AUV模糊神經(jīng)網(wǎng)絡(luò)控制器優(yōu)化設(shè)計研究.pdf

1、模糊神經(jīng)網(wǎng)絡(luò)控制在智能控制領(lǐng)域應(yīng)用非常普遍，特別適用于那些運動學(xué)特性難以進行數(shù)學(xué)表達(dá)的強非線性系統(tǒng)的控制。水下機器人是各個方向運動自由度強耦合的嚴(yán)重非線性系統(tǒng)，其精確的運動方程通常難以獲得，因而，模糊神經(jīng)網(wǎng)絡(luò)控制是在水下機器人的運動控制中應(yīng)用相當(dāng)廣泛。但是，其控制規(guī)則的獲取往往非常困難，需要設(shè)計者具有相當(dāng)豐富的經(jīng)驗知識。 本文在水下機器人六自由度空間運動方程的基礎(chǔ)上，結(jié)合實際需要，對其進行簡化，建立了多功能AUV的四自由度的動力

2、學(xué)仿真模型。同時簡要介紹了一種針對此模型提出的模糊神經(jīng)網(wǎng)絡(luò)控制方法。 針對模糊神經(jīng)網(wǎng)絡(luò)控制器控制規(guī)則較多，參數(shù)手工確定困難的特點，利用智能算法對其規(guī)則參數(shù)進行自尋優(yōu)設(shè)計。研究了遺傳算法、免疫算法和PSO算法的原理及其在工程優(yōu)化問題中的應(yīng)用，分別采用遺傳算法、免疫遺傳算法和PSO算法進行控制器規(guī)則參數(shù)的自尋優(yōu)設(shè)計。同時，借鑒免疫算法的思想提出了一種HPSO算法用于優(yōu)化設(shè)計。最后，將以上各種算法自尋優(yōu)設(shè)計得到的控制器在AUV仿真平臺