论文研究AUV深度的神经网络辨识和学习控制仿真研究.pdf

将自主水下航行器（AUV）的深度控制问题转换为对非线性严格反馈系统的分析，提出了一种结合反步法和确定学习理论的自适应学习控制方法。通过反步法设计了一种输入状态稳定（ISS）神经网络控制器，其中引入小增益定理，避免了控制器设计中存在的奇异值问题，并在满足持续激励（PE）条件下，利用神经网络辨识实现了对系统未知动态的局部准确逼近和部分神经网络权值的收敛，保证了闭环系统的稳定。将从动态模式中学到的知识静态保存，提取动态特征设计学习控制器，仿真结果表明，该控制器避免了执行同样任务时的重复训练，改善了系统控制性能，验证了所提控制方法的有效性。