具有泄漏修正功能的智能神经自适应模型参考自适应控制，用于水下自主车辆

《IEEE Access》：Intelligent Neuro-Adaptive Model Reference Adaptive Control with Leakage Modification for Underwater Autonomous Vehicles

　　

摘要：

水下遥控潜水器（ROVs）在具有复杂流体动力效应、附加质量现象和不可预测干扰的挑战性环境中运行。传统的控制方法往往难以在这种动态的水下条件下保持性能，这突显了需要稳健的控制策略。本文提出了一种针对水下ROVs的控制架构，旨在在存在各种模型不确定性和水下外部干扰的情况下实现精确的轨迹跟踪。我们开发了一个全面的水下ROV动力学数学模型，该模型考虑了流体动力阻尼、附加质量效应和浮力因素。所提出的控制框架研究了通过神经网络和泄漏修正增强的模型参考自适应控制（Model Reference Adaptive Control, MRAC）的预测能力。我们通过广泛的模拟，在理想条件和湍流力作用下，评估了五种控制方法的性能：比例-积分-微分（PID）控制、模型预测控制（Model Predictive Control, MPC）、传统模型参考自适应控制（MRAC）、神经自适应MRAC以及带有泄漏修正的神经自适应MRAC。与传统的MRAC相比，所提出的带有泄漏修正的神经自适应MRAC在理想条件下的均方根误差降低了39.14%，在湍流力作用下的均方根误差降低了33.21%，分别实现了0.43878和0.52172的RMSE值，这分别是MPC RMSE值的136.1%和108.7%，同时具有更低的在线计算复杂度。特别是，带有泄漏修正的神经自适应MRAC即使在湍流环境中也能保持强大的性能。这些发现突显了水下应用中控制精度与计算效率之间的关键权衡。