基于RBF神经网络的自主水下航行器模型预测路径跟踪控制

TP273; 针对自主水下航行器(AUV)的模型不确定性和多约束的特点,设计了基于径向基(RBF)神经网络的模型预测控制器.在使用模型预测控制(MPC)进行路径跟踪控制的基础上,利用实时测量数据在线训练RBF神经网络,对AUV模型不确定性进行补偿,抑制了模型不确定性对模型预测控制器的干扰,减小了系统的超调量和跟踪误差.仿真结果表明,基于RBF-MPC路径跟踪控制算法与经典的MPC算法相比,具有更好的暂态和稳态性能....

Full description

Saved in:
Bibliographic Details
Published in西北工业大学学报 Vol. 41; no. 5; pp. 871 - 877
Main Authors 郭琳钰, 高剑, 焦慧锋, 宋允轩, 陈依民, 潘光
Format Journal Article
LanguageChinese
Published 西北工业大学 航海学院,陕西 西安 710072%西北工业大学 无人系统技术研究院,陕西 西安 710072 01.10.2023
中国船舶科学研究中心,江苏 无锡 214082
Subjects
模型预测控制
model predictive control
radial basis function neural network
自主水下航行器
径向基神经网络
autonomous underwater vehicle
路径跟踪控制
path fol-lowing
Online AccessGet full text
ISSN1000-2758
DOI10.1051/jnwpu/20234150871

Cover

More Information
Summary:TP273; 针对自主水下航行器(AUV)的模型不确定性和多约束的特点,设计了基于径向基(RBF)神经网络的模型预测控制器.在使用模型预测控制(MPC)进行路径跟踪控制的基础上,利用实时测量数据在线训练RBF神经网络,对AUV模型不确定性进行补偿,抑制了模型不确定性对模型预测控制器的干扰,减小了系统的超调量和跟踪误差.仿真结果表明,基于RBF-MPC路径跟踪控制算法与经典的MPC算法相比,具有更好的暂态和稳态性能.
ISSN:1000-2758
DOI:10.1051/jnwpu/20234150871