基于PD型复合神经网络与事件触发机制的欠驱动水下航行器鲁棒跟踪控制

《Scientific Reports》：Dynamic periodic event-triggered adaptive PD-like composite neural control with iterative disturbance observer for 3D tracking of UUVs

　　摘要本工作聚焦于欠驱动水下航行器（UUVs）在面临模型不确定性、外部干扰以及机械磨损导致的执行器机械退化情况下的三维跟踪控制问题。为了重构系统内部的不确定动力学，构建了一种自适应PD型复合神经网络（NN）。与传统的自适应神经网络相比，所构建的PD型复合神经网络加快了网络学习过程，并提高了不确定动力学的重构精度。此外，为了抵消外部干扰的不利影响，设计了一种具有增益迭代协议的神经网络干扰观测器。与采用固定增益的传统干扰观测器不同，所设计的观测器通过迭代协议动态调整其增益，以实现精确的干扰估计并增强UUV系统的鲁棒性。为了减轻执行器磨损并避免不必要的控制更新，提出了一种动态周期事件触发协议，该协议天然排除了芝诺行为。基于上述发展，制定了一种新颖的自适应PD型复合神经控制律，该控制律集成了上述迭代干扰观测器和动态周期事件触发协议。利用李雅普诺夫理论证明了闭环控制系统中的所有信号都是有界的。仿真结果证实了所提出控制策略的有效性和可行性。