基于神经网络Backstepping的欠驱动AUV变深控制

摘要

为解决欠驱动自主水下机器人(AUV)变深控制问题，提出基于反馈增益的backstepping的控制方法，不同于基于精确模型的反馈线性化的方法，通过控制器参数设计消除了部分非线性项，保证了系统稳定性的同时，通过神经网络对纵倾运动中的阻尼项和外界干扰作用进行补偿，另外有别于传统的将估计误差作为上界已知的常值的假设，设计自适应鲁棒控制器来在线补偿神经网络的估计误差，减少了神经网络的收敛学习时间，神经网络的权值和估计误差的自适应律由李亚普诺夫稳定性理论设计得出，保证了系统的一致最终有界性。最后将设计的控制器应用于某型AUV，通过仿真实验验证了在有界干扰作用下的有效性。