深海剖面浮标的RBF-PID定深控制

被引:6
作者
房美琦 [1 ]
李醒飞 [1 ]
姜明波 [2 ]
杨少波 [1 ]
吴腾飞 [1 ]
徐佳毅 [1 ]
机构
[1] 天津大学精密测试技术及仪器国家重点实验室
[2] 中国人民解放军部队
关键词
剖面浮标; RBF-PID; 定深控制; 非线性模型;
D O I
10.13976/j.cnki.xk.2019.9134
中图分类号
P715.2 [浮标装置]; TP273 [自动控制、自动控制系统];
学科分类号
0816 ; 080201 ; 0835 ;
摘要
针对深海自持式剖面浮标的定深控制问题,提出一种径向基(radial basis function, RBF)神经网络与PID(proportional, integral, derivative)控制相结合的参数自适应调节的定深控制算法.首先根据相关参数的非线性特点,建立了剖面浮标的运动模型并验证了该模型的准确性.在此基础上,充分考虑剖面浮标浮力驱动系统单向可控性的特点,设计了基于RBF-PID算法的剖面浮标定深控制器.将仿真结果与增量式PID控制结果进行对比,结果表明RBF-PID控制算法能够提高浮标的定深控制精度,增强浮标的抗干扰能力.
引用
收藏
页码:641 / 648
页数:8
相关论文
共 20 条
[1]   深海自持式智能浮标双闭环模糊PID定深控制 [J].
张惠琳 ;
李醒飞 ;
杨少波 ;
徐佳毅 ;
李洪宇 ;
王强 .
信息与控制, 2019, 48 (02) :202-208+216
[2]   基于BP神经网络的四旋翼双闭环PID轨迹跟踪控制 [J].
刘凯 .
工业控制计算机, 2018, 31 (11) :62-63
[3]   过渡目标值的非线性PID对自治水下机器人变深运动的稳定控制 [J].
马艳彤 ;
郑荣 ;
于闯 .
控制理论与应用, 2018, 35 (08) :1120-1125
[4]   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 [J].
杨超 ;
郭佳 ;
张铭钧 .
机器人, 2018, 40 (03) :336-345
[5]   轮式移动机器人轨迹跟踪的PID控制方法 [J].
冯剑 ;
张文安 ;
倪洪杰 ;
丰其云 .
信息与控制, 2017, 46 (04) :385-393
[6]   自动剖面浮标研究现状及展望 [J].
陈鹿 ;
潘彬彬 ;
曹正良 ;
崔维成 .
海洋技术学报, 2017, 36 (02) :1-9
[7]  
Intelligent PID guidance control for AUV path tracking[J]. 李晔,姜言清,王磊峰,曹建,张国成.Journal of Central South University. 2015(09)
[8]   基于极限学习机的机械臂自适应神经控制 [J].
乃永强 ;
李军 .
信息与控制, 2015, 44 (03) :257-262
[9]   一类水下自治漂流浮标的定深控制技术研究与应用 [J].
史先鹏 ;
Lembke Chad .
海洋技术学报, 2014, 33 (05) :13-17
[10]   Adaptive backstepping control for a class of semistrict feedback nonlinear systems using neural networks [J].
Yang H. ;
Li Z. .
Journal of Control Theory and Applications, 2011, 9 (2) :220-224