[发明专利]一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法

权利要求书

1.一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法，其特征在于，该方法的过程为：

步骤1.通过压力传感器采集压力信息，并根据该压力信息计算获得对应的自主水下航行器AUV所在的深度；

步骤2.建立欠驱动自主水下航行器AUV的数学模型和鲁棒变深控制器模型；

根据海流环境以及AUV水动力参数，建立欠驱动自主水下航行器AUV的数学模型，采用基于反馈增益的反步法设计鲁棒变深控制器模型；

步骤3.获得基于神经网络权重的在线学习算法和自适应鲁棒控制器参数的自适应规律，对步骤2获得的数学模型中存在的不确定性进行在线识别及误差估计，并给予补偿、优化最终控制器的输出信号，然后采用该控制器实现欠驱动自主水下航行器AUV的变深控制。

2.根据权利要求1所述的一种基于神经网络反步法的欠驱动自主水下航行器变深控制方法，其特征在于，步骤3的具体过程为：

首先，对获得的欠驱动自主水下航行器AUV的数学模型中存在的不确定性进行在线辨识，并通过反馈回路对不确定性进行补偿，通过李亚普诺夫稳定性理论设计神经网络权重的学习律，保证参数具有李亚普诺夫意义下的全局收敛性；所述不确定性包含未建模动态和由于海流作用引起的参数不确定性；

然后，针对欠驱动自主水下航行器AUV的数学模型，设计自适应鲁棒控制器模型对神经网络的估计误差进行在线估计，并通过反馈回路予以补偿，优化最终控制器的输出信号，所述最终控制器的表达形式为：

δs=-k1q-k2θ-k3ze-1bs(mqc1c2usinθ+W^TΦ(x)+ϵ^tanh(qeσ))---(43)]]>

式中：δ_s表示自主水下航行器AUV的水平升降舵舵角，单位是弧度，q表示自主水下航行器AUV的纵倾角速度，q_e表示纵倾角速度误差，θ表示自主水下航行器AUV的纵倾角，z_e表示跟踪误差，b_s表示舵效系数，表示神经网络权值的估计值，Φ(x)为径向基神经网络的高斯基函数，表示神经网络逼近误差的估计值，σ为常数，u表示自主水下航行器AUV的纵向速度，

通过李亚普诺夫稳定性理论设计估计误差的自适应律，保证系统闭环信号的一致渐进有界。