本科毕业论文---人工神经网络在认知科学的研究中的应用开题报告外文翻译.doc

本科毕业设计(论文)外文翻译（附外文原文） 学 院： 机械与控制工程学院 课题名称：人工神经网络在认知科学 研究中的应用状况的报告 专业(方向)： 自动化（控制） 班 级： 学 生： 指导教师： 日 期： 水下运载工具模糊逻辑控制器的简单设计方法K. Ishaque n, S.S.Abdullah,S.M.Ayob,Z.Salam （Faculty of Electrical Engineering, Universiti Teknologi Malaysia, UTM 81310, Skudai, Johor Bahru, Malaysia ）摘要：模糊逻辑控制器（FLC）的性能是由其推理规则决定的。在大多数情况下，FLC会使用很多算法，以使其控制功能的精确性得到增强。不过运行大型的算法需要很多的计算时间，这使得安装使用的FLC必须有快速和高效的性能。本文描述一种水下运载工具模糊逻辑控制器的简单设计方法（FLC），水下运载工具也被称为深度下潜救援运载工具（DSRV）。这一方法使控制器成为单输入模糊逻辑控制器（SIFLC），其省略了普通模糊逻辑控制器中将双输入FLC（CFLC）转变成单输入FLC的步骤。SIFLC使推理法则得到简化，主要是简化了控制参数的转化过程。控制器是在MATLAB/SIMULINK程序平台上使用航海系统模拟器（MSS）来模拟状况的，其以此达到简化的目的。在仿真中，波动的干扰提交到DSRV中。在SIFLC上显示出相同输入系统的Mamdani和Sugeno类型的相同反应，而且SIFLC只需要非常小的转换。在两个量级间，他的执行时间是少于CIFLC的。关键词：模糊逻辑控制器；距离符号法；单输入模糊逻辑控制；水下运载工具 电子工程系，teknologi malaysia大学，UTM81310，Skudai，johor bahru，malaysia1引言无人水下运载工具是一个自动的，像水下机器人设备一样能完成水下任务（例如搜索和营救操作，考察，监视，检查，维修和保养）的设备。UUV控制是一个很有挑战的任务，主要是由于在海洋中存在困难且不可预测的环境因素。在操作过程中，由于运载工具难以定义的，也难以密切结合每一个子系统Goheen 和jefferys (1990)，UUV会受到复杂地环境因素影响，这些环境因素具有多轴运动轨迹和高度非线性特征。之所以如此是因为运载工具难以定义，其也难以与每一个子系统密切结合，进一步说，在不断变化的环境条件和强烈的外部干扰下，例如风速和海流，运载工具的动态性能会有相当大的变化，这使得水力系统难以正确测量和精确预测(Humphreys and Watkinson,1982:Abkowitz,1969:Lewis et al.,1984)。现在在发展UUV控制器方面，科学家已经有了很多的尝试，其中就有线性控制法和智能控制法两种方法。由复杂的控制需求状况，可以很清楚的知道线性控制器是不能满足控制运载工具的要求的(Yoerger and Slotine,1985)。智能控制方法包括神经网络、变化模拟（SIC）和模糊控制器（FLC），他们功能强大且可以适应不确定的水中环境，而且他们表现出了对干扰的卓越的免疫力。Russel和Bugge(1981)提出了自动导航系统，Yuh(1990)在UUV中补充了的参数变化。Yoerger(1991)、Slotine(1985)等成功的发展了UUV滑块模拟控制器。Fossen与Sagatun（1991）提出了滑块模拟法，Healey与David（1993）进一步改进这一方法。其他的智能控制研究还有Yuh（1990）、Ishiii（1998）、Kim与Yuh（2001）和Wang（2000）的工作，他们使用了模糊神经控制器，它也叫自适应神经模糊推断系统（SANFIS）。在许多不同方法中都会使用到模糊资格函数神经网络（FMFMM），该网络模型以工作量为基础，是Suh和Kim(1994,2000)为了非线性控制或非线性函数近似而提出的，FMFMM集合了FLC和NN的优势。Debitetto(1994)和Kato(1995)还提出了在UUV中使用FLC的一些应用。尽管在UUV中智能控制应用很有前景，但是他的执行过程需要进行复杂的运算并且耗费大量的计算机资源，例如，FLC不得不处理模糊化、基础规则存储、推论机制和去模糊等操作。虽然有这些问题，但是他还是可以指导具有简单控制结构的FLC（FLC的优点是计算能量需求少），并且对比其他非线性控制器Liu和Lewis(1993)，在转换控制参数时他能提供更高的自由度。本文提出一个简单的常规模糊控制器（CFLC），也称作单输入模糊控制器（SIFLC）。