针对水下无人航行器受外界不确定因素影响产生航行准确度低的问题，研究水下无人航行器实时轨迹跟踪控制方法。分析水下无人航行器运动特性，设计基于贝叶斯神经网络的水下无人航行器自适应控制器，以水下无人航行器的参考速度信号为网络输入，通过网络的不断训练，输出控制力矩，促使水下无人航行器的航行点与预设航行位误差趋近于0，完成实时轨迹跟踪控制。实验结果表明，该方法可完成直线轨迹、圆形曲线轨迹的跟踪控制，且航行点与预设航行位误差小、收敛快、波动次数少，具备轨迹跟踪控制抗干扰能力强、适应能力强的优势。
To address the issue of low navigation accuracy caused by external uncertainties in underwater unmanned vehicles, a real-time trajectory tracking control method for underwater unmanned vehicles is studied. Analyze the motion characteristics of underwater unmanned aerial vehicles, design an adaptive controller for underwater unmanned aerial vehicles based on Bayesian neural networks, take the reference speed signal of the underwater unmanned aerial vehicle as the network input, continuously train the network, output control torque, promote the error between the navigation point of the underwater unmanned aerial vehicle and the preset navigation position to approach 0, and complete real-time trajectory tracking control. The experimental results show that this method can achieve tracking control of straight and circular curve trajectories, with small errors between the navigation point and the preset navigation position, fast convergence, and fewer fluctuations. It has the advantages of strong anti-interference ability and strong adaptability in trajectory tracking control.
2024,46(11): 115-118 收稿日期：2023-10-27
DOI：10.3404/j.issn.1672-7649.2024.11.021
分类号：TP301
基金项目：河北省职业教育科学研究“十四五”规划课题资助项目（JZY23363）
作者简介：王丽(1987-),女,高级工程师,研究方向为船舶电气工程技术及工业机器人技术
参考文献：
[1] 黄鹤, 李潇磊, 杨澜, 等. 引入改进蝠鲼觅食优化算法的水下无人航行器三维路径规划[J]. 西安交通大学学报, 2022, 56(7): 9-18.
[2] 李奔, 黄哲敏, 何斌, 等. 自主水下航行器变浮力系统研究现状及控制技术[J]. 中国舰船研究, 2022, 17(5): 134-147.
[3] 郭琳钰, 高剑, 焦慧锋, 等. 基于RBF神经网络的自主水下航行器模型预测路径跟踪控制[J]. 西北工业大学学报, 2023, 41(5): 871-877.
[4] 滕建平, 梁霄, 陶浩, 等. 无人水下航行器全局路径规划及有限时间跟踪控制[J]. 上海海事大学学报, 2022, 43(1): 1-7.
[5] 李文魁, 周铸, 宦爱奇, 等. 自主水下航行器自适应S面三维轨迹跟踪的仿真验证[J]. 中国舰船研究, 2022, 17(4): 38-46+91.
[6] 毕春光, 王金龙, 胡楠, 等. 基于贝叶斯神经网络的玉米病害预警模型[J]. 吉林农业大学学报, 2021, 43(2): 189-195.
[7] 胡城豪, 胡昌华. 考虑多种贝叶斯神经网络分布形式组合的设备剩余寿命预测方法[J]. 电光与控制, 2021, 28(11): 79-83.
[8] 王子涵, 杨秀芝, 段现银, 等. 基于贝叶斯神经网络的机床热误差建模[J]. 制造技术与机床, 2022(1): 141-145.
