无人遥控潜水器垂向运动控制系统建模与仿真

遥控无人潜水器(Remote Operated Vehicle,简称ROV)在水下探测、水下作业等高危领域具有重要的作用。ROV是高度耦合的非线性动力系统模型,具有复杂的外形,在实验过程中,往往难以获取准确的参数信息,同时还受到缆绳干扰和海流等外部干扰力的影响。使用经典的反馈线性化控制器进行控制器设计时,各种不确定性干扰项会对控制性能带来较大的偏差,不能满足实际工程的需要。为了克服这些问题,提升控制器的稳定性和抗干扰性能,设计了一种基于神经网络的反馈线性化控制器。该控制器采用径向基函数(Radial Basis Function,简称RBF)神经网络对控制器中的不确定项进行非线性逼近,以此作为反馈线性化的控制律输入,设计Lyapunov函数,证明了基于RBF神经网络反馈线性化控制律的稳定性,通过仿真对比,在考虑外力干扰和模型不确定的条件下,验证了控制的性能。基于神经网络的反馈线性化控制器有效解决了系统建模的不确定性和环境干扰的不可测问题,保证了在粗略模型参数的基础上系统的稳定性、准确性和抗干扰能力,有效提升ROV运动控制性能。