文献类型：期刊文章

作　　者：付雯[1] 温浩[1] 黄俊珲[1] 孙镔轩[1] 陈嘉杰[2] 陈武[2] 冯跃[1] 段星光[1]

FU Wen;WEN Hao;HUANG Junhui;SUN Binxuan;CHEN Jiajie;CHEN Wu;FENG Yue;DUAN Xingguang(School of Mechatronical Engineering,Beijing Insitute of Technology,Beijing 100081,China;China Nuclear Power Technology Research Institute Co.,Ltd.,China General Nuclear Power Group,Shenzhen 518000,China)

机构地区：[1]北京理工大学机电学院,北京100081 [2]中国广核集团有限公司,中广核研究院有限公司,深圳518000

出　　处：《清华大学学报（自然科学版）》

基　　金：国家重点研发计划项目(2019YFB1310503)。

年　　份：2023

卷　　号：63

期　　号：7

起止页码：1068-1077

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为满足特大型水利水电工程中的大直径超长距离引水隧洞定期检测的重大需求,智能化水下机器人系统成为当前的研究热点。为提高水下机械臂建模的准确性与控制能力的精准性,该文首先提出一种融合Newton-Euler方程、Morison方程与非线性摩擦力的水下机械臂动力学模型建模及参数辨识方法,并在补偿已辨识模型的基础上,设计了一种利用径向基函数(radial basis function,RBF)神经网络补偿系统未建模与建模误差的自适应滑模控制方法。通过仿真,该文证明了该方法比传统比例积分微分(proportional integral differential,PID)控制和一般RBF网络自适应滑模控制具有更高的控制精度。

关 键 词：水下机械臂  动力学参数辨识 径向基函数神经网络补偿  自适应滑模控制

分 类 号：TP242.3]