基于神经网络的鲁棒自适应舵减摇控制北大核心CSCD

目的]针对存在系统未知非线性函数和外界随机扰动的欠驱动水面船舶舵减摇控制问题,提出一种基于多层循环神经网络的自适应非奇异快速终端滑模舵减摇控制器。方法]首先,针对传统滑模控制中存在的奇异性和收敛性问题,引入非奇异快速终端滑模面,并在假设船舶模型已知的情况下设计滑模控制律;接着,对传统径向基神经网络进行改进,并利用改进后的神经网络去逼近系统未知非线性函数,以解决船舶航行时模型难以确立的问题,提高控制精度;然后,应用Lyapunov理论证明闭环系统的稳定性和有限时间收敛性,并推导出神经网络参数的自适应律;最后,对一艘多用途海军舰艇进行数值仿真分析。结果]结果显示,当船舶处于航向保持工况时,所提出的控制器减摇率为50.41%,与非奇异快速终端滑模控制器相比提升了19.2%;当船舶处于变航向工况时,所提出的控制器减摇率为23.46%,与非奇异快速终端滑模控制器相比提升了12.59%。结论]该方法可以为欠驱动船舶舵减摇控制设计提供参考。