LOGIN / Acesse o sistema

Esqueceu sua senha? Redefina aqui.

Ainda não possui uma conta? Cadastre-se aqui!

REDEFINIR SENHA

Insira o endereço de email associado à sua conta que enviaremos um link de redefinição de senha para você.

Ainda não possui uma conta? Cadastre-se aqui!

Este conteúdo é exclusivo para membros ABCM

Inscreva-se e faça parte da comunidade

CADASTRE-SE

Tem uma conta?

Torne-se um membros ABCM

Veja algumas vantagens em se manter como nosso Associado:

Acesso regular ao JBSMSE
Boletim de notícias ABCM
Acesso livre aos Anais de Eventos
Possibilidade de concorrer às Bolsas de Iniciação Científica da ABCM.
Descontos nos eventos promovidos pela ABCM e pelas entidades com as quais mmantém acordo de cooperação.
Estudantes de gradução serão isentos no primeiro ano de afiliação.
10% de desconto para o Associado que pagar anuidade anntes de completar os 12 meses da última anuidade paga.
Desconto na compra dos livros da ABCM, entre eles: "Engenharia de Dutos" e "Escoamento Multifásico".
CADASTRE-SE SEGUIR PARA O VIDEO >

Tem uma conta?

Eventos Anais de eventos

Anais de eventos

DINAME2019

DINAME2019

Feedback Linearization and Supervisioned Neural Networks for the Depth Control of a ROV

Submission Author: Diago Cesar Xavier de Freitas Barros , RN , Brazil
Co-Authors: Diago Cesar Xavier de Freitas Barros, Gabriel da Silva Lima, Wallace Moreira Bessa
Presenter: Diago Cesar Xavier de Freitas Barros

doi://10.26678/ABCM.DINAME2019.DIN2019-0212

 

Abstract

A ROV (Remotely Operated underwater Vehicle) system needs a precise estimation of its position in order to avoid damage and imprecise movements in certain missions. In this paper, the intelligent control of the path trajectory of a ROV susceptible to external forces (water dynamics, currents, animals, etc.) is proposed based on feedback lin-earization and use of an error estimator with neural network. This work proposes an approach to the matter using a series of different neural networks, under supervised learning, for the unknown dynamics, to evaluate the performance of each network case, both in time and error prediction between the ideal trajectory and the real due to disturbances.

Keywords

ROV, Intelligent control, feedback linearization, neutral networks

 

DOWNLOAD PDF

 

‹ voltar para anais de eventos ABCM