基于EKF神经网络的潜艇运动模糊控制

非线性与大惯性是潜艇运动的主要特性,基于试验模型得到的潜艇标准运动方程在很多情况下无法准确描述潜艇的运动过程,特别是当潜艇运动方程建模误差较大时,传统基于模型的控制器设计方法就显得力不从心。因此,本文提出了一种不基于模型的卡尔曼神经网络模糊控制算法,在神经网络学习训练过程中,利用卡尔曼滤波算法优越的数学特性将扩展卡尔曼滤波递推公式与RBF算法结合训练神经网络权值,根据神经网络输出的潜艇运动参数设计模糊控制器。仿真结果表明,该算法具有很好的控制精度、动态特性和鲁棒性。

基于EKF神经网络的潜艇运动模糊控制

卡尔曼滤波算法是常用的优化算法之一，广泛应用于去噪、滤波、优化等方面。利用其优越的数学特性，在神经网络学习训练过程中，将扩展卡尔曼滤波递推公式与RBF算法结合，然后根据神经网络输出的潜艇运动参数来设计模糊控制器。仿真结果表明：该算法具有很好的控制精度、动态特性和鲁棒性。