申请/专利权人：山东航天电子技术研究所

申请日：2023-11-10

公开（公告）日：2024-03-19

公开（公告）号：CN117724515A

主分类号：G05D1/485

分类号：G05D1/485;G05D101/10

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.05#实质审查的生效;2024.03.19#公开

摘要：本发明涉及自主水下航行器控制领域，具体涉及一种小型AUV横滚控制单元与控制方法，所述的控制方法应用于所述的控制单元；所述的控制单元包括：自适应观测器、基于RBF网络的模型估计模块、基于RBF网络的饱和补偿模块和滑模控制器。所述的控制方法包括以下步骤：步骤一：建立AUV横滚姿态控制模型；步骤二：设计基于RBF自适应观测器的滑模控制；步骤三：在滑模控制律中加入基于RBF网络的饱和补偿。本发明利用RBF神经网络对横滚控制模型中不确定项进行逼近，削弱由参数摄动造成的滑模抖振；利用自适应观测器克服外界未知有界干扰；利用饱和补偿项克服因控制输入受限导致的控制性能下降。

主权项：1.一种小型AUV横滚控制单元与控制方法，所述的控制方法应用于所述的控制单元；其特征在于：所述的控制单元包括：自适应观测器，该模块输入为：滑模控制器输出的横滚舵角δd，基于RBF网络的模型估计模块输出的和实际横滚角与横滚角速度和该模块输出为：对实际横滚角与横滚角速度的估计值和基于RBF网络的模型估计模块，该模块输入为：滑模控制器输出的横滚舵角δd，自适应观测器输出的状态估计和实际横滚角与横滚角速度和该模块输出为：对横滚控制模型中不确定项fp和b的逼近；基于RBF网络的饱和补偿模块，该模块输入为：滑模控制器输出的横滚舵角δd和滑模函数s，基于RBF网络的模型估计模块输出的该模块输出为：对控制输入限幅前后差值的估计滑模控制器，该模块输入为：外界输入的期望横滚角基于RBF网络的模型估计模块输出的和自适应观测器输出的状态估计和基于RBF网络的饱和补偿模块输出的实际横滚角与横滚角速度和该模块输出为：横滚舵角δd和滑模函数s；所述的控制方法包括以下步骤：步骤一：建立AUV横滚姿态控制模型； 其中，为AUV的横滚角，p为横滚角速度，Jx为载体坐标系中沿x轴的转动惯量，λ44为载体坐标系中沿x轴的附加质量，ρ为AUV周围流体的密度，V为AUV的速度，S为AUV沿载体坐标系中x轴方向的最大横截面积，L为AUV的长度，δd为横滚舵角，dt为有界的未知外界干扰，为AUV横滚力矩系数，为AUV横滚控制力矩系数；将模型改写为 其中，fp＝ap；和为模型的不确定参数；步骤二：设计基于RBF自适应观测器的滑模控制；1设计观测器为 其中，为p的估计值；K1、K2为观测器的增益；为fp、b的估计；D＞0为鲁棒项；2利用RBF神经网络对fp、b进行估计，即 其中，和为估计权值；hiji＝1,2；j＝1,...,m为高斯基函数，m为RBF神经网络隐含层节点数量；设计神经网络自适应律为 其中，Fi＝FiT＞0,ki＞0,i＝1,2；为横滚角估计误差；3设计滑模控制器定义横滚角误差及其导数为和其中为期望横滚角，通常为零度；设计滑模控制律为 其中，滑模函数为为指数趋近率，c＞0,k＞0,η＞0；根据滑模控制律得到横滚舵角，实现对AUV横滚角的控制；步骤三：在滑模控制律中加入基于RBF网络的饱和补偿；在输入受限的情况下，取最大控制输入限制为δdmax，δ＝δd-δdmax为控制输入受限前后的差值；设计补偿后的滑模控制律为 其中，为对δ的估计；利用RBF网络对δ进行估计，即为估计权值；设计神经网络自适应律为其中，γ＞0，s为滑模函数，为横滚舵角增益。

全文数据：

权利要求：

百度查询： 山东航天电子技术研究所 一种小型AUV横滚控制单元与控制方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD