基于L2干扰抑制的水下机器人三维航迹跟踪控制

为实现自治水下机器人(AUV)的三维航迹跟踪控制,考虑了非线性水动力阻尼对AUV系统的影响和外界海流干扰作用,提出了基于L2干扰抑制的鲁棒神经网络控制方法.该方法基于李雅普诺夫稳定性理论,设计神经网络控制器补偿非线性水动力阻尼和外界的海流干扰,再将神经网络的估计误差当做AUV系统的外部干扰用L2干扰抑制控制器予以消除.最后针对某AUV进行了螺旋线三维下潜跟踪控制仿真实验,结果表明设计的控制器可以较好地克服时变非线性水动力阻尼对系统的影响,并对外界海流干扰有较好的抑制作用,可以实现AUV三维航迹的精确跟踪.     

基于神经网络的欠驱动水下机器人三维同步跟踪和镇定控制

研究了欠驱动水下机器人的三维同步跟踪和镇定控制问题,并考虑了模型参数不确定性、未知外界干扰和输入饱和限制的影响.针对不同类型期望轨迹的特性,构造了新的辅助虚拟信号以实现对欠驱动方向的控制.基于反步法和Lyapunov直接法,设计了一种饱和自适应统一动力学控制律,使得AUV的状态误差最终收敛至零点附近的有界区域内,其中未...     

水下机器人的神经网络自适应控制

研究了水下机器人神经网络直接自适应控制方法,采用Lyapunov稳定性理论,证明了存在有界外界干扰和有界神经网络逼近误差条件下,水下机器人控制系统的跟踪误差一致稳定有界.为了进一步验证该水控制方法的正确性和稳定性,利用水下机器人实验平台进行了动力定位实验、单自由度跟踪实验和水平面跟踪实验等验证实验.     

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适应控制方法, 该控制方法既不需要预先知道模糊神经结构, 也不需要预先的训练阶段, 完全通过在线自适应学习算法构建水下机器人的逆动力学模型. 首先, 本文提出了基于这种网络结构的水下机器人直接自适应控制器, 然后, 利用 Lyapunov 稳定理论, 证明了基于该控制器的水下机器人控制系统闭环稳定性, 最后, 采用某水下机器人模型仿真验证了该控制方法的有效性.     

水下机器人神经网络自适应逆控制

水下环境的复杂性以及自身模型的不确定性，给水下机器人的控制带来很大困难。针对水下机器人的特点和控制方面所存在的问题，提出了基于预测—校正控制策略的水下机器人神经网络自适应逆控制结构及训练算法。通过在线辨识系统的前向模型，估计出系统的Jacobian矩阵，然后采用预报误差法实现控制器的自适应。同时，为了提高系统对于外扰的鲁棒性，在伪线性回归算法的基础上，在评价函数中引入微分项。理论分析和仿真结果表明，与原来的算法相比，微分项的引入改善了系统对于外扰的鲁棒性和动态性能。     

基于神经网络的机器人轨迹跟踪控制

针对机器人模型未知情况，讨论了用神经网络和反馈控制实现机械手的跟踪控制。提出一种基于参考误差的投影算法来训练网络权值，训练后网络输出能逼近期望的前馈力矩，并从理论上证明跟踪误差的收敛性。仿真结果表明方案具有较好的跟踪性能和较强的抗干扰能力。     

欠驱动水下航行器三维直线航迹跟踪控制

针对欠驱动水下航行器的三维直线航迹跟踪控制问题,基于虚拟向导建立了三维航迹跟踪误差模型,采用反馈增益反步法设计航迹跟踪控制器,通过合理选择控制器参数消除了部分非线性项,与传统反步法设计相比简化了虚拟控制量的形式,并且能够避免基于视线法设计导引律时存在固有奇异值点的问题.基于李雅普诺夫稳定性理论分析了闭环跟踪误差系统的渐近稳定性.最后将设计的控制器应用于欠驱动水下航行器进行仿真实验,结果表明控制器具有精确的三维航迹的跟踪能力,并对外界干扰和模型参数不确定性具有较好的鲁棒性.     

基于自适应神经网络的AUVs路径跟踪控制

为解决由于随时间变化水动力阻尼引起的参数变化和不确定性的问题,提出了基于径向基函数神经网络的未知评估算法,引入自适应算法以保证神经网络权值的最优评估.基于Lyapunov稳定性理论,设计一种自适应神经网络控制器以保证路径跟踪系统中所有误差状态都趋于稳定.为了验证该控制器的可行性,对系统施加如位置误差、方向误差等虚拟干扰,证明该控制器可将误差消减为零.另一方面,机器人在以恒定的速度行驶时,每个航点被指定一个适合半径的圆弧可以保证其有较高的精度.为了评估路径跟踪控制器的性能,提出直线型和直线加圆弧型路径方案.仿真结果表明,该控制器可以有效地消除机器人非线性和模型不确定性造成的干扰.     

