Distributed Robust Learning-Based Backstepping Control Aided with Neurodynamics for Consensus Formation Tracking of Underwater Vessels

要約

この論文では、複数の水中船舶の合意形成追跡のための分散型ロバスト学習ベース制御について取り上げます。この制御では、船舶のシステムパラメータは完全に未知であり、モデリングの不一致、海洋擾乱、およびノイズの影響を受けると仮定されます。
この目的に向けて、グラフ理論を使用して、安定性が保証された分散コントローラーを合成できるようにします。
パラメータの不確実性は船舶の動的モデルでのみ発生するという事実により、バックステッピング制御手法が使用されます。
その後、時間とともに変化する未知のシステムを処理する際の困難を克服するために、提案された分散フォーメーション制御プロトコルでオンライン学習手順が開発されました。
さらに、コントローラ設計に神経力学モデルを導入することで、モデリングエラー、環境外乱、測定ノイズが考慮され、ロバストなソリューションが得られます。
次に、理論レベルでのロバストな適応性能を保証するために、提案されたスキームに基づく閉ループシステム全体の安定性解析が提供されます。
最後に、提示された分散制御プロトコルの有効性をさらに検証するために、広範なシミュレーション実験が行われます。

要約(オリジナル)

This paper addresses distributed robust learning-based control for consensus formation tracking of multiple underwater vessels, in which the system parameters of the marine vessels are assumed to be entirely unknown and subject to the modeling mismatch, oceanic disturbances, and noises. Towards this end, graph theory is used to allow us to synthesize the distributed controller with a stability guarantee. Due to the fact that the parameter uncertainties only arise in the vessels’ dynamic model, the backstepping control technique is then employed. Subsequently, to overcome the difficulties in handling time-varying and unknown systems, an online learning procedure is developed in the proposed distributed formation control protocol. Moreover, modeling errors, environmental disturbances, and measurement noises are considered and tackled by introducing a neurodynamics model in the controller design to obtain a robust solution. Then, the stability analysis of the overall closed-loop system under the proposed scheme is provided to ensure the robust adaptive performance at the theoretical level. Finally, extensive simulation experiments are conducted to further verify the efficacy of the presented distributed control protocol.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google