保証された過渡追跡性能を持つ海洋表面艦船の神経学習制御

本論文では、事前に得られていない正確な動力学を持つ海洋表面艦船のための、事前定義された追跡誤差の上限を持つ神経学習制御について研究する。誤差変換関数の導入により、原艦船の制約付き追跡制御は、制約のないシステムの安定化に変換される。誤差変換に基づいてフィルタリングされた追跡誤差が導入され、放射基底関数 (RBF) ニューラルネットワーク (NN) が未知の艦船動力学を近似するために使用される。その後、すべての信号が閉ループシステム内で最終的に有界であることを保証し、指定された追跡性能を確保するために、安定な適応NN制御が提案される。持続的励起 (PE) 条件の下で、提案された適応NN制御が艦船の動力学に関する知識を取得し、学習した知識を記憶に保存できることが示される。保存された知識は、改善された制御性能やより速い追跡収束率、少ない計算負担が達成されるように神経学習制御を開発するために再利用され、指定された過渡および定常状態の追跡制御性能が保証される。提案された設計技術の有効性を示すためにシミュレーション研究が行われる。