In this article, a novel cable-drogue docking system is proposed between an autonomous underwater vehicle (AUV) and one mobile underwater platform, to increase the docking safety and reduce the negative influences of turbulences around the platform shell on the AUV. The mathematical model of the cable-drogue system and an radial basis function neural network (RBFNN)-based Q-learning proportional-integral-differential (PID) controller are developed for the system characteristics analysis and the stabilized control. First, the cable-drogue's mathematical model is established as a link-joint-connected system, whose kinematic and dynamic equations are derived subjected to the hydrodynamic forces on system. One numerical solution procedure is also presented to obtain the motion state of the cable-drogue system. Next, considering the current interferences on the cable-drogue system, a cross rudder is added on the drogue to enhance the robustness. An RBFNN-based Q-learning PID controller is proposed to improve the control performances, in which the control parameters are adaptively optimized by an Q-learning neural network. Finally, numerical simulations are made to study the steady-state and dynamic characteristics of the cable-drogue system in ocean environment, and to investigate the performances of both the traditional PID controller and the proposed RBFNN-based Q-learning PID controller in unknown dynamical system. Simulation results show the effectiveness of the kinematic and dynamic equations of the cable-drogue system and the proposed controller in this article.

中文翻译：

---

自主水下航行器电缆锥套对接系统建模与自适应控制

在本文中，提出了一种在自主水下航行器（AUV）和一个移动水下平台之间的新型电缆锥套对接系统，以提高对接安全性并减少平台外壳周围湍流对AUV的负面影响。建立了电缆锥套系统的数学模型和基于径向基函数神经网络 (RBFNN) 的 Q 学习比例-积分-微分 (PID) 控制器，用于系统特性分析和稳定控制。首先，将电缆锥套的数学模型建立为连杆-接头-连接系统，推导出系统受到水动力作用的运动学和动力学方程。还提出了一种数值求解程序来获得索锥系统的运动状态。下一个，考虑到电流对电缆锥套系统的干扰，在锥套上增加了一个横舵，以增强鲁棒性。为了提高控制性能，提出了一种基于 RBFNN 的 Q 学习 PID 控制器，其中控制参数通过 Q 学习神经网络进行自适应优化。最后通过数值模拟研究了海洋环境下索锥系统的稳态和动态特性，研究了传统PID控制器和基于RBFNN的Q-learning PID控制器在未知动态环境下的性能。系统。仿真结果表明了电缆锥套系统和本文提出的控制器的运动学和动力学方程的有效性。锥套上增加了横舵，增强了坚固性。为了提高控制性能，提出了一种基于 RBFNN 的 Q 学习 PID 控制器，其中控制参数通过 Q 学习神经网络进行自适应优化。最后通过数值模拟研究了海洋环境下索锥系统的稳态和动态特性，研究了传统PID控制器和基于RBFNN的Q-learning PID控制器在未知动态环境下的性能。系统。仿真结果表明了电缆锥套系统和本文提出的控制器的运动学和动力学方程的有效性。锥套上增加了横舵，增强了坚固性。为了提高控制性能，提出了一种基于 RBFNN 的 Q 学习 PID 控制器，其中控制参数通过 Q 学习神经网络进行自适应优化。最后通过数值模拟研究了海洋环境下索锥系统的稳态和动态特性，研究了传统PID控制器和基于RBFNN的Q-learning PID控制器在未知动态环境下的性能。系统。仿真结果表明了电缆锥套系统和本文提出的控制器的运动学和动力学方程的有效性。其中控制参数由 Q 学习神经网络自适应优化。最后通过数值模拟研究了海洋环境下索锥系统的稳态和动态特性，研究了传统PID控制器和基于RBFNN的Q-learning PID控制器在未知动态环境下的性能。系统。仿真结果表明了电缆锥套系统和本文提出的控制器的运动学和动力学方程的有效性。其中控制参数由 Q 学习神经网络自适应优化。最后通过数值模拟研究了海洋环境下索锥系统的稳态和动态特性，研究了传统PID控制器和基于RBFNN的Q-learning PID控制器在未知动态环境下的性能。系统。仿真结果表明了电缆锥套系统和本文提出的控制器的运动学和动力学方程的有效性。并研究了传统 PID 控制器和所提出的基于 RBFNN 的 Q 学习 PID 控制器在未知动态系统中的性能。仿真结果表明了电缆锥套系统和本文提出的控制器的运动学和动力学方程的有效性。并研究了传统 PID 控制器和所提出的基于 RBFNN 的 Q 学习 PID 控制器在未知动态系统中的性能。仿真结果表明了电缆锥套系统和本文提出的控制器的运动学和动力学方程的有效性。