自主水下航行器的鲁棒自适应姿态控制算法

针对自主水下航行器(Autonomous Underwater Vehicle,AUV)在自动巡航任务中的姿态控制问题,提出了一种神经网络与滑模控制相结合的鲁棒自适应姿态控制算法。采用了RBF神经网络对AUV数学模型中的不确定项进行逼近,抑制了未建模动态和参数摄动的影响,进而基于反步法和滑模控制设计了姿态控制律,其中引入鲁棒项以克服外界干扰和神经网络逼近误差,并通过Lyapunov定理证明了控制系统的稳定性。将所设计的控制算法应用在AUV的姿态控制系统中进行数值仿真,验证了该控制算法的有效性和鲁棒性。

基于反步滑模算法的水下无人航行器变深控制

针对水下无人航行器(UUV)的深度控制问题,提出一种反步法与滑模控制相结合的变深控制策略,避免了一般反步法中因虚拟控制量调节过度而导致的UUV姿态失衡问题。首先,基于反步法和Lyapunov稳定性理论设计纵摇角和纵摇角速度两个虚拟控制量,并建立误差方程;然后,引入一阶滑模面并结合李雅普诺夫第二方法设计控制律,消除部分模型非线性项,保证所有状态误差全局渐进收敛于零;最后,对两组仿真算例进行分析。结果表明:在慢时变有界干扰下,所设计的控制器具有较好的深度跟踪性能和鲁棒性。