論文の概要: A Hybrid Tracking Control Strategy for an Unmanned Underwater Vehicle Aided with Bioinspired Neural Dynamics

• arxiv url: http://arxiv.org/abs/2209.01484v1
• Date: Sat, 3 Sep 2022 19:18:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-07 15:07:13.962401
• Title: A Hybrid Tracking Control Strategy for an Unmanned Underwater Vehicle Aided with Bioinspired Neural Dynamics
• Title（参考訳）: バイオインスパイアされたニューラルダイナミクスを考慮した無人水中車両のハイブリッド追尾制御
• Authors: Zhe Xu, Tao Yan, Simon X. Yang, S. Andrew Gadsden
• Abstract要約: 本稿では,バイオインスパイアされたニューラルダイナミクスモデルに基づく無人水中車両(UUV)のハイブリッド制御手法を提案する。 急激な速度ジャンプを回避し、スムーズな速度コマンドを提供するため、バックステッピング・キネマティック・コントロール・ストラテジーを改良した。 そこで,スムーズかつ連続的なトルク制御が可能なスライディングモード制御を提案する。
• 参考スコア（独自算出の注目度）: 14.66072990853587
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tracking control has been a vital research topic in robotics. This paper presents a novel hybrid control strategy for an unmanned underwater vehicle (UUV) based on a bioinspired neural dynamics model. An enhanced backstepping kinematic control strategy is first developed to avoid sharp velocity jumps and provides smooth velocity commands relative to conventional methods. Then, a novel sliding mode control is proposed, which is capable of providing smooth and continuous torque commands free from chattering. In comparative studies, the proposed combined hybrid control strategy has ensured control signals smoothness, which is critical in real world applications, especially for an unmanned underwater vehicle that needs to operate in complex underwater environments.
• Abstract（参考訳）: トラッキング制御はロボット工学における重要な研究テーマである。 本稿では,生体インスパイアされた神経動力学モデルに基づく無人潜水機(uuv)のハイブリッド制御戦略を提案する。 強化されたバックステッピング運動制御戦略は、最初に鋭い速度ジャンプを避けるために開発され、従来の方法と比較して滑らかな速度指令を提供する。 そして,スライディングモード制御を新たに提案し,チャタリングを不要とした滑らかで連続的なトルク制御を実現する。 比較研究において、提案された複合ハイブリッド制御戦略により制御信号の滑らかさが保証され、これは実世界での応用、特に複雑な水中環境で運用する必要がある水中無人機において重要である。

関連論文リスト

• Integrating DeepRL with Robust Low-Level Control in Robotic Manipulators for Non-Repetitive Reaching Tasks [0.24578723416255746]
  ロボット工学では、現代の戦略は学習に基づくもので、複雑なブラックボックスの性質と解釈可能性の欠如が特徴である。 本稿では, 深部強化学習(DRL)に基づく衝突のない軌道プランナと, 自動調整型低レベル制御戦略を統合することを提案する。
  論文  参考訳（メタデータ） (2024-02-04T15:54:03Z)
• Distributed Neurodynamics-Based Backstepping Optimal Control for Robust Constrained Consensus of Underactuated Underwater Vehicles Fleet [16.17376845767656]
  本稿では,新しいコンセンサスに基づく最適コーディネーションプロトコルとロバストコントローラを開発する。 UUVの艦隊の最適な編成追跡が達成され、制約が満たされる。 全体的なUUVの形成システムの安定性は、UUVのすべての状態が、未知の乱れの存在下で一様に束縛されていることを保証するために確立されている。
  論文  参考訳（メタデータ） (2023-08-18T06:04:12Z)
• Distributed Leader Follower Formation Control of Mobile Robots based on Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter [14.66072990853587]
  バイオインスパイアされた神経力学に基づくバックステッピングとスライディングモード制御ハイブリッド形成制御法を提案する。 提案した制御戦略は,従来のバックステッピング設計に存在する非現実的な速度ジャンプ問題を解決する。 提案手法の有効性と有効性を示すため,複数のシミュレーションを行った。
  論文  参考訳（メタデータ） (2023-05-03T17:29:46Z)
• A Fuzzy Logic-based Cascade Control without Actuator Saturation for the Unmanned Underwater Vehicle Trajectory Tracking [4.828832506496124]
  無人水中車両(UUV)の軌道追尾過程におけるアクチュエータ飽和問題を排除するための知的制御戦略を提案する。 この戦略は2つの部分から構成される: キネマティックモデリング部では、許容範囲内における制御速度と小さな揺らぎの誤差を達成するためにファジィ論理修正バックステッピング制御を開発する。 動力学的モデルによって計算された制御速度と動的モデルによって導出される応用力により、アクチュエータ飽和のないUUV軌道の頑健性と精度を実現することができる。
  論文  参考訳（メタデータ） (2022-10-04T16:01:12Z)
• Unified Automatic Control of Vehicular Systems with Reinforcement Learning [64.63619662693068]
  本稿では,車載マイクロシミュレーションの合理化手法について述べる。 最小限の手動設計で高性能な制御戦略を発見する。 この研究は、波動緩和、交通信号、ランプ計測に類似した多くの創発的挙動を明らかにしている。
  論文  参考訳（メタデータ） (2022-07-30T16:23:45Z)
• Motion Planning and Control for Multi Vehicle Autonomous Racing at High Speeds [100.61456258283245]
  本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。 提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
  論文  参考訳（メタデータ） (2022-07-22T15:16:54Z)
• Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
  本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。 実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
  論文  参考訳（メタデータ） (2022-07-05T16:33:20Z)
• Learning Variable Impedance Control for Aerial Sliding on Uneven Heterogeneous Surfaces by Proprioceptive and Tactile Sensing [42.27572349747162]
  本研究では,空中すべり作業に対する学習に基づく適応制御手法を提案する。 提案するコントローラ構造は,データ駆動制御とモデルベース制御を組み合わせたものである。 美術品間相互作用制御手法の微調整状態と比較して,追従誤差の低減と外乱拒否の改善を実現した。
  論文  参考訳（メタデータ） (2022-06-28T16:28:59Z)
• Neural optimal feedback control with local learning rules [67.5926699124528]
  運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。 本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-11-12T20:02:00Z)
• Reinforcement Learning for Robust Parameterized Locomotion Control of Bipedal Robots [121.42930679076574]
  シミュレーションにおけるロコモーションポリシをトレーニングするためのモデルフリー強化学習フレームワークを提案する。 ドメインランダム化は、システムダイナミクスのバリエーションにまたがる堅牢な振る舞いを学ぶためのポリシーを奨励するために使用されます。 本研究では、目標歩行速度、歩行高さ、旋回ヨーなどの多目的歩行行動について示す。
  論文  参考訳（メタデータ） (2021-03-26T07:14:01Z)
• Learning a Contact-Adaptive Controller for Robust, Efficient Legged Locomotion [95.1825179206694]
  四足歩行ロボットのためのロバストコントローラを合成するフレームワークを提案する。 高レベルコントローラは、環境の変化に応じてプリミティブのセットを選択することを学習する。 確立された制御方法を使用してプリミティブを堅牢に実行する低レベルコントローラ。
  論文  参考訳（メタデータ） (2020-09-21T16:49:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。