其使用“距离符合法”(Choi et al.,2000)来简化过程，通过SFLC输入的仅仅是一个可变的距离量。对比CFLC，他只需要一个错误量作为输入，并由此产生一个衍生错误量，他成为了单输入单输出控制器，输入量的减少优化了规则表的尺寸。因为规则数量从 减少到，所以SIFLC减少了处理器的计算负担，这里的是模糊度水平。在这里，控制面能近似成一个分段的连续面， 从而建立一个有用的查询表(Ayob et al.,2009)。通过修改提出的控制计划，可以模拟UUV的特殊类型，这称作深度下潜救援运载工具正在执行。本文给出了SIFLC的概述并强调了其控制面板的构造。DSRV模型是由Healey(1992)提出的，然而是Fossen和Perez(2004)将其使用到海洋系统模拟器。在仿真中，DSRV应用了波动干扰，并使用MMS、SIFLC和两种类型的CFLC（即Mamdani和Sugeno flc）来进行对比和评估。2单输入模糊控制器2.1 距离符号法典型的FLC有两个控制输入：误差（e）和变化误差（），在table 1中描述了在二维空间相域（e，）中创造出的规则表，规则表包括了在对角方向上有相同输出关系的点，而且每个点在特殊对角线都有一个量，这个量正比于主要对角线的距离，这被称作Toeplitz结构。对所有类型的FLC，Toeplitz比例是正确的，其使用误差和衍生数值，也就是、和作为输入变量。通过观察table 1中输出关系组的一致模式，将有很大的机会简化表格。在table 1中描述了这两个变量的代替输入（,）集，他能获得相对的输出。Choiet（2000）首先提出了使用单变量输入的化简方法，这个方法被称作距离符合法。这个方法将输入量简化为单输入变量，即距离d，距离表示的是主对角线上平行于对角线（在输入集e和的线）的绝对距离量。由于距离d的设定，Q(。)成为了一个在主对角线和垂直线间与已知操作点P(，)相互作用的点。在Fig1中描述了简单线函数的主对角线，i.e。+e=0从点P（,）到点Q（，）的距离d可表示为距离变量的产生了一阶规则表，相反二阶表则需要通过传统的FLC来实现。在table 2中描述了规则表，表中的、和是table 1的对角线，这些对角线是符合规则表新输入的，NI，NM，NS，Z，PS，PM和PL是符合对角线的输出。在实际过程中，FLC的控制行动仅由d决定，故称其为单输入FLC（SIFLC）Rule table with the Toeplitz structure-Toeplitz结构的规则表Saturation-饱和region-区域在Fig2中的一个数据表描述到SIFLC结构源于距离符号法，输入是距离变量d，而输出是控制输出变量，最终输入由（k）和输出比相乘获得，被表示为r。输出公式可写为（k）=（k）rSIFLC的优势是减少了规则的推论过程。通常，FLC的两个输入是模糊的，他们依赖于模糊值e(K)中的p和(K)，规则数量可由推论出来，然而，对于SIFLC而言，他仅仅需要使用p规则。Derivation of distance-距离量来源Main diagonal line-主对角线The reduced rule table using the signed distance method-使用标志距离法减少规则表2.2 SIFLC控制面SIFLC控制面通常能减少到一个两阶极点，他是自然距离符合法的副产品能将规则表减少到一阶。事实上，SIFLC二阶控制面能近似作为一个分段线性界面（平稳的），假如下面条件满足：（a） 输入组函数呈现三角形关系（b） 输出组函数呈现单结构关系（c） 使用重心方法来模糊化和去模糊化。使用这些控制条件的SIFLC输出公式表达如下：考虑到在Fig3（a）和（b）中描述的三角形输入和单结构输出的关系，各自假设、和是输入组函数，、和是输出单结构函数，在table 3中描述了其规则推论。Signed-distance method-标志距离法fuzzification level-模糊化水平rules inference-规则推到defuzzification-去模糊化the SIFLC control structure-SIFLC控制结构Input-输入Output-输出Input membership function and output membership function函数输入关系和函数输出关系Rule table for the above example-上述例子的规则表在Fig.3中描述的、和可表示为、和函数组的局部峰值。考虑到在（U0D）区域内，x作为测量距离d的输入，又由于他满足和的关系函数，故输出能使用重心中心（C0G）方法来计算在Eq.(4)中，是组等级量为i的组函数。因为x是和的关系函数，所以组函数、和为零组等级量。因此Eq.(4)能写为在Eq.