جبران¬سازي مدل خطي ربات زيرآبي با قابليت كنترل از راه دور با تلفيق شبكه عصبي بازگشتي و كنترل مدل پيش¬بين

compensating the linear model of remotely operated vehicle with synthesizing recurrent neural network and model predictive control

در اين تحقيق از استراتژي كنترل مدل پيش بين خطي مبتني بر شبكه عصبي بازگشتي براي كنترل موقعيت ربات زيرآبي استفاده مي شود. به منظور استخراج مدل خطي ربات زيرآبي فرض گرديد كه سيستم از حركت آرام و يكنواختي برخوردار بوده و دوران آن حول محورهاي x و y ناچيز مي باشد. براي فرموله نمودن قانون كنترل مدل پيش بين، از روش فضاي حالت توسعه يافته استفاده گرديد. مدل فضاي حالت جديد به صورت خطي نامتغير با زمان مي باشد. بنابراين، با نوشتن معادلات پيش بين خروجي در طول افق پيش بين و در نظر گرفتن افق كنترل مناسب، فرم بردار ماتريس معادلات پيش بين استخراج مي شود. در ادامه، شاخص عملكرد پيش بين به فرم يك مسئله برنامه ريزي مرتبه دو مقيد تبديل مي شود. به منظور حل مسئله بهينه سازي از ابزاري به نام شبكه عصبي بازگشتي مبتني بر نظريه تصوير استفاده مي شود. عملكرد خوب رويكرد كنترل پيشنهادي با اعمال آن بر مدل خطي ربات زيرآبي از ديدگاه هايي چون خطاي رديابي، سرعت عملكرد حلقه باز و رديابي ورودي هاي مرجع متفاوت مشاهده مي شود.

In this research the linear model predictive control strategy based on recurrent neural network used to control the position of the underwater robot. In order to extract the linear model assumes that the system of underwater robots move slowly and smoothly and its rotation around the x-axis and y is negligible. For the formulation of model predictive control law, the augmented state space method was used wh . New state space model is linear time invariant. So, by writing predictive output equations over the predictive horizon and consider the proper control horizon, the vector matrix form of predictive equations derived. Then, the predictive performance indicators are transformed to a constrained quadratic programming problem. In order to solve the optimization problem, the recurrent neural network based on projection theory is used.The performance of the proposed control approach by applying it to the linear model of underwater robot in terms of tracking error, Open-loop speed performance and tracking of different reference inputs is evaluated and analyzed.