基于RBF神经网络自适应滑模的机器鱼运动控制

针对水中扰流、波浪等外界环境扰动下机器鱼空间运动控制问题,以灵活的3自由度胸鳍推进仿生机器鱼为研究对象,在设定胸鳍最优运动轨迹的基础上,将控制输入简化为拍翼角相位差,并建立仿生机器鱼在扰动条件下的水动力学模型。由于流体运动的复杂性以及机器鱼自身变形对动力学参数的影响,提出了RBF神经网络自适应滑模的机器鱼控制方法,采用RBF神经网络对动力学模型中的不确定项和水流干扰项进行在线逼近,并结合自适应滑模控制器对控制参数进行实时调节,通过李亚普诺夫稳定性定理证明所设计控制器具有渐近稳定性。实验结果表明机器鱼在螺旋下潜运动时,仅在初始阶段具有较大的误差,约8 s后机器鱼的运动轨迹和期望轨迹基本吻合,验证了所述方法的有效性。