基于多观测器的UVMS自适应神经网络抗扰控制
水下机器人机械臂系统(UVMS)往往面临高度非线性、模型不确定、复杂海洋干扰及执行器死区非线性等因素,严重影响控制精度.首先将UVMS水动力学模型与死区非线性特性变换为模型已知和未知两部分,其中未知部分与其他干扰归结为总干扰.接下来利用基于径向基函数(RBF)的自适应神经网络逼近未知非线性函数,并构造神经网络性能估计器,利用其估计误差设计了一种新颖的神经网络干扰观测器来估计总干扰.在此基础上提出了一种基于神经网络干扰观测器、性能估计器以及多补偿器的自适应神经网络抗扰控制算法,并利用李雅普诺夫方法分析了闭环系统的稳定性.最后将所提的算法运用到6自由度UVMS进行仿真实验,并通过对比验证了本文所提控制算法的有效性.
RBF神经网络控制;水下机器人机械臂系统;神经网络性能估计器;神经网络干扰观测器;执行器死区
28
TP183(自动化基础理论)
中央高校基本科研业务费专项;山东省自然科学基金;国家重点实验室开放基金
2021-12-24（万方平台首次上网日期，不代表论文的发表时间）
共10页
2143-2152
