摘要
针对深海采矿机器人模型和外界环境不确定性而导致其控制问题异常复杂这一难题,首先用RBF神经网络逼近系统不确定性的上界,在状态反馈的基础上,构造了基于虚拟输入的航向控制鲁棒自适应律;然后给出了左右履带速度输入与虚拟输入之间的模糊控制推理规则,提出了采矿机器人的行走控制方法.仿真结果验证了所提出方法的可行性.
The control problem of deep seabed mining robot is very hard for model uncertainty and external environment uncertainty. Therefore, radius basis function （RBF） neural network is used to learn the unknown bounds of system uncertainties adaptively. Adaptive heading robust control algorithm is presented based on status feedback and virtual input. And control method on the crawling of deep seabed moving mining robot is described after the discussion on the fuzzy rule between virtual input and tracks velocity. Simulation results show the feasibility of this method.
出处
《控制与决策》
EI
CSCD
北大核心
2009年第5期794-796,800,共4页
Control and Decision
基金
国家自然科学基金重点项目(60634020)
国际海底区域研究开发“十五”项目(DY105-03-02-06)
国家重点基础研究发展规划项目(2002CB312203)
关键词
深海采矿机器人
行走
状态反馈
模糊规则
鲁棒控制
Deep seabed mining robot
Crawling
Status feedback
Fuzzy rule
Robust control
