[发明专利]基于RBF神经网络的无人船艇航向自抗扰控制系统

说明书

本发明公开了一种基于RBF神经网络的无人船艇航向自抗扰控制系统，包括：采集无人船艇的实际航向角信息的传感器磁罗经；接收所述传感器磁罗经传送的实际航向角信息、用户传送的设定航向角信息以及无人船艇的控制量信息的自抗扰单元；接收传感器磁罗经传送的实际航向角信息以及无人船艇控制量信息的RBF神经网络辨识器。本系统利用自抗扰单元实现无人船艇的航向控制，并通过RBF神经网络辨识器来优化自抗扰单元内的误差反馈系数β₁和微分误差反馈系数β₂，实现参数的自适应，从而提高无人船艇航向控制的精度，增强系统的鲁棒性。

技术领域

本发明涉及无人船艇航行控制领域，尤其涉及一种基于RBF神经网络的无人船艇航向自抗扰控制系统。

背景技术

无人船艇是一种可以实现海上自主航行并完成指定任务的智能运动平台，能够执行扫雷、侦查、监视、反恐等极具危险性的工作，降低了人员伤亡情况，在未来还可以配合其它无人平台共同执行任务。无人船艇要完成特定的任务，就必须要有良好的运动特性，而无人船艇的航向控制是对其运动控制研究的基础，因此，研究无人船艇的航向控制对无人船艇的发展具有重要意义。

目前对无人船艇的航向控制所采取的方法有很多，有PID控制、自适应控制等常规控制方法，但由于无人船艇模型的复杂性、模型参数的不确定性、以及外界环境的干扰，该设计只是在一定范围内有效，抗干扰能力差，鲁棒性不强。自抗扰控制方法(ADRC)因为不依赖具体模型且具有估计未知扰动的能力，应用比较广泛，甚至可以应用到无人船艇的航向控制中，但由于其自身结构复杂且内部参数众多，很难将参数调整到最优，要想实现精确的无人船艇航向控制，需要进行大量的实验，反复的调节参数才能成功，这无疑增加了实验难度。

发明内容

根据现有技术存在的问题，本发明公开了一种基于RBF神经网络的无人船艇航向自抗扰控制系统，利用RBF神经网络的自学习，自适应能力去优化自抗扰单元ADRC内的参数，使得参数会根据无人船艇自身模型以及外界环境的变化而改变，减小了调节参数的难度，解决无人船艇航向控制问题，提高航向控制的精度，增强了系统的鲁棒性，具体包括：

采集无人船艇的实际航向角信息的传感器磁罗经；

接收所述传感器磁罗经传送的实际航向角信息的自抗扰单元，所述自抗扰单元同时接收用户传送的设定航向角和对无人船艇的控制量；所述自抗扰单元包括跟踪微分器、扩张状态观测器、非线性状态误差反馈模块和扰动补偿模块；

所述跟踪微分器接收设定航向角信息计算出近似航向角及该近似航向角的微分信号；

所述扩张状态观测器接收实际航向角信息和无人船艇的控制量获得无人船艇实际航向角及其微分的状态估计值以及未知扰动的估计值；

所述非线性状态误差反馈模块接收跟踪微分器传送的近似航向角及该近似航向角的微分信号以及扩张状态观测器传送的无人船艇实际航向角及其微分的状态估计值获得控制分量；

所述扰动补偿模块接收非线性状态误差反馈模块传送的控制分量并利用未知扰动的估计值对控制分量进行扰动补偿、得到无人船艇的控制量；

接收所述传感器磁罗经传送的实际航向角信息以及无人船艇控制量的RBF神经网络辨识器，所述RBF神经网络辨识器对自抗扰单元内的误差反馈系数β₁和微分误差反馈系数β₂进行优化。

进一步的，所述RBF神经网络辨识器对控制量和实际航向角进行在线辨识：在每一周期内通过对控制量和实际航向角进行学习从而修正网络参数基宽向量、中心矢量和权值向量，确定RBF神经网络辨识器的输出值为实际航向的逼近值、同时得到无人船艇的Jacobian信息，利用梯度下降法调整非线性状态误差反馈模块内的误差反馈系数β₁和微分误差反馈系数β₂，所述无人船艇的Jacobian信息为无人船艇实际航向角对控制量的偏导数。