基于确定学习方法的无人水面艇编队控制与学习研究

发布时间：2022-01-10 03:16

　　随着人工智能、电子信息与新能源等技术的迅速发展和社会需求的强力推动,近年来无人水面艇（unmanned surface vehicle,USV）已进入快速发展的阶段。智能化、无人化的水面艇在军事、民用等领域得到了广泛的应用。为克服单艘USV能力的限制,由多艘USV组成的编队系统应运而生,并吸引了国内外许多学者对多无人艇系统的编队控制问题开展深入的研究。考虑到USV系统模型中存在着未建模不确定动态,本文采用径向基函数（radial basis function,RBF）神经网络在线估计动力学模型的未知非线性连续函数。此外,结合确定学习理论,能够对周期（类周期）轨迹的USV系统实现局部准确的辨识,并以常数神经网络权值的形式存储已辨识的系统动态知识,实现知识获取、表达、存储和再利用的目标。本文针对基于确定学习方法的USVs编队控制与学习问题展开研究,主要研究内容如下:（1）第二章研究基于有限时间的USV自适应神经网络跟踪控制问题。首先,本章采用非对称约束来量化输出跟踪误差的暂态特性,并选用指数衰减函数作为非对称误差约束条件。然后通过预设性能控制（prescribed performance ... 

【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：95 页

【学位级别】：硕士

【部分图文】：

反水雷无人水面艇

Pacific900无人武装艇

天行一号

【参考文献】：
期刊论文
[1]无人水面艇技术发展回顾与趋势分析[J]. 张伟,廖煜雷,姜峰,赵铁军.  无人系统技术. 2019(06)
[2]无人水面艇研究现状与发展趋势[J]. 彭艳,葛磊,李小毛,钟雨轩,张鑫.  上海大学学报(自然科学版). 2019(05)
[3]非线性系统有限时间控制研究综述[J]. 刘洋,井元伟,刘晓平,李小华.  控制理论与应用. 2020(01)
[4]基于RBF神经网络参数自整定的AUV深度控制[J]. 杜度.  水下无人系统学报. 2019(03)
[5]现代水面无人艇技术[J]. 朱炜,张磊.  造船技术. 2017(02)
[6]水面无人艇航迹规划算法设计与仿真[J]. 苏义鑫,石兵华,张华军.  武汉理工大学学报. 2016(06)
[7]State and Output Feedback Finite-time Guaranteed Cost Control of Linear It Stochastic Systems[J]. YAN Zhiguo,ZHANG Guoshan,WANG Jiankui,ZHANG Weihai.  Journal of Systems Science & Complexity. 2015(04)
[8]一类二次型离散系统的有限时间稳定与镇定[J]. 冯智辉,邓飞其,覮刘文辉.  华南理工大学学报(自然科学版). 2015(01)
[9]RBF神经网络的结构动态优化设计[J]. 乔俊飞,韩红桂.  自动化学报. 2010(06)

硕士论文
[1]基于动态模式识别的柔性关节机械臂智能控制[D]. 叶慧平.华南理工大学 2018
[2]基于确定学习的心肌缺血早期检测技术研究及C++实现[D]. 田景坤.华南理工大学 2016
[3]非线性系统分布式合作学习控制[D]. 花少勇.西安电子科技大学 2014



本文编号：3579951