(6)中证明了SIFLC的输出函数是个线性函数，可重新写成一个更普遍的形式：=+在Eq.(7)中，d是输出距离变量，当输入d是零时变量，是输出值，则有i.e.=。两个和参数定义为和通过观察Eq.(8)，输出公式是一个输入和输出关系函数的局部峰值函数，从中可获得分段线性（PWL）控制界面，使用一个查找表就能处理PWL控制面的简化结构。在这个情况下其计算时间更快速，规则推论和去模糊化过程是被排除了。在Fig.4中描述了线性PWL控制界面的例子，他有一个遍及U0D的连续范围。在Fig5中描述PWL面的结构，当输入输出函数的局部峰值安排在不同的区域时，会使得多线性区域和不同区域的线性线趋于平稳。中断点（）的定义是在两个不同分段线性范围中的过渡点。作为一种选择，相似的PWL控制面能变换成单输出组函数的局部值。在Fig.6中描述了为了在控制面上获得分段线性区域，是需要更多的组函数的。附加组函数创造更多的分段区域和中断点。Linear PWL control surface for an evenly arranged input and output membership function-一个平坦安排输入输出关系的线性控制面Output sets-输出集Universe of discourse-通常谈话Input sets-输入集Control surface-控制面Non-linear PWL control surface with peak locations of the input membership function is adjusted-调整非线性PWL控制面的输入关系函数峰值域Non-linear PWL control surface with increased non-linearity caused by using more membership functions-许多关系函数推论出非线性PWL和增长的非线性算术控制面3 SIFLC设计为了DSRV3.1 系统描述在Fig.7中描述了DSRV控制的方块图系统，其中的参考轨道块模型追溯到了舰船输入。控制器块完成了这个控制行动，其中控制器使用了两个控制器类型（SIFLC和CFLC）。在干扰块中可以显示环境干扰。在DSRV舰船模型块中可以模拟产生风，风又产生浪，影响到潜水动力学的过程，其中四个变量可以影响到舰船的动力学：反应深度（z）、重力速度（w）、倾斜角（）和倾斜速度(q)。通过潜水系统可以监控这些变量的变化。Reference trajectory-参考轨线Environmental disturbances-环境干扰DSRV model DSRV-模型Diving system variables response潜水系统动态响应3.2 UUV模拟UUV过去用于模拟SNAME，Fossen（1994）提出了DSRV模型，他的原理是牛顿欧拉法。他能方便的发展和使用两个坐标系统或祯，在此处第一个是总参考祯（XYZ），第二个是地固定坐标框架（），地固定坐标框架有六个运载工具活动模拟部件：，其各自表示为转化和旋转中的。速度量可描述为使用Euler角，运载工具的位置和定位可以描述为一个相对于总参考框架的矢量通过Euler 角转换来绘制两个坐标系统在这里的J是欧拉角度转化矩阵，其能在一个固定的命令使用三个循环量，坐标系统通过转化总参考框架获得地固定坐标框架。非线性运载工具动力学能表示为一个紧凑的形式这里的M是包括了流体动力学增加量的6*6惯性矩阵，C（v）是科里奥利矩阵同心力，D（v）是流体动力学阻尼矩阵，g（）是回复力和瞬态值，B（v）是6*3控制矩阵。按照进下面的标准通过假设起源一致，在上升和倾斜中简化的刚性体公式运动可写为重心和摇摆（v）和偏航（r）是零。为了在运载工具平面上操作运载工具，使用如下假设：在稳态中忽略持续前加速、摇摆和偏航模式， =常量和q0=0。表示动力学结果的变量矩阵形式如下：是垂直距离在浮力心和重力心，在table 4中概括了Healey（1992）提出的流体动力学衍生值和主要规格。按照海军建造和海洋工程协会的定义（SNAME）(1950)，在主要系统I中的无阶流体动力学派生物的恒定速度为=4.11m/s，Eq.（13）其更紧凑的状态空间表达式如下：X轴的惯性瞬间运载工具的质量在定位增加惯性质量时刻共同在上升增加惯性质量时刻共同3.3 SIFLC设计为了重新配置表格Perry的规则量，这里采用了SIFLC的PWL面。在Fig8中显示了一个典型的PWL控制面，他包含三个不同的斜坡的分段线性区域，分别表示为斜坡（）和（），范围是被中断点独立出来的。模型的斜率是d时的输入范围。通过观察系统的动力学响应而转换出来，当1时，可获得更高的控制输出变化率，这导致在暂态时一个更快的上升时间，然而在我们的设计中，因为上升时间和超调量是严格依赖于潜水系统的四个变量的且斜率范围是固定的在个体中，所以这会导致1。