基于BP神经网络观测器的AGV轨迹跟踪系统数据驱动自适应积分变结构控制方法

《Scientific Reports》：Data-driven adaptive integral variable structure control method for AGV trajectory tracking system based on BP neural network observer

　　

摘要

为解决自动导引车辆在非线性时变条件及外部干扰下控制精度和鲁棒性不足的问题，本文提出了一种数据驱动的自适应离散时间积分滑模控制方法。该方法整合了三种核心策略：首先，采用全形式动态线性化方法将未知的非线性系统转化为仅依赖输入输出数据的简洁动态模型，从原理上避免了了对机械模型的依赖；其次，构建BP神经网络观测器对集中式干扰进行在线估计和前馈补偿，这不仅大幅降低了切换增益，还保持了系统的鲁棒性，从而从源头减少了抖振现象；第三，设计以跟踪误差为独立变量的自适应到达律，使得系统在远离滑模面时能够快速收敛，而在接近滑模面时自动降低增益，从而实现了响应速度与控制平滑性的平衡。理论分析严格证明了伪梯度的有界性以及滑模运动的有限时间收敛性。通过对AGV的运动学仿真验证，所提方法在整体性能上显著优于PID控制和传统MFAC控制：在无干扰条件下，最大航向跟踪误差仅为0.3488弧度，而在0.3弧度白噪声干扰下的均方误差仅为PID控制的14%，充分体现了该方法的优异跟踪精度和抗干扰能力。