基于事件触发的自适应神经轨迹跟踪有限时间控制,用于未经调节的无人驾驶海洋表面船只,具有不对称的输入和度

科学领域:

• 海洋机器人和控制系统
• 适应性控制理论 适应性控制理论
• 神经网络在工程中的应用 神经网络在工程中的应用

背景情况:

• 由于其复杂的动力学和有限的执行器,无人驾驶海上水面船 (MSV) 存在重大控制挑战.
• 现有的控制方法经常与系统不确定性,输入非线性 (如和度) 和需要节能运行的需求作斗争.
• 与传统的非对称稳定性方法相比,有限时间收 (FTC) 提供了更好的过渡性性能.

研究的目的:

• 开发适应性有限时间轨迹跟踪控制策略,用于低值的MSV.
• 使用神经网络解决系统不确定性和不对称的输入和.
• 通过事件触发控制 (ETC) 机制来减少控制系统的喋喋不休,并节省执行器能量.

主要方法:

• 适应性神经网络的整合,以接近未知的系统动态和不确定性.
• 一个采用有限时间融合 (FTC) 原则的后退控制器的设计.
• 实现动态事件触发条件 (ETC) 以优化执行器激活并最大限度地降低通信负载.

主要成果:

• 拟议的自适应神经网络控制器确保有限时间的轨迹跟踪的MSVs.
• 事件触发的控制策略有效地减少了执行器的使用,同时保持了系统性能.
• 利亚普诺夫稳定性分析证实,所有闭环系统信号都是半全球均的最终边界.

结论:

• 结合的自适应神经网络和事件触发的有限时间控制方案是有效的MSV轨迹跟踪.
• 该方法成功地处理了系统的不确定性和输入和,证明了它的稳定性.
• 模拟结果验证了拟议的控制策略的性能和效率.