LYNGSO MARINE AEM402 基于神经网络的输出反馈控制

与状态反馈结果相反，、 LYNGSO MARINE AEM402 、Cjiaverini和Villani (2000)、Wondergem、Lefeber、Pettersen和Nijmeijer (2011)以及张、贾和齐(2011)提出了仅使用位置信息的输出反馈控制器。不幸的是，这些控制器是用于全驱动船的。因此，Do、Jiang、Pan和Nijmeijer (2004)开发了欠驱动船舶的输出反馈控制器，但是usv的质量矩阵应该是对角的。对于具有非对角质量矩阵的usv，Do等人在Do和Pan (2006)中提出了一种解决方案。但他们假设非线性阻尼矩阵是对角的，流体动力导数是常数，没有考虑输入饱和问题。在控制器设计中忽略输入饱和问题会降低实际物理系统的性能(Chen，Ge，How，& Choo，2013)。

受这些观察的启发，为了反映更真实的情况，我们考虑质量矩阵和阻尼矩阵都不是对角的USV模型。模型中的非线性阻尼项进一步假设为未知。为此，首先设计了一个基于神经网络的自适应观测器来估计USV的速度数据，尽管存在不确定性和外部干扰。结合观测器，提出了一种输出反馈控制器用于 LYNGSO MARINE AEM402 的参考跟踪。特别地，我们开发了能够同时处理输入饱和和欠驱动问题的附加控制器。最后，由于所提出的接近角仅利用位置信息，参考轨迹可以是任何一条线，包括直线，所提出的控制器保证跟踪误差的最终有界性。13365909307咨询

本文提出了基于神经网络的输出反馈控制， LYNGSO MARINE AEM402 用于具有输入饱和和不确定性的无人水下机器人的参考跟踪。为了估计具有不确定性的USV的速度数据，开发了基于神经网络的观测器。基于观测器的估计状态，利用能够同时处理输入饱和和欠驱动问题的附加控制器设计输出反馈控制器。此外，仅使用接近角

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。