关键词：UVMS;RBF神经网络;动力学建模;PSO粒子群算法;水下机械臂;滑模控制
摘 要：随着我国海洋资源开发与利用的增加，对海洋资源开发能力的要求也日益提高。然而，我国在海洋探测方面的研究仍处于起步阶段，面临着复杂的海洋环境和海洋主权保护的挑战。研究聚焦于智能化水下机器人-机械臂系统UVMS的研究。基于Lagrange法和Morison方程，精确建立了六自由度水下机械臂的动力学模型。为了提高系统的稳定性和轨迹跟踪的准确性，采用了适应值优化的PSO粒子群算法结合RBF神经网络，并将其应用于水下机械臂的动力学模型中。仿真实验结果表明，改进的PSO-RBF神经网络自适应滑模控制算法较传统PID及RBF神经网络算法提前约0.3 s和0.1 s确定控制参数，提前达到稳定状态。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取