引用本文:唐旭东,庞永杰,李 晔.一种水下机器人运动的过程神经元控制[J].控制理论与应用,2009,26(4):420~424.[点击复制]
TANG Xu-dong,PANG Yong-jie,LI Ye.A process neural control algorithm for autonomous underwater vehicle[J].Control Theory and Technology,2009,26(4):420~424.[点击复制]
一种水下机器人运动的过程神经元控制
A process neural control algorithm for autonomous underwater vehicle
摘要点击 1718  全文点击 1293  投稿时间：2007-10-22  修订日期：2008-08-29
查看全文  查看/发表评论  下载PDF阅读器
DOI编号  10.7641/j.issn.1000-8152.2009.4.012
  2009,26(4):420-424
中文关键词  水下机器人  过程神经元控制算法  S函数  预先规划
英文关键词  autonomous underwater vehicles  process neural control algorithm  S function  pre-planning
基金项目  863基金资助项目(2008AA092301);　中国博士后科学基金资助项目(20080440838); 黑龙江省博士后资助项目; 哈尔滨工程大学 基础研究基金资助项目(HEUFT08001); 水下智能机器人技术国防科技重点实验室开放课题研究基金资助项目(2008003, 2007001).
作者单位E-mail
唐旭东 哈尔滨工程大学 水下机器人技术国防科技重点实验室, 黑龙江 哈尔滨 150001
哈尔滨工程大学 船舶工程学院, 黑龙江 哈尔滨 150001 		tangxudong@yahoo.cn 
庞永杰 哈尔滨工程大学 水下机器人技术国防科技重点实验室, 黑龙江 哈尔滨 150001
哈尔滨工程大学 船舶工程学院, 黑龙江 哈尔滨 150001 		 
李 晔 哈尔滨工程大学 水下机器人技术国防科技重点实验室, 黑龙江 哈尔滨 150001
哈尔滨工程大学 船舶工程学院, 黑龙江 哈尔滨 150001 		 
中文摘要
      过程神经网络是传统神经网络的拓展, 增加了一个对于时间的聚合算子, 从而更好地模拟了生物神经元的信息处理机制. 这是由于水下机器人运动控制系统的输入、输出均是随时间连续变化的过程量. 结合S函数和预先规划思想, 建立水下机器人过程神经元的运动控制模型. 仿真试验证明,该新型控制模型, 对于水下机器人的运动非线性控制器具有设计简单、响应速度快、超调小、鲁棒性好等优点.
英文摘要
      Process neural network is extended from a traditional neural network by adding an integration operator of time to better imitate the information processing system of a biological neuron. This is because both the input and output of motion control system for automatic underwater vehicles (AUVs) is processing vectors which is related with time. Combining the S function and the pre-planning idea, we develop a motion-control model for the process neuron of an AUV. Simulation results show that the new control is useful for underwater vehicles, featuring with higher precision, simpler design, faster response, and better robustness.