| 基于迭代学习和神经网络的船用起重机控制 |
| |
| 引用本文： | 林静正,方勇纯,卢彪,郝运嵩,曹海昕.基于迭代学习和神经网络的船用起重机控制[J].控制理论与应用,2022,39(4):602-612. |
| |
| 作者姓名： | 林静正 方勇纯 卢彪 郝运嵩 曹海昕 |
| |
| 作者单位： | 南开大学, 人工智能学院, 机器人与信息自动化研究所,南开大学, 人工智能学院, 机器人与信息自动化研究所,南开大学, 人工智能学院, 机器人与信息自动化研究所,南开大学, 人工智能学院, 机器人与信息自动化研究所,南开大学, 人工智能学院, 机器人与信息自动化研究所 |
| |
| 基金项目： | 国家重点研发计划项目(2018YFB1309000), 国家自然科学基金面上项目(61873132), 广东省机器人与智能系统重点实验室开放基金项目资助. |
| |
| 摘 要： | 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.
|
| 关 键 词： | 船用起重机 迭代学习控制 神经网络 未知干扰 |
| 收稿时间： | 2021/3/8 0:00:00 |
| 修稿时间： | 2021/6/24 0:00:00 |
Controller design of an offshore boom crane utilizing iterative learning and neural network |
| |
| LIN Jing-zheng,FANG Yong-chun,LU Biao,HAO Yun-song and CAO Hai-xin.Controller design of an offshore boom crane utilizing iterative learning and neural network[J].Control Theory & Applications,2022,39(4):602-612. |
| |
| Authors: | LIN Jing-zheng FANG Yong-chun LU Biao HAO Yun-song and CAO Hai-xin |
| |
| Affiliation: | Institute of Robotics and Automatic Information System, College of Artificial Intelligence, Nankai University.,Institute of Robotics and Automatic Information System, College of Artificial Intelligence, Nankai University.,Institute of Robotics and Automatic Information System, College of Artificial Intelligence, Nankai University.,Institute of Robotics and Automatic Information System, College of Artificial Intelligence, Nankai University.,Institute of Robotics and Automatic Information System, College of Artificial Intelligence, Nankai University. |
| |
| Abstract: | |
| |
| Keywords: | offshore boom crane iterative learning control neural networks unknown disturbance |
|
| 点击此处可从《控制理论与应用》浏览原始摘要信息 |
|
点击此处可从《控制理论与应用》下载全文 |
|
