一种基于混沌过程神经元水下机器人运动控制方法
DOI:
CSTR:
作者:
作者单位:

哈尔滨工程大学船舶工程学院

作者简介:

唐旭东

通讯作者:

中图分类号:

基金项目:


A chaotic process neural control for autonomous underwater vehicle
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    由于系统的强非线性以及不确定性,同时考虑到港湾环境下水声信号的噪声大,水下机器人进行精确作业时的运动控制一直是其实用化过程中困挠人们的问题。过程神经网络是传统神经网络的拓展,它增加了一个对于时间的聚合算子,使网络同时具有时空二维信息处理能力,从而更好地模拟了生物神经元的信息处理机制。水下机器人运动控制系统的输入、输出均是随时间连续变化的过程量。在基本神经元模型上,结合S函数和预先规划思想,建立水下机器人过程神经元运动控制模型,参数学习过程中,将遍历性的渐变混沌噪声引入其中,增强控制器全局优化能力。仿真试验表明,该新型控制模型,对于水下机器人的运动非线性控制器具有设计简单、响应速度快、超调小、鲁棒性好等各种优点。

    Abstract:

    Owing to the nonlinearity and uncertainties of the system, big noises of sensors in the harbor, and the precise control of automatic underwater vehicles (AUVs) in some intelligent operations have been puzzling us in the application of AUVs. Process Neural Network is an extension of traditional neural network, in which has increased a for time get together operator, makes network at the same time have two space – time dimensional information processing ability. So imitate the information processor system of biological neuron better. Both inputs and outputs of AUVs motion control system are processing vector which related with time. Based on basic process neuron, integrating S function and pre-planning idea, a process neuron of AUVs control is introduced. At the parameters learning phase, gradually reducing chaotic noise is added to the networks to form a powerful globe optimization algorithm.Simulation results show that new control is a useful control algorithm for underwater vehicles, which features higher precision, simpler design, quicker response, and better robustness.

    参考文献
    相似文献
    引证文献
引用本文

唐旭东.一种基于混沌过程神经元水下机器人运动控制方法[J].控制与决策,2010,25(2):213-217

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-03-10
  • 最后修改日期:2009-05-18
  • 录用日期:
  • 在线发布日期: 2010-02-20
  • 出版日期:
文章二维码