Control surface for an SIFLC一个SIFLC-的控制面Slope ais is adjusted heuristically-启发式调整极点设计SIFLC有两步。首先，使用一个线性面，所有的模糊组函数都选用对称的。第二步是使用由两个分段线性区域组成的控制面，其在Fig.9中会进一步讲述。设计中仅仅简化一个SIFLC和一个中断点。范围是固定在个体量中的，但是斜率和中断点的量被转换成大信号的特征。An SIFLC control surface with one break-point-一个带中断点的SIFLC控制面3.3.1 线性SIFLC设计在Fig.10（a）（c）中描述了Mamdani和Sugeno类型的输入和输出组函数。为了去模糊， 按照C0G对Mamdaniflc使用了最小最大推论技术，而Sugeno FLC也采用去模糊技术的平均强度。在Fig.11（a）和（b）中描述了CFLC的两类线性控制面。Mamdani和sugeno设计是仅有一个斜率的SIFLC，其在无断点的PWL中使用斜率SIFLC，正如在Fig.4中的SIFLC描述的一样。从Fig.11(C)中可以看出，结合了Mamdani的三角组函数，使得他在微风控制面下产生了缓慢的移动，Sugeno控制面非常近似于线性面。CFLC membership functions for both types of FLCs（a）input membership function,(b)Mamdani output membership and (c)Sugeno output membership function-在两类FLCs输入关系函数中的CFLC函数关系(a)，即Mamdani 输出关系（b）和Sugeno输入关系函数（c）。Linear control surface：(a)Mamdani FLC,(b) Sugeno FLC and(c)comparison of Mamdani and Sugeno surface variable,of be are velocity(w),depth error() and Stem place()-线性控制面：（a）Mamdani FLC,(b)Sugeno FLC and(c)对比Mamdani and Sugeno 面的变换的速度（w），深度（）和平面（b）Depth Error-深度误差Heave velocity-上升速度3.3.1 非线性SIFLC设计在Fig12中描述了Mamdani和Sugeno CFLC通过上述的SIFLC设计获得等价输入组函数的方法。可以观察到有三个语言变量： NS，Z和PS，他们有相同的带宽，这和在Fig.9显示的在-0.5到0.5的距离量d相一致。变量PM和NM对应为中断点，PL和NL是在FLC中利用饱和限制的得出的。作为参考，在table5中描述了Sugeno类型的规则表。CFLC input ()membership functions for both Mamdani and Sugeno types-CIFLC关于Mamdani和sugeno类型的输入（和w）关系函数Rule table with Sugeno structure-Sugeno结构的规则表在Fig.13（a）和（b）中描述了从Fig.9中提取的中断点控制面，从Fig13（c）中能看出在两个界面有相同偏差趋势。Non-linear control surface：(a)Mamdani FLC(b)Sugeno FLC and (c)comparison of Mamdani and Sugeno surface variable,heave velocity(w),depth error(z),stern plane()-非线性控制面（a）Mamdani FLC（b）Sugeno FLC和（c）对比Mamdani和sugeno面变化，上升速度（w），深度误差（z）平面（）4 结果通过证实SIFLC的有效性，可以确定出DSRV系统的特征是为环境提供必要资源，以使其能快速完成海洋系统数学模型的构件，并使用的海洋系统模拟器（MSS）来模拟和设计控制系统。这个平台发展了MSS，因为他采纳了Matlab/Simulink，这决定了其既能对模拟器结构进行模块化也能对模拟器结构进行离散化。公开化和模块化的软件结构被设定为优先的设计原则，他能重复使用一个系统的知识，并以此找出在研究和教学中的有效工具。他强调模拟的目的是为了证明SIFLC和CFLC是等价的，但这不意味着对比这些控制器的特征和其控制技术很重要。主要的模拟块由非线性动力学的DSRV模型、非线性流体动力学系数和末端的平面机构三部分组成。