船舶航速/航向协调自适应滑模容错控制

来源 :控制工程 | 被引量 : 0次 | 上传用户:laoxuejiu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对舵桨联合操纵的船舶航速/航向协调容错控制问题,结合舵桨功能有效性,提出了一种非线性广义扰动观测器,无需扰动先验信息在线补偿系统的扰动状态.基于广义扰动补偿和自适应估计提出了一种自适应滑模容错控制算法,通过实时估计广义扰动导数的范数上界消除扰动重构误差,同时设计了具有故障惩罚作用的伪逆优化分配策略,引入执行器有效性矩阵来修正故障执行器的优先作用等级,实现了冗余舵桨系统故障运行模式下的航速/航向跟踪、广义扰动补偿和执行器能耗最优化.仿真实验结果验证了所提的广义扰动观测器和自适应滑模容错控制系统的有效性.
其他文献
阐述交通信息化发展中的智慧公交、仓库管理系统设计,基于宜昌公交集团的案例分析,探讨智慧公交的仓库管理现状,系统的功能架构,宜昌智慧公交的仓库管理系统的建设方案.
针对无人机机动飞行所具有的非线性、强耦合、舵面操纵效率低等问题,采用了Backstepping控制方法对无人机机动飞行控制律进行了设计.同时,为了解决舵面操纵效率低带来的舵面角速率饱和的问题,设计了舵机层控制律,减弱了舵机角速率饱和带来的影响.分析了该控制律克服舵机角速率影响的机理,并采用李雅普诺夫稳定性定理分析了该控制器的稳定性.仿真结果表明,所设计的控制方法使无人机可以获得和矢量控制相似的机动效果,有效地解决了机动飞行过程中舵面角速率饱和带来的影响.
人工智能是未来科技发展的必然趋势,将会对世界产生巨大的影响,而机器博弈更是人工智能研究的热点内容.目前,解决机器博弈问题最先进的算法都来源于强化学习.强化学习是机器学习最重要的方法之一,主要用来解决决策问题.它具有接近人类思维的学习机制,通过试错的方式同环境发生交互,累积最大奖赏并得到最优策略.博弈具有多种多样的形式,内容也十分广泛,根据不同的标准会产生不同的分类,可以将其分为完全信息博弈和非完全信息博弈,但它们都可以通过强化学习进行解决.