
Bi Fengyang. A cascade approach for global trajectory tracking control of underactuated AUVs.
China Ocean Engineering,2010,24(2):369-380
|
被引
1
次
|
|
|
|
|
8.
Cheng Xiangqin. Application of linearization via state feedback to heading control for autonomous underwater vehicle.
2008 IEEE International Conference on Mechatronics and Automation,August 5-8,2008,2008:476-481
|
被引
1
次
|
|
|
|
|
9.
PETRICH J. Model simplification for AUV pitch-axis control design.
Ocean Engineering,2010,37(7):638-651
|
被引
4
次
|
|
|
|
|
10.
Wang J S. Self-adaptive recurrent neuro-fuzzy control of an autonomous underwater vehicle.
IEEE Transactions on Robotics and Automation,2003,19(2):283-295
|
被引
8
次
|
|
|
|
|
11.
VAN DE VEN P W J. Neural network control of underwater vehicles.
Engineering Applications of Artificial Intelligence,2005,18(5):533-547
|
被引
3
次
|
|
|
|
|
12.
ISHII K. An adaptive neural-net controller system for an underwater vehicle.
Control Engineering Practice,2000,8(2):177-184
|
被引
6
次
|
|
|
|
|
13.
梁霄. 水下机器人T-S型模糊神经网络控制.
电机与控制学报,2010,14(7):99-104
|
被引
12
次
|
|
|
|
|
14.
Zhang Lijun. Adaptive output feedback control based on DRFNN for AUV.
Ocean Engineering,2009,36(9/10):716-722
|
被引
11
次
|
|
|
|
|
15.
LAPIERRE L. Robust diving control of an AUV.
Ocean Engineering,2009,36(1):92-104
|
被引
10
次
|
|
|
|
|
16.
FOSSEN T I.
Guidance and Control of Ocean Vehicles,1994:20-45
|
被引
1
次
|
|
|
|
|
17.
蒋新松.
水下机器人,2000:249-275
|
被引
2
次
|
|
|
|
|
18.
刘开周. 一种海底地形和海流虚拟生成方法.
系统仿真学报,2005,17(5):1268-1271
|
被引
7
次
|
|
|
|
|
了解气象卫星更多信息，请访问