融合卡尔曼滤波的无人船航向神经网络控制

发布时间：2021-09-29 21:47

　　为实现无人船的航向自主跟踪功能,考虑随机性环境扰动对船舶运动的影响,提出一种融合卡尔曼滤波器的自适应神经网络航向分数阶控制方法。对无人船的航向跟踪控制系统和外部环境干扰进行数学建模,设计该模型下的扩展卡尔曼滤波器,避免环境因素对船舶操纵性能的影响,基于分数阶微积分理论设计无人船航向控制的分数阶控制器,给出一种径向基函数神经网络学习算法,用于解决该控制器的参数整定问题。对所提方法进行仿真实验,实验结果表明,该方法能使无人船快速稳定地跟踪期望参考航向,具有良好的自适应性和鲁棒性。 

【文章来源】：计算机工程与设计. 2020,41(08)北大核心

【文章页数】：6 页

【部分图文】：

RBF网络整定控制器参数原理框架

仿真实验1：无环境扰动下，系统（1）和系统（4）的仿真对比实验。系统（1）即式（1）所示的连续型USV航向跟踪控制系统，系统（4）即该连续型系统经离散化后所得的离散型控制系统，如式（4）所示。在常规PID控制器作用下，分别取控制器参数为：kp=4,ki=1,kd=3，设置实验过程中的期望参考航向以40s为周期做±10°的交替变换，在100s内得到两个系统的航向控制响应曲线如图2所示。由图2可知，在被控对象、实验背景和控制方式相同的情况下，离散型USV航向跟踪控制系统和连续型USV航向跟踪控制系统的航向响应曲线除超调量有少量不同以外，其上升时间和调节时间基本一致，且两条航向响应曲线的走向总体相同，说明了本文对连续型USV航向跟踪控制系统（1）所采用的近似离散化方法有效可行。

仿真实验2：无环境扰动下，常规PID控制器、模糊PID控制器、RBF神经网络PID控制器和本文方法的仿真对比实验。分别取各控制器的初始参数值为：kp=4,ki=1,kd=3，λ=1，μ=1，设置实验过程中的期望参考航向以40s为周期做±10°的交替变换，在60s内得到离散系统（4）的航向控制响应曲线如图3所示。根据图3可以发现，模糊PID控制器和常规PID控制器的控制结果较不理想，主要体现在调节时间较长，超调量较大；而比较之下的RBF神经网络PID控制器和本文方法基本做到无静差调节，调节速度快而且精度高。同时还可以发现在所比较的4种方法中，本文所设计的控制方法具有最快的调节速度和更好的控制品质。

【参考文献】：
期刊论文
[1]欠驱动无人艇自适应滑模航迹跟踪控制[J]. 陈霄,周德超,刘忠,张建强,王潋.  国防科技大学学报. 2018(03)
[2]基于模糊控制的扩展卡尔曼滤波SOC估计研究[J]. 方磊,陈勇,赵理,殷康胜,郑阳.  系统仿真学报. 2018(01)
[3]基于非对称模型的欠驱动USV自适应路径跟踪控制[J]. 陈霄,刘忠,张建强,董蛟.  系统工程与电子技术. 2018(01)
[4]飞机舵机电液加载系统多余力抑制方法研究[J]. 刘晓琳,王春婷.  系统仿真学报. 2017(02)
[5]基于自适应变异粒子群算法和BP神经网络的短期燃气负荷预测[J]. 张少平,徐晓钟,代军委.  计算机应用. 2016(S1)
[6]非完全对称欠驱动高速无人艇轨迹跟踪控制[J]. 万磊,董早鹏,李岳明,何斌.  电机与控制学报. 2014(10)

硕士论文
[1]无人船航向控制器设计与仿真研究[D]. 龚波.广西大学 2019



本文编号：3414534