基于迭代学习和神经网络的船用起重机控制

作为一种重要的海上作业装备, 船用起重机被广泛应用于海洋工程的各类场景中. 然而, 船用起重机是一 类复杂的非线性欠驱动系统, 存在摩擦、未建模动态等干扰, 为控制器设计带来了巨大挑战. 更糟糕的是, 船用起重 机还面临海浪、大风等未知干扰的影响, 使得实际控制更加困难. 如何稳定高效地控制该类系统, 目前仍处于初步 探索阶段. 为了解决上述问题, 本文提出了一种基于迭代学习和神经网络的控制方法. 具体来说, 首先将未知干扰 分为周期与非周期两部分. 对于周期干扰, 利用周期估计器解决了对未知周期的估计问题, 在此基础上通过迭代学 习对干扰进行补偿; 对于非周期干扰, 使用双层神经网络进行逼近和补偿, 并设计了权重的更新律; 在补偿未知干 扰后, 基于反馈线性化设计了控制输入. 通过Lyapunov分析方法, 可以证明期望平衡点是全局有界的. 最后, 在所搭 建的船吊实验平台上进行了大量实验, 充分验证了所设计控制方法的有效性与鲁棒性.