文献类型：期刊文章

作　　者：陈弈煿[1] 张润锋[1] 杨绍琼[1,2,3] 张连洪[1,2,3] 魏鹏[1]

CHEN Yibo;ZHANG Runfeng;YANG Shaoqiong;ZHANG Lianhong;WEI Peng(Key Laboratory of Mechanism Theory and Equipment Design of Ministry of Education,School of Mechanical Engineering,Tianjin University,Tianjin 300350,P.R.China;Qingdao Institute for Ocean Engineering,Tianjin University,Qingdao,Shandong 266237,P.R.China;The Joint Laboratory of Ocean Observing and Detection,Pilot National Laboratory for Marine Science and Technology,Qingdao,Shandong 266237,P.R.China)

机构地区：[1]天津大学机械工程学院机构理论与装备设计教育部重点实验室,天津300350 [2]天津大学青岛海洋技术研究院,山东青岛266237 [3]青岛海洋科学与技术试点国家实验室海洋观测与探测联合实验室,山东青岛266237

出　　处：《重庆大学学报》

基　　金：国家重点研发计划资助项目(2016YFC0301101);国家自然科学基金青年科学基金资助项目(11902219);天津市自然科学基金资助项目(18JCJQJC46400)。

年　　份：2022

卷　　号：45

期　　号：8

起止页码：26-33

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：水下滑翔机航向控制的精度对海洋目标观探测具有重要意义。现有的水下滑翔机航向控制技术以比例-积分-微分(proportional-integral-derivative, PID)为主。为保证水下滑翔机按照预期轨迹运动,PID控制器参数需要反复设定和调整,很难达到快速准确的控制效果。针对该问题,提出了一种基于径向基函数(radial basis function, RBF)神经网络的参数自整定PID航向控制方法。首先建立水下滑翔机水平面内运动模型,然后构建了RBF神经网络结构,并通过梯度下降法给出了神经网络参数以及PID参数的迭代公式。仿真结果表明,该方法相较于常规PID控制方法能在较短的时间内收敛,控制系统精度较高,同时控制器参数能够快速自整定。为今后的水下滑翔机航向控制器提供了设计参考。

关 键 词：水下滑翔机  航向控制 自整定PID 径向基神经网络

分 类 号：U664.82] TP273] U674.941]