چکیده
در این مقاله، یک طرح کنترل ردیابی مسیر ترکیبی کارآمد برای یک وسیله نقلیه زیرآبی خودگردان در حضور عدم قطعیت های ساختار یافته و ساختار نیافته پیشنهاد شده است. جهت مدیریت کردن عدم قطعیت ها، طرح کنترلی وابسته به مدل با موفقیت با یک طرح کنترلی بدون مدل ترکیب می شود. به علت اثرات عدم قطعیتها، اطلاعات کامل مدل دینامیک وسیله نقلیه نمی تواند با دقت کامل در کاربردهای حقیقی به دست آید. بنابراین، هر اطلاعات ناقصی که در مورد دینامیک های سیستم موجود است، در طراحی کنترل کننده مورد استفاده قرار می گیرد. یک شبکه عصبی تابع پایه شعاعی برای تقریب دینامیک های نامعلوم بدون نیاز به یادگیری آفلاین به کار گرفته می شود. جهت جبران سازی اثرات نامعلوم همچون اختلالات خارجی و و خطای بازسازی شبکه عصبی، یک جبران ساز تطبیقی نیز به بخش کنترل کننده افزوده می شود. برای تجزیه و تحلیل پایداری، از یادگیری آنلاین پارامترها و وزن های شبکه عصبی در رویکرد لیاپانوف استفاده می شود. بر اساس معیار پایداری لیاپانوف و لم باربالات، خطاهای ردیابی به صورت مجانبی به صفر همگرا می شوند. در نهایت، شبیه سازی های عددی تطبیقی برای یک وسیله نقلیه زیرآبی خودگردان با چهار درجه آزادی اجرا می شوند و کارایی و قابلیت اجرای چارچوب کنترلی پیشنهادی در یک روش تطبیقی با کنترل کننده های موجود اعتبار سنجی می شوند.
1-مقدمه
در طول چند دهه گذشته، مطالعات و تحقیقات قابل توجهی در مورد توسعه وسایل نقلیه زیرآبی خودگردان (AUV) انجام شده اند. امروزه، AUVها به علت حوزه وسیع کاربردها و چالش های تئوری، به طور گسترده ای مورد مطالعه قرار گرفته اند [1-6]. AUVها به طور فزاینده ای در اقیانوس شناسی، اقدامات متقابل دریایی، بازرسی های عمق دریا، علوم دریایی، گشت های امنیتی، تعمیر و نگهداری لوله ها، تحقیق و نجات در محیط های خطرناک مورد استفاده قرار گرفته اند....