Depth Control of Underwater Robots Using Sliding Modes and Gaussian Process Regression

Lima, Gabriel da Silva; Bessa, Wallace Moreira; Trimpe, Sebastian

doi:10.1109/lars/sbr/wre.2018.00012

Cited by 8 publications

(5 citation statements)

References 15 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Intelligent control, on the other hand, has proven to be a very attractive approach to cope with uncertain nonlinear systems [2]- [6], [9], [15], [16], [23]. By combining nonlinear control techniques, such as feedback linearization or sliding modes, with adaptive intelligent algorithms, for example fuzzy logic or artificial neural networks, the resulting intelligent control strategies can deal with the nonlinear characteristics as well as with modeling imprecisions and external disturbances that can arise.…”

Section: Intelligent Feedback Linearizationmentioning

confidence: 99%

A framework for the development of intelligent mechanical systems

Bessa¹

2022

Preprint

Self Cite

View full text Add to dashboard Cite

From autonomous vacuum cleaners to self-driving cars, intelligent mechanical systems are becoming an intrinsic part of our daily lives. In this work, a framework for the development of intelligent mechanical systems is presented.Considering that in this scenario the adopted control approach plays an essential role, I show that the proposed scheme should be able to not only adapt itself to changes in the environment, but also learn from its own experience.

show abstract

Section: Intelligent Feedback Linearizationmentioning

confidence: 99%

A framework for the development of intelligent mechanical systems

Bessa¹

2022

Preprint

Self Cite

View full text Add to dashboard Cite

show abstract

“…Para o GPR, foi considerado como entrada os estados x = [xẋẍ] e a média a priori nula (µ(s) = 0). Como adotado por Lima et al (2018), foi utilizado como função de covariância o kernel da Função de Fase Radial (RBF, do inglês Radial Basis Function) também chamada de exponencial quadrática, definida abaixo:…”

Section: Simulaçãounclassified

“…cujo o ruído ε segue uma distribuição normal com média nula e variância σ 2 . O processo de aprendizagem por GPR consiste em, dado um conjunto de treinamento Lima et al (2018) e Doerr et al (2018) sugerem que tanto a média quanto a variância a posteriori sejam calculadas com base nas seguintes equações:…”

Section: Introductionunclassified

Controle por Modos Deslizantes de um Atuador Eletro-hidráulico com Compensação por Processo Gaussiano

Lima

Bessa

2019

Anais Do 14º Simpósio Brasileiro De Automação Inteligente

View full text Add to dashboard Cite

The development of precise control systems for electro-hydraulic actuators (EHA) depends on adequate compensation of the unknown dynamic effects. In this work, a Sliding Modes controller is combined with a Gaussian Process compensator to provide adequate trajectory tracking. Gaussian process is a well-known machine learning strategy that can be used in the recognition of functions. The closed-loop convergence properties of the system are analyzed by the Lyapunov Stability Theory. Numerical results confirm a strong improvement in the performance of the controller when the proposed compensator is inserted. Resumo: O desenvolvimento de sistemas de controle precisos para atuadores eletro-hidráulicos depende de uma adequada compensação dos efeitos dinâmicos desconhecidos. Neste trabalho, um controlador por Modos Deslizantesé combinado com um compensador por Processo Gaussiano para proporcionar um adequado rastreamento de trajetória. Processo Gaussianoé uma conhecida estratégia de aprendizagem de máquinas que pode ser utilizada no reconhecimento de funções. As propriedades de convergência do sistema em malha fechada são analisadas pela Teoria de Estabilidade de Lyapunov. Resultados numéricos confirmam uma forte melhora na desempenho do controlador ao ser inserido o compensador proposto.

show abstract

“…Contudo, ao invés dessa estratégia de treinamento, utilizamos o método de janela deslizante que permite o compensador aprender gradualmente com o ambiente. Essa estratégia já tem sido utilizada para sistemas atuados no caso do controle de posicionamento de um veículo subaquático Lima et al (2018Lima et al ( , 2020.…”

Section: Introductionunclassified

Controle por Modos Deslizantes com Compensação por Processo Gaussiano para um Manipulador Flexível

Lima

Bessa

2020

Anais Do Congresso Brasileiro De Automática 2020

View full text Add to dashboard Cite

Os manipuladores robóticos rígidos tem como desvantagem a necessidade de utilização de atuadores que demandam muita energia. Por essa razão, manipuladores flexíveis são uma opção interessante para substituir os convencionais por possuírem menor peso e precisarem de atuadores que consomem menos energia. Entretanto, o controle desses manipuladores é difícil de ser realizado por conta de sua flexibilidade. Nesse trabalho é proposto a utilização de um controlador por Modos Deslizantes com compensação de incertezas utilizando Regressão por Processo Gaussiano. Um modelo utilizando parâmetros concentrados é utilizado para representar o sistema, no qual o controlador só tem conhecimento dos estados da base e da ponta. Simulações numéricas mostram que o controlador utilizado é eficaz para resolver o problema do rastreamento de trajetória.

show abstract

Depth Control of Underwater Robots Using Sliding Modes and Gaussian Process Regression

Cited by 8 publications

References 15 publications

A framework for the development of intelligent mechanical systems

A framework for the development of intelligent mechanical systems

Controle por Modos Deslizantes de um Atuador Eletro-hidráulico com Compensação por Processo Gaussiano

Controle por Modos Deslizantes com Compensação por Processo Gaussiano para um Manipulador Flexível

Contact Info

Product

Resources

About