原文传递
事件触发条件下船舶轨迹跟踪及编队的神经网络自适应滑模控制研究
| 论文题名： | 事件触发条件下船舶轨迹跟踪及编队的神经网络自适应滑模控制研究 |
| 关键词： | 船舶轨迹跟踪;编队控制;神经网络;自适应滑模控制;事件触发 |
| 摘要： | 智能船舶在海洋领域和自动控制领域的应用日益广泛，已经成为国内外学者研究的热点课题。实际的船舶系统受到大量不确定因素影响，包括船舶模型非线性、洋流、海浪和风的影响，这些因素为控制器的设计带来了巨大的挑战。本文主要研究了船舶轨迹跟踪以及编队控制问题，利用自适应滑模和神经网络设计控制器，同时考虑到船舶执行器损耗的问题，引入事件触发机制，设计基于事件触发的船舶运动控制方法。本文的主要研究成果如下： （1）针对存在未知上界的外部干扰和模型不确定性的全驱动船舶轨迹跟踪控制问题，分别提出了基于单隐层径向基神经网络和基于双隐层递归神经网络的自适应滑模控制器。首先通过轨迹跟踪的位置误差和速度误差构造线性滑模面，利用神经网络逼近船舶模型不确定性以及外部干扰，设计自适应律在线更新神经网络权值，利用自适应滑模解决增益过估计和抖振问题。通过MATLAB仿真可以看出，双隐层递归神经网络能够使系统获得更好的近似性能和动态性能。 （2）针对存在外部干扰和模型不确定性的全驱动船舶轨迹跟踪控制问题，在所提出的基于双隐层递归神经网络的自适应滑模控制器的基础上，考虑能源消耗、执行器损耗的问题，分别引入固定阈值事件触发和相对阈值事件触发，在保证原有的跟踪效果的同时，有效地降低了控制器的更新频率以及执行器的损耗。通过李雅普诺夫方法证明了系统的稳定性，通过计算事件触发的最小间隔时间，证明系统不存在芝诺行为。从仿真结果可以看出，采用相对阈值事件触发机制，可减少控制器触发次数，从而使资源更加有效的利用。 （3）研究了存在模型不确定性和时变扰动的船舶编队控制问题，利用自适应滑模方法、双隐层递归神经网络和事件触发机制，提出基于事件触发的分布式滑模控制器，实现各艘船舶相互协调控制，领航船按预设的轨迹航行且所有船舶保持理想队形。结合各艘船舶的队形位置误差和速度误差构造滑动变量，利用双隐层递归神经网络逼近模型不确定性和时变扰动，并且控制器只有在满足所提出的事件触发条件时才会更新。通过李雅普诺夫方法证明了系统的稳定性，MATLAB仿真结果表明本章所提出的控制方法具有良好效果。 |
| 作者： | 时明群 |
| 专业： | 控制工程 |
| 导师： | 阎妍 |
| 授予学位： | 硕士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
