基于神经网络的水下机器人广义预测控制技术研究

摘要

自治水下机器人在海底侦查、大范围勘探和海底地形测绘等方面得到广泛应用，它代表了水下机器人技术的发展方向，受到了越来越多的关注。但是，自治水下机器人是一种高度非线性、参数时变的动态系统，当配备水下机械手时，又构成了一个高阶、冗余的组合结构，而且水动力系数不确定也会影响自治水下机器人的动态特性。因此，自治水下机器人的控制技术非常困难，迫切需要寻求一种合适的智能控制技术。 针对自治水下机器人的上述特点，本文提出了一种基于改进Elman神经网络的水下机器人广义预测控制系统。针对自治水下机器人高阶、非线性的特点，分析了改进Elman神经网络系统辨识方法，采用动态反向传播算法来训练改进Elman神经网络。将改进Elman神经网络与多层前向神经网络系统辨识进行对比仿真实验，仿真结果证明了改进Elman神经网络系统辨识的优越性。针对自治水下机器人参数时变的特点，建立了神经网络在线辨识模型，考虑到水下机器人计算机控制系统对在线学习时间的限制，提出了滚动样本法和改进在线辨识模式相结合的在线辨识方法。本文同时提出了基于神经网络的水下机器人广义预测控制系统的结构，给出了基于神经网络的广义预测控制算法，推导了BP网络和改进Elman网络灵敏度导数公式，并建立了神经网络多步预测模型。 在控制量被约束及受到噪声干扰的情况下，分别进行了基于BP神经网络的广义预测控制及基于改进Elman神经网络的广义预测控制的水下机器人运动控制仿真实验，仿真实验结果证明后者更适用于水下机器人控制。在自治水下机器人仿真实验的基础上，以哈尔滨工程大学水下运载器智能控制技术实验室自主开发的开架式“Beaver”水下机器人为实验载体，进行了纵向速度及艏向角速度的神经网络广义预测控制实验及其相应的闭环在线辨识实验、控制系统的鲁棒性等实验。实验结果证明，本文介绍的基于改进Elman神经网络的水下机器人广义预测控制系统在控制量被约束、受到随机干扰和控制对象动态特性变化的情况下，都能够很好地控制水下机器人纵向速度和艏向角速度，同时该系统具有较强的鲁棒性。

目录

文摘

英文文摘

声明

第1章绪论

1.1引言

1.2非线性系统控制综述

1.3水下机器人控制技术

1.4水下机器人系统辨识方法

1.5广义预测控制综述

1.6课题的来源及研究意义

1.7论文的主要工作

第2章广义预测控制

2.1引言

2.2广义预测控制的基本算法

2.3 DIOPHANTINE方程求解优化

2.4广义预测控制方法的参数选择

2.5广义预测控制算法的改进

2.6广义预测控制系统的分析

2.7广义预测控制仿真

2.8本章小节

第3章神经网络系统辨识

3.1引言

3.2辨识网络

3.2.1多层前向神经网络

3.2.2BP网络设计

3.2.3改进Elman神经网络

3.3神经网络系统辨识

3.3.1两种辨识结构

3.3.2神经网络在线辨识改进

3.4仿真实例

3.4.1BP神经网络辨识

3.4.2改进Elman神经网络辨识

3.4.3仿真对比分析

3.5本章小结

第4章基于神经网络的广义预测控制

4.1引言

4.2神经网络广义预测控制系统

4.3神经网络多步预测模型

4.4神经网络广义预测控制算法

4.4.1最小化性能指标函数的算法

4.4.2基于BP网络的灵敏度导数

4.4.3基于改进Elman网络的灵敏度导数

4.5 AUV动力学模型广义预测控制仿真

4.5.1基于BP网络的广义预测控制

4.5.2基于改进Elman网络的广义预测控制

4.5.3仿真实验对比分析

4.6本章小结

第5章水下机器人广义预测控制实验

5.1引言

5.2实验平台及环境介绍

5.3开环在线辨识实验

5.4在线辨识和无在线辨识的控制实验

5.5纵向速度控制实验

5.6鲁棒性实验

5.6.1改变水下机器人动态特性的实验

5.6.2抗干扰实验

5.7实验数据滤波方法

5.8艏向控制实验

5.8.1艏向角速度控制实验

5.8.2艏向抗干扰实验

5.9本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