基于RBF神经网络的船舶自适应区域到达控制

发布时间：2021-08-13 01:27

　　针对全驱动海洋水面船舶的区域到达控制问题,结合反演法,提出了一种基于RBF神经网络的自适应区域达到控制算法;与传统的定点控制方法不同,区域到达控制概念中将控制目标设定为以期望点为中心的空间区域;控制器的设计实现主要采用了目标势能函数、反演设计方法和李雅普诺夫稳定性理论;利用RBF神经网络,对全驱动船舶模型中的不确定函数及外部环境扰动进行有效逼近;通过李雅普诺夫理论,对所提出的船舶区域到达控制算法进行了稳定性分析,并证明了闭环系统的一致最终有界性;仿真研究结果验证了所设计的区域到达控制器的有效性。 

【文章来源】：计算机测量与控制. 2020,28(04)

【文章页数】：5 页

【部分图文】：

船舶区域到达控制原理图

为了便于仿真实验验证，设定期望目标区域为半径r0=2的圆，中心位置，并随机指定船舶初始位置为。所采用的RBF神经网络节点数为20个，即l=20，高斯函数的中心矢量，μi的每一分量均匀分布在[-5,5]，基宽取1，网络的初始权值取0，仿真中采用控制律式（18）和自适应律式（19），得到仿真结果如图2～3所示。全驱动海洋水面舰船在整个XY平面内的运动曲线如图2所示，可以清楚地观察到，本文所提出的基于RBF神经网络的自适应区域到达控制算法能够快速地使无人模型船很好地趋近并收敛至以目标点为中心的目标空间区域内。

图3表明，船舶的目标势能函数随着时间增加，最终趋近于零，由目标势能函数的性质（1）可知，当势能函数的值为零时，势能函数关闭不再发挥作用，此时船舶已收敛到达至目标区域内，证明了对全驱动海洋水面船舶的区域到达控制得以实现，进一步阐述了该控制算法的有效性。4 结论


本文编号：3339461