مدلسازي و شناسايي پارامترهاي زيردريايي خودگردان در صفحه‌ي قائم از روش هوشمند فازي تطبيقي و الگوريتم آموزش هوش تجمعي ذرات

Modeling and identification of an Autonomous Underwater Vehicle In Depth Attitude using adaptive Fuzzy Network with learning by particle swarm optimization

به منظور كنترل انواع شناورهاي خودگردان زيرسطحي (AUV) نياز به شناسايي مدل دقيق ديناميكي آن مي‌باشد. بدست آوردن مدل اولين قدم در اين زمينه بوده و شناسايي پارامترهاي مدل مرحله‌ي بعدي مهم مي‌باشد. اينكار بعلت ساختار غيرخطي و همچنين كوپله بودن پارامترهاي مدل بسيار پيچيده و زمان‌بر مي‌باشد. يكي از بزرگترين چالش‌ها در اين زمينه تهيه‌ي اطلاعات اوليه‌ در خصوص حركت شناور زيرسطحي مورد شناسايي است. در اين مقاله روش جديد شناسايي مدل شناورهاي زيرسطحي كه همواره با نامعيّني پارامتري فراوان درگير بوده است ارائه گرديده است. اين الگوريتم به اينگونه عمل مي‌كند كه در ابتدا با استفاده از روش‌هاي فازي تطبيقي اقدام به ايجاد ساختار مدل فازي از سيستم مربوطه نموده و سپس با استفاده از الگوريتم آموزشي هوش تجمعي ذرات و از طريق بهبود پارامترهاي توابع عضويت مدل فازي، مدل بهينه بدست مي‌آيد. شناور نمونه زيرسطحي مورد بررسي در اين پژوهش از نوع NPS بوده و داراي شش درجه آزادي حركت در فضا مي‌باشد. در ادامه نيز نتايج شبيه‌سازي‌هاي صورت گرفته به روي داده‌هاي واقعي از يك نمونه AUV در دسترس ارائه گرديده است.

In order to control the autonomous Underwater Vehicle (AUV), it is necessary to identify its exact dynamic model. Obtaining the model is the first step in this field and identifying the parameters of the model is important next stage. This is complicated due to the nonlinear structure and Complexity and highly coupled dynamics of the model parameters. One of the biggest challenges in this field is the obtain of basic submarine data. In this research, a new method for identifying autonomous underwater vehicle (AUV)models, which has always been involved with uncertainty parameters, has been suggested. Using Adaptive fuzzy algorithms, we have identified the parameters of the model. In the study PSO is used to optimize input membership functions (mean and variance) and consequent parameters of Takagi-Sugeno fuzzy system. The AUV sample in this study is NPS Witch has six degrees of freedom of movement. In this report, kinetic and dynamics equations were studied first. Finally, this method used on the experimental data of a AUV that is available, and the results are presented.