基于神经网络补偿的滑模控制在AUV运动中的应用.pdf

第28卷第9期
计算机应用研究
Vol 28 No9
201年9月
Application Research of Computers
sep.2011
基于神经网络补偿的滑模控制
在AUV运动中的应用
周焕银',刘开周,封锡盛
(1.中国科学院沈F阳自动化研究所机器人国家重点实验宣,沈阳110016;2.东华理工大学电信学院,江西抚
州344000;3.中国科学院研究生院,北京10009
摘要;由予自主水下机器人水动力模型参数的不确定性及其非线性,提出神经网络动於滑模面控制法。将
系统分为确定与不确定部分,通过滑模控制实现对系统确定部分的控制,通过神经网終所具有的自适应调节能
力实现对未知千扰与不确定部分进行补偿控制,提高系统的强鲁捧性。通过「小 punov法验证了控制算法的收
敛性;通过 MATLAB仿真平台和半物理仿真平台,验证了算法的魯棒性和抗千性。
关键词;自主水下机器人;神经网絡;滑模控;半物理仿宾
中图分类号:TP24
文献标志码:A
文章编号:1001-3695(2011)09-3384-03
doi:10.3969/j.-isn.1001-3695.2011.09.051
NN compensation controller based on
sliding mode control for AUV movement
ZHOU Hu
IU Kai-%hou FENC Xi-she
(1.RodoticsSroeKeyIabonaory.ShenyanghnstiuaegdAatomationChineeAekmyofSeiencs,Sheayarg110016,Chin;2,Schoolg'Ehe
riceCommuniction,EastCMhinnnstiuegrfTechnoeouy,ftouJiangxi34400,Chinan;3.CGradeSuhnoulofCineseAcudenryy'Sctees,
Beijing 100039, China)
Abstract: This paper designed one agorithm of neura network (NN d namie feedback control coupled with sliding mode
enl of AUV
posed the model of AUV of one known
ore part was ceo/m led by sliding mode control theory which was performed by sliding mdde control meanwhile the last one was
actuated by ANN whose parameters were online adjustment. Proved theories and developed by Lyapunov theory which denoted
that the tracking error could be converge
me simulation experiences by MATLAB platform and accum
plished some virual environment experiences with disturbance waves by the proposed algorithm. All these experiences achieve
cki
Key words: autonomous underwater vehicle(AU ); atificial neural net work; sliding mode contrl; virtual environment ex
由于白ま水下机器人水(AUV)系统具有非线性强稱合滑模面上的抖动采用滑模面指数衰减法。通过 Lyaponuv方程
性,而海水密度或环境变化AUV系统的水动力参数将会发生.推导神经网络自适调节率并验证了算法的收敛性;最后通过
变化,这些?素极易造成系统运动状态的不稳定。滑模挖 MATIAB仿真进一步证明∫算法的有效性,通过半物理仿真平
制算法能够克服被控对象参数变化以及系统外界于扰无关,故台验证了算法的可实践性。
滑模变结构制在非线性控制中得到较为广泛的应用2。
滑模控制在水下机器人中也得到了广泛应用“?。文献[6]通
自主水下机器人数学模型
过模搠滑模控制法対水下机器人中横摇角进行控制分析;文献
水下机器人的数学模型:在载体坐标系下系统的运动方程为
7]采用通过模糊控制作为补偿器以滑模控制为主对远程操
作水下机器人进行了数字仿真实验,验证了算法具有较强的抗
(1)
干扰能力与动性能。神经络控制对系统不确定项具有较
M+C(v)v+D(v)Y+g(n)=T
强的识和控制能力,在水下机器人应用中取得了较理想的成
M=M,.+M
果器?。但是由于滑模控制对非匹配问题无法解决,放本文
(り=CRs(vり+C(v
(3)
提出了基丁神经网络补偿器的摸制技术,通过滯模控制对其中:v=[u0Pg]为运动坐标系下水下机器人
确定部分进行制,通过神经网络在线估计对系统有界不确定线速度和角速度:=[x,了,,中,6,ψ]为固定坐标系下水下
部分进行补偿控制,优化系统运动轨迹。为了减少系统运动在机器人的位置与姿态向;M为质敏阵,包括Ma为水下机
收稿日期:2011-01-05:修回日期:201-07-21落金项目:中国科学院知识的新エ程重要方向资助项目(YYY」J-0917);国家重点基融研
究资助项月(6138102008-4);江西省教育斤科技资助项目(GJ0171
作者筒介:周焕,女,博士研究生,主要研究方向为基子多模型控制的水下机器人送动控制方法(zhouhy@ia.cn);刘开周,男,刮研究员,博
士,主要研究方向为水下机器人控制;封盛、男,研究琐。中国工程院院士,埓导,主要研究方向为水下机器人研究与开发
万方数据