基于人类决策搜索算法和RBFNNN的跨领域机器人的主动容错的反输入和控制

科学领域:

• 机器人和控制系统 机器人和控制系统
• 在工程领域的人工智能.
• 容错系统 容错系统

背景情况:

• 跨领域机器人 (CDR) 由于驱动器故障和水阻力,在水面上面临性能下降.
• CDR数学模型表现出参数不确定性和显著的抗水性,使控制复杂化.
• 现有的控制策略可能无法充分应对故障和环境干扰的联合挑战.

研究的目的:

• 为在陆地和水上运行的CDR开发一个先进的主动故障耐受性控制 (AFTC) 算法.
• 为了减轻驱动效率降低,耐水性和模型不确定性的影响.
• 在复杂的跨领域环境中增强CDR的稳定性和可靠性.

主要方法:

• 一个新的AFTC算法集成了一个快速非单元终端滑动模式控制器 (NTSMC) 和一个辐射基函数神经网络 (RBFNN).
• 该RBFNN估计和补偿驱动器故障,防水和参数不确定性.
• 整合了反输入和控制算法,以防止驱动器和,以及用于参数优化的人类决策搜索算法 (HDSA).

主要成果:

• 拟议的基于RBFNN的AFTC算法有效地估计和补偿系统不确定性和故障.
• 模拟结果证实了算法能够在陆地和水面上保持稳定和高效的机器人操作的能力.
• 反输入和和HDSA有助于提高控制性能和参数调节.

结论:

• 开发的AFTC战略,包括RBFNN和NTSMC,为CDR在具有挑战性的跨领域环境中运行提供了强大的解决方案.
• 该方法成功地解决了驱动器故障,防水性和模型不确定性,提高了运行可靠性.
• 这项研究为不同地形的自主机器人控制方法取得了重大进展.