神经网络误差曲线图_论文推荐 | 基于RBF神经网络的AUV路径跟踪分数阶滑模控制...

点击”公众号首页-论文导读-微刊”或页面下端“阅读原文”可在线浏览文章全文，如果你喜欢本文，请分享到朋友圈。 2020年第28卷第3期 基础研究 基本信息

作者: 王  香,  张永林

单位：江苏科技大学 电子信息学院, 江苏 镇江, 212003

摘要

针对自主水下航行器(AUV)在对接过程中的路径跟踪问题, 提出一种基于径向基函数(RBF)神经网络的分数阶滑模控制算法。首先基于滑模控制设计AUV路径跟踪控制算法, 将分数阶微积分引入滑模控制中的等速趋近律以缓解系统的抖振, 然后采用RBF神经网络对AUV运动模型中的不确定性及外界干扰进行补偿, 最后通过Lyapunov定理证明了控制系统的稳定性。仿真结果表明: 所设计的控制器能对AUV路径进行有效跟踪, 与传统滑模控制器以及未考虑系统不确定性及外界干扰的分数阶滑模控制器相比, 该控制器跟踪速度更快, 稳定效果更好, 跟踪性能更强。

随着人类对海洋资源不断地开发利用, 自主水下航行器(autonomous undersea vehicle, AUV)成为了探索海洋的重要载体, 而精准的路径跟踪能力是AUV水下作业能力的技术保障之一^[1-4]。海洋环境极其复杂并且充满不确定性, 在实际运行中, 由于其强非线性、不确定性、多耦合性等特点, 当运行速度及运行环境发生改变时, AUV所受到的水动力、惯性力和科里奥利向心力等会随之发生改变, 很难建立精准的动力学模型对其轨迹进行跟踪^[5-9]。

目前, 模糊控制、自适应鲁棒控制、反步法和神经网络等控制方法均被用于AUV的运动控制。文献[10]提出一种反步法与滑模控制相结合的变深控制方法抑制无人水下航行器(unmanned undersea vehicle, UUV)运动过程中的姿态失衡问题。文献[11]利用神经网络控制器补偿水下机器人受到的环境干扰, 设计了一种基于反步滑模控制的AUV变深控制算法, 解决了离散AUV水平面的路径跟踪控制问题。文献[12]提出一种基于模糊滑模的AUV深度控制器, 有效抑制了传统滑模控制中的抖振问题。目前, 对AUV精准路径跟踪问题的研究仍是AUV研究领域的热点之一。

分数阶微积分是整数阶微积分的推广, 近年来, 基于分数阶微积分与滑模控制理论而产生的分数阶滑模控制已取得了一些进展。文献[13]提出了一种基于分数阶微积分的机械臂滑模控制算法, 有效