自主水下航行器事件触发自适应神经渐近深度跟踪控制

针对自主水下航行器(AUVs)在未知模型动力学和环境干扰作用下的高精度深度跟踪控制问题，设计一种事件触发自适应神经渐近跟踪控制器。采用径向基神经网络(RBF NNs)逼近模型中的非线性不确定项，将积分有界函数融入控制律和自适应律中，以实现跟踪误差的渐近收敛；采用最小学习参数(MLPs)技术压缩神经网络权重，构造单参数自适应律；在控制器至执行器通道上应用事件触发机制，构造变量式事件触发条件，避免“Zeno”现象；应用径向基函数的不等式关系，解决“代数环”问题；采用Laypunov直接法和Barbalat引理对闭环系统的稳定性进行分析，证明跟踪误差的渐近收敛。仿真试验验证本文控制策略可实现高精度深度跟踪。