کنترل گر عصبی-تطبیقی عمق و سمت جسم خودکار شناور زیرآب

پیشرفت وسایل خودکار زیرآبی در دو سه دهه ی اخیر، توسعه ی سیستم کنترل آن ها را به همراه داشته است. نامعینی های پارامتری و دینامیک شدیداً غیرخطی و کوپل شده ی آن ها، از بزرگ ترین موانع پیش رو می باشند . بر ای غلبه بر د ینامی ک غیرخط ی و کوپل شده، استفاده از روش های کنترل غیرخطی نسبت به روش های متداول کنترل خطی دارای برتری است. در این مقاله ساختا رکنترل تعقیب تطبیقی براساس خطی سازی پسخور به عنوان بخش اصلی سیستم کنترل انتخاب شده است. خطا در اندازه گیری و نیزتخمین ضرایب هیدرودینامیکی وسیله که منجر به خطا در مدل سازی وسیله می شود، از مهم ترین نامعینی ها ی پارامتر ی در ی کوسیله ی زیرآبی است و این محاسبه ی وارون دینامیک را با خطا رو به رو می سازد. به کارگیری شبکه عصبی به دلیل توانایی ذاتی آن در تقریب توابع غیرخطی؛ ابزار مناسبی برای جبران خطای معکوس سازی غیرخطی است که در خطی سازی پسخور کاربرد دارد. برای اطمینان از محدود بودن سیگنال ها و همگرایی وزن ها، قانون آموزش شبکه ی برخط براساس تئوری پای داری لیاپانوف به دس ت می آید. ترکیب روش های غیرخطی با روش های هوشمند جهت دست یافتن به سیستمی مقاوم، در چند سال اخی ر مورد توجه قرا رگرفته. در این مقاله این سیستم کنترل با ارائه ی عملکردی مناسب به ریموس به عنوان یک جسم خودکار زیرآبی اعمال می شود که تا به حال با کنترل خطی کار می کرده است

Keywords:

شبکه عصبی , کنترل تطبیقی , نامعینی , وارون دینامیک , هیدرودینامیک