基于神經(jīng)網(wǎng)絡(luò)的水下機器人建模方法研究.pdf

1、由于海洋開發(fā)與軍事上的需要，自治式水下機器人(AUV)技術(shù)得到了迅速的發(fā)展，它成為完成各種水下智能作業(yè)任務(wù)的重要工具，對其的研究開發(fā)也成為焦點。水下機器人系統(tǒng)是一個具有強烈非線性和耦合性的系統(tǒng)，如何準確的描述水下機器人的運動特性是進行水下機器人控制、預(yù)測、故障診斷的前提，因此對水下機器人進行系統(tǒng)辨識的研究引起了業(yè)界專家的極大興趣。 本文以哈爾濱工程大學水下運載器智能控制技術(shù)實驗室自主開發(fā)的“Beaver”水下機器人為研究對象，對

2、如何建立水下機器人的前向動力學模型、預(yù)測模型以及模型的在線調(diào)整與應(yīng)用問題進行了研究。 本文以神經(jīng)網(wǎng)絡(luò)為工具，分析非線性系統(tǒng)辨識的方法以及常用的辨識網(wǎng)絡(luò)結(jié)構(gòu)，并在此基礎(chǔ)上，提出了應(yīng)用復(fù)合輸入動態(tài)回歸神經(jīng)網(wǎng)絡(luò)對水下機器人動力學模型進行辨識的方法，對比了它與多層前向神經(jīng)網(wǎng)絡(luò)和改進的Elman神經(jīng)網(wǎng)絡(luò)進行非線性系統(tǒng)模型辨識的差異。建立了水下機器人動力學系統(tǒng)的在線神經(jīng)網(wǎng)絡(luò)模型，提出了模型的在線調(diào)整算法，即簡化的隨時間進化反傳(SBPTT)

3、算法。通過仿真實驗，顯示了三種神經(jīng)網(wǎng)絡(luò)在函數(shù)逼近和非線性系統(tǒng)辨識中存在的差異，并驗證了基于SBPTT在線學習調(diào)整算法的復(fù)合輸入動態(tài)回歸神經(jīng)網(wǎng)絡(luò)在非線性系統(tǒng)辨識中的有效性。在此基礎(chǔ)上，根據(jù)水下機器人的前向動力學模型，建立了水下機器人的動力學多步預(yù)測模型，配合課題組設(shè)計了水下機器人的神經(jīng)廣義預(yù)測控制器。通過“Beaver”水下機器人在哈爾濱工程大學的船模水池的實驗，進一步驗證了本文采用的復(fù)合輸入動態(tài)回歸神經(jīng)網(wǎng)絡(luò)在水下機器人動力學模型辨識方面