基于自适应Backstepping的欠驱动AUV三维航迹跟踪控制

为了实现欠驱动自治水下机器人（AUV）三维航迹跟踪控制,基于非完整系统理论分析了AUV缺少横向推进器时的欠驱动控制系统特性,并验证了欠驱动AUV存在加速度约束不可积性.基于李亚普诺夫稳定性理论,利用自适应Backstepping设计连续时变的航迹点跟踪控制器,以抑制外界海流的干扰.仿真实验表明,所设计的控制器能实现欠驱动AUV对一序列三维航迹点的渐近镇定,并且航迹跟踪的精确性和鲁棒性明显优于PID控制.     

自主式水下航行器三维路径跟踪的神经网络H∞鲁棒自适应控制方法

本文研究了存在模型不确定以及外界未知扰动情况下的自主式水下航行器(AUV)的三维路径跟踪控制问题. 针对此问题, 首先利用时标分离原理及正交投影Serret-Frenet坐标系建立了描述AUV质心运动及姿态运动的的仿射非线性数学模型. 其次, 在控制器设计中运用神经网络H∞鲁棒自适应算法克服了模型的不确定性及扰动, 同时在控制器设计中利用了主导输入的思想, 降低了闭环系统的复杂度, 减少了实时计算工作量, 便于工程应用. 基于Lyapunov理论的分析保证了系统的稳定性. 仿真结果表明, 路径跟踪控制律可以保证AUV沿期望路径运动, 并且具有良好的动态性能.     

多自主水下航行器系统一致性编队跟踪控制

研究了自主水下航行器的编队路径跟踪问题.基于无源性理论与一致性跟踪理论,在仅有部分AUV获取编队速度信息情形下,设计一种分布式控制律,实现了集群AUV的一致性编队跟踪.控制律分为2个部分:一部分基于无源性同步原理,建立了协同误差到跟踪误差的无源性通道;另一部分为一致性协同跟踪控制器,保证每个AUV相对于虚拟领航者的不一致参考信息通过协商达到最终一致状态.文章应用Nested Matrosov定理证明了整个闭环系统的稳定性,仿真结果验证了上述方法的有效性和可行性.     

Adaptive tracking control of an autonomous underwater vehicle

This paper presents the trajectory tracking control of an autonomous underwater vehicle(AUV). To cope with parametric uncertainties owing to the hydrodynamic effect, an adaptive control law is developed for the AUV to track the desired trajectory. This desired state-dependent regressor matrix-based controller provides consistent results under hydrodynamic parametric uncertainties.Stability of the developed controller is verified using the Lyapunov s direct method. Numerical simulations are carried out to study the efficacy of the proposed adaptive controller.     

Adaptive path planning and tracking system based on model predictive control for autonomous vehicle local obstacle avoidance

Path planning and tracking control are the key technologies of autonomous vehicle. The planned path and tracking results affect driving stability and safety directly. In this paper, an improved local path planning method based on model predictive control is proposed to match the variation of vehicle speed and road adhesion coefficient. A two-layer model predictive control (MPC) path planning and tracking system is further designed to validate the method and the simulation results show that the proposed solution solves the problem of excessive avoidance and reduces the lateral deviation with the reference path.     

一种水下机器人运动的过程神经元控制

过程神经网络是传统神经网络的拓展, 增加了一个对于时间的聚合算子, 从而更好地模拟了生物神经元的信息处理机制. 这是由于水下机器人运动控制系统的输入、输出均是随时间连续变化的过程量. 结合S函数和预先规划思想, 建立水下机器人过程神经元的运动控制模型. 仿真试验证明,该新型控制模型, 对于水下机器人的运动非线性控制器具有设计简单、响应速度快、超调小、鲁棒性好等优点.     

基于模糊混合控制的自治水下机器人路径跟踪控制

基于模糊混合控制策略,本文提出了一种用于非线性欠驱动自治水下机器人的鲁棒路径跟踪控制方法.利用Sugeno型模糊推理系统,将PD滑模控制器与非奇异终端滑模控制器光滑连接,构造了模糊混合控制器.它能充分融合这两类控制器的优势,无论系统远离平衡点还是在其附近,都能取得快速收敛的效果.如果,借助于非时间参考量,将该混合控制器用于自治水下机器人路径跟踪控制,将有利于提高它在不确定环境中的跟踪能力.最后,通过仿真计算结果验证了该控制策略的有效性.     

一种基于混沌过程神经元水下机器人运动控制方法

由于系统的强非线性以及不确定性,同时考虑到港湾环境下水声信号的噪声大,水下机器人进行精确作业时的运动控制一直是其实用化过程中困挠人们的问题。过程神经网络是传统神经网络的拓展,它增加了一个对于时间的聚合算子,使网络同时具有时空二维信息处理能力,从而更好地模拟了生物神经元的信息处理机制。水下机器人运动控制系统的输入、输出均是随时间连续变化的过程量。在基本神经元模型上,结合S函数和预先规划思想,建立水下机器人过程神经元运动控制模型,参数学习过程中,将遍历性的渐变混沌噪声引入其中,增强控制器全局优化能力。仿真试验表明,该新型控制模型,对于水下机器人的运动非线性控制器具有设计简单、响应速度快、超调小、鲁棒性好等各种优点。