كنترل خود تنظيم هوشمند يك جسم شش درجه آزادي زير آب

Intelligent Self Tuning Controller for A 6 DOF AUV

چكيده: در اين مقاله با استفاده از شبكه عصبي، الگوريتم هوشمندي براي تنظيم ضرايب يك كنترل كننده كلاسيك پيشنهاد شده است. از اين تكنيك هوشمند براي خودگردان كردن يك جسم زير آب جرم متغير و كنترل كانال‌هاي چرخش، عمق و سمت آن استفاده شده است. در اين تكنيك هوشمند، شبكه عصبي (NNC) ضرايب كنترل كننده كلاسيك PID را در جهت كاهش خطاي سيستم، تنظيم مي‌كند. براي تنظيم ضرايب كنترل كننده PID نياز به دانستن ژاكوبين سيستم مي‌باشد كه به علت پيچيدگي و عدم قطعيت در ديناميك سيستم، محاسبه ژاكوبين دشوار مي‌باشد. بنابراين براي تخمين ژاكوبين، از يك شبكه عصبي ديگر (NNM) استفاده شده است. NNM به صورت همزمان رفتار سيستم را مي‌آموزد و تخميني از ژاكوبين سيستم را در هر لحظه ارايه مي‌كند. براي بهبود عملكرد كنترل كننده هوشمند، بجاي استفاده از يك شبكه عصبي با چند خروجي، از سه شبكه عصبي تك خروجي جهت تنظيم ضرايب كنترل كننده PID استفاده شد و نشان داده شده است كه با اين ساختار، نتايج بهتري حاصل مي‌گردد. نتايج حاصل از تكنيك هوشمند پيشنهادي با نتايج كنترل كننده PID مقايسه گرديده است. در اين مقايسه ديده مي‌شود كه كنترل كننده عصبي در كم كردن زمان نشست و خطاي حالت ماندگار بسيار بهتر عمل نموده است و همچنين نسبت به تغييرات پارامترهاي سيستم و تغييرات شرايط محيط مقاوم‌تر است.

Abstract: In this paper, an intelligent neural network method for controlling of a variable mass underwater vehicle is presented. The control scheme is capable of learning and adapting to changes in the vehicle dynamics and parameters, and consists of a gain tuning neural network and a variable gain PID controller. This neural network is trained so that the error between the plant output and reference signal is minimized. For updating the neural network weights, the system jacobian must be known. Because of the complexity and unknown governing equations of the system, jacobian calculation is too difficult and sometimes impossible. To overcome this problem another neural network (NNM) was trained for modeling the system and estimating the system jacobian. The results of this control scheme are compared with a constant gain PID controller. It is shown that the presented control scheme is better and more robust against disturbance than the conventional controller.