基于RBF神经网络PID的UUV轨迹跟踪控制

摘要

无人水下航行器（Unmanned Underwater Vehicle, UUV）在执行水下任务过程中需要沿预设路径稳定航行以保证专用设备正常工作，其在环境复杂的深海中易受到多种来源的干扰。针对在复杂水域环境中UUV的路径追踪问题，本文将路径跟踪问题解耦为水平面航向控制和垂直面深度控制，提出一种RBF神经网络优化的PID控制算法。首先建立了UUV水下运动学模型，在传统PID控制器的基础上引入RBF神经网络结构，给出RBF参数迭代公式对扰动进行补偿并实时优化PID参数。在Simlink中搭建了RBF神经网络PID仿真模型，对无人水下航行器的轨迹跟踪控制进行了仿真，水平面和垂直面上的误差对比仿真结果表明，与传统PID控制算法相比，RBF神经网络PID控制器的超调量减小了15百分点，振荡幅值降低了10%，克服未知扰动的能力更强。通过湖试试验验证了航迹跟踪控制器效果，实验表明，UUV可在复杂水域实现较好的姿态控制效果及路径追踪能力，能够满足水下任务需求，但在实际应用中应考虑UUV执行机构的时滞问题，以提高控制器的适应性。

关键词

无人水下航行器 / 轨迹跟踪 / 径向基函数神经网络 / PID整定