针对实际海洋环境下,无人帆船在艏向跟踪控制任务中存在的模型参数未知、控制输入频繁抖振和执行器磨损等问题,提出一种考虑执行器故障的无人帆船事件触发控制算法。首先,采用径向基函数神经网络(radius based function neural networks...针对实际海洋环境下,无人帆船在艏向跟踪控制任务中存在的模型参数未知、控制输入频繁抖振和执行器磨损等问题,提出一种考虑执行器故障的无人帆船事件触发控制算法。首先,采用径向基函数神经网络(radius based function neural networks, RBF-NNs)对系统的未知模型参数进行在线逼近。其次,在无人帆船艏向数学模型中引入执行器故障模型,并且在艏向控制器设计中考虑帆结构造成的转船力矩,设计基于事件触发机制的艏向控制律来减少控制输入的频繁抖振和执行器磨损。最后,通过李雅普诺夫稳定性判据证明了所提控制算法满足半全局一致有界(semi-global uniform ultimate bounded, SGUUB)稳定。数值仿真结果表明,相比于传统的艏向控制算法,所提算法能够在保证艏向控制性能的基础上,极大地降低控制输入的频繁抖振和减少执行器的磨损。展开更多
文摘针对实际海洋环境下,无人帆船在艏向跟踪控制任务中存在的模型参数未知、控制输入频繁抖振和执行器磨损等问题,提出一种考虑执行器故障的无人帆船事件触发控制算法。首先,采用径向基函数神经网络(radius based function neural networks, RBF-NNs)对系统的未知模型参数进行在线逼近。其次,在无人帆船艏向数学模型中引入执行器故障模型,并且在艏向控制器设计中考虑帆结构造成的转船力矩,设计基于事件触发机制的艏向控制律来减少控制输入的频繁抖振和执行器磨损。最后,通过李雅普诺夫稳定性判据证明了所提控制算法满足半全局一致有界(semi-global uniform ultimate bounded, SGUUB)稳定。数值仿真结果表明,相比于传统的艏向控制算法,所提算法能够在保证艏向控制性能的基础上,极大地降低控制输入的频繁抖振和减少执行器的磨损。
