[发明专利]基于RBF辨识的ICA-CMAC神经网络的欠驱动无人艇航迹跟踪控制方法

摘要

本发明提供的是一种基于RBF辨识的ICA‑CMAC神经网络的欠驱动无人艇航迹跟踪控制方法。首先用位置参考系统、姿态参考系统测得USV位置信息和艏向姿态信息，对获取的USV姿态及位置信号进行滤波及时空对准，得到当前USV精确位置及姿态；然后采用ICA‑CMAC神经网络与积分分离式PID并行控制方法；ICA‑CMAC神经网络实现前馈控制，通过引入平衡学习常数进行可信度分配，根据调整指标和σ学习规则辨识USV逆模型，产生的输出作为USV输入的一部分；最后得到包括PID控制器和ICA‑CMAC神经网络的控制器总控制输出。本发明解决不确定外界干扰下USV航迹跟踪控制问题，所提方法降低对精确数学模型的依赖性，增强系统的自适应调整能力和抗干扰能力，提高算法的在线学习速度和航迹跟踪精度。

主权项

一种基于RBF辨识的ICA‑CMAC神经网络的欠驱动无人艇航迹跟踪控制方法，其特征是：(1)、初始化RBF和ICA‑CMAC神经网络参数，包括：辨识器基宽向量B、学习速率λ，λ0、网络权值wj，wl、泛化参数c、平衡学习常数k0和PID控制参数初值；(2)采样得到期望输入信号r(k)和USV实际输出信号y(k)，计算艇体坐标系下的控制误差e(k)及PID的三项输入e(1)，e(2)，e(3)；(3)、计算Jacobian辨识信息和RBF辨识网络的输出ym(k)；(4)、计算PID控制器的输出τp(k)，RBF性能指标函数E(k)，采用梯度下降法调整PID控制参数Δkp，Δki，Δkd；(5)、利用RBF辨识的PID控制器，由RBF网络来辨识USV模型，在线自适应的整定控制器参数，直到控制指标达到最好；(6)、ICA‑CMAC神经网络在线进行学习，训练权值，计算ICA‑CMAC输出τn(k)，网络调整的性能指标函数J(k)和ICA权值调整Δw(k)；(7)、USV的总控制输出τ(k)为PID控制器输出τp(k)和ICA‑CMAC输出τn(k)之和；(8)、令k＝k+1，返回循环，满足条件时停止；USV代表无人艇。