基于RBF神经网络的作业型AUV自适应终端滑模控制方法及实验研究

来源：机器人杂志2018年第3期北京时间：

作者：杨超, 郭佳, 张铭钧

摘要：研究了作业型AUV （自主水下机器人）的轨迹跟踪控制问题.实际作业中，水下机械手展开作业过程将引起AUV动力学性能变化，进而影响AUV轨迹跟踪控制；并且水流环境干扰亦将影响AUV轨迹跟踪控制.针对上述AUV轨迹跟踪控制问题，提出一种基于RBF （径向基函数）神经网络的AUV自适应终端滑模运动控制方法.该方法在李亚普诺夫稳定性理论框架下，采用RBF网络对机械手展开引起的AUV动力学性能变化和水流环境干扰进行在线逼近，并结合自适应终端滑模控制器对神经网络权值和AUV控制参数进行自适应在线调节.通过李亚普诺夫稳定性理论，证明AUV系统轨迹跟踪误差一致稳定有界.针对滑模控制项引起的控制量抖振问题，提出一种变滑模增益的饱和连续函数滑模抖振降低方法，以降低滑模控制量抖振.通过AUV实验样机的艏向和垂向的轨迹跟踪实验，验证了本文AUV系统控制方法和滑模降抖振方法的有效性.

关键词：作业型AUV, RBF神经网络, 模型不确定性, 滑模控制, 轨迹跟踪控制, 抖振降低