一种基于回归型神经网络在线逼近的水下机器人轨迹跟踪控制方法

摘要

本发明涉及一种基于回归型神经网络在线逼近的水下机器人轨迹跟踪控制方法，属于水下机器人控制技术领域。其采用回归型神经网络对模型不确定性和水流随机干扰进行分类、在线逼近；对推进器推力模型泰勒展开，得到推力‑电压线性映射和非线性模型辨识误差，模型辨识误差作为模型不确定性一部分，通过神经网络在线逼近，将逼近值作为控制器输入；设计非奇异性反演终端滑模控制面，并推导反演终端滑模控制器，通过滑模控制项补偿神经网络逼近误差。本发明有效解决了受模型不确定性、水流干扰等因素影响下的机器人控制问题，提高了误差收敛时间；并克服了典型方法对突变目标轨迹的误差超调和误差收敛时间长的问题，提高了水下机器人的控制精度。