基于RBF神经网络的新型AUV自抗扰控制方法

摘要：

近海底复杂环境中精细观测作业与精确位置控制等技术对自主水下航行器(AUV)提出了更高的要求.为此本文提出一种基于径向基函数神经网络(RBFNN)的新型自抗扰控制方法.利用自适应RBF神经网络的自学习能力,对扩张状态观测器进行优化,使其对模型不确定部分和环境干扰能够自适应估计,并实现将总扰动在线补偿到控制输入中,实现更佳的扰动估计及控制性能.通过仿真实验发现,与传统自抗扰控制(ADRC)相比,不同阶跃输入下,改进方法具有更小的观测误差,控制稳定性更好,且在较低采样频率下依然可以取得理想的控制效果.仿真结果表明,本文方法能够优化扩张状态观测器的性能,提高AUV在不同阶跃输入及采样频率下的稳定性,简化了控制器调参过程,为实际工程应用提供借鉴.

关键词：自主水下航行器、自抗扰控制器、自适应径向基函数神经网络、扩张状态观测器

所属期刊栏目：45

分类号：U675.91

资助基金：深海光学AUV系统研制及示范应用;深渊AUV研制及与自主对接技术研究;国家重点研发计划;国家重点研发计划

在线出版日期：2023-10-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：85-91