DSRV的初始化深度是零米，在巡航速度8knots(4.11m/s)下末端平面的最大偏差是30度。距离通常由标准船体长度(L=5.0m)和标准航速通过 给出。环境干扰使用Saelid et al来模拟。Pierson和Moskowitz（1963）提出波动（在波动模型中的阻尼）能更好的适应PM光谱的结构，波动模型的传递函数如下这里参数是独立的海洋稳态值，是相关阻尼比，是波动光谱峰值频率，是波动强度。值升高意味着在反馈环和小量中允许通过高频率的移动组件来给船一个光滑的移动特性。Holzhuter（1992）提出相对阻尼量不是固定值，可以自由选择，其数值较低（典型是=0.01到0.1）。因为波动周期在5秒到20秒内，所以模型的PM波动光谱的频率在范围0.3到1.3.(rad/s)内。基于上述波动模型的标准，下面列出相关数值： =0.1，=0.5和=1.2，在Fig14. 列出了波动模型的时间表。Time series of the wave model-随时间变化波形模型Wave amplitude(t)-波形振幅4.1 输出轨道响应为了能使控制器追踪到，则必须构造一个满意的轨迹，而包括滤波的一阶低通滤波器是不能从参考信号中实现信号的。在Fig.15和16中描述了为Mamdani和Sugeno而模拟DSRV的深度响应、起伏速度、倾斜角和倾斜加速度可由线性FLC获得，且所有的稳态变量成功获得了他们满意的稳态量。在Fig.17中描述了使用SILC响应的过程，SIFLC控制面被设计成所有输入d值转换成个体的斜坡，在Fig.17中没有介绍中断点，SIFLC的暂态和稳态响应是和FLC的类型相同。Mamdani linear FLC:(a) depth response and (b)beave velocity”w”,(c)pitch angle “theta” and (d) pitch velocity ”q”-Mamdani 线性FLC：（a）深度响应（b）海流速度“w”，（c）倾斜角“theta”，（d）倾斜速度。Sugeno linear FLC:(a) depth response,(b) heave velocity ”w”,(c) pitch amgle “theta” and (d) pitch velocity”q”-Sugeno 线性FLC：（a）深度响应，（b）上升速度“w”，（c）倾斜角“theta”和（d）倾斜速度“q”SIFLC without breakpoint:(a) depth response and (b) heave velocity”w”,(c) pitch angle ”theta” and (d)pitch velocity”q”-无中断点的SIFLC（a）深度响应和（b）上升速度“w”，（c）倾斜角“theta”和（d）倾斜速度“q”在Fig.18和19中描述了Mamdani和Sugeno类型的非线性控制面的FLC响应获得的结果。在Fig.12（a）和（b）也展示了这个控制面的使用。在table.6中，描述了他们预期的更好的暂态和稳态性能。在Fig.20中描述了SIFLC的等价响应。从上诉表格可以看出，SIFLC和普通的FLC间只有非常微小的差别。在Fig.21中描述了SIFLC的末端面偏起的线性和非线性特性。上述结果说明，对比线性，非线性控制面能有更好的结果，这得益于面上包含的中断点。Mamdani FLC with non-linear control surface: (a)depth response (b)heave velocity “w”,(c)pitch angle “theta” and pitch velocity “q”-非线性的Mamdani FLC控制面：（a）深度响应，（b）上升速度“w”，(c)倾斜角“theta”和倾斜速度“q”Sugeno FLC with break-point-系统的FLC的中断点Depth response-深度响应Heave velocity-抬升速度Pitch angle-定位角Pitch velocity-定位速度Performance comparison of linear SIFLC and non-linear SIFLC-对比线性SIFLC和非线性SIFLC的特征Reference trajectiories-参考轨迹Rise time for depth-深度上升时间Peak overshoot for pitch-峰值穿越定位速度SIFLC with break-point-SIFLC的中断点Depth response-深度响应Heave velocity-上升速度Pitch angle-定位角Pitch velocity-定位速度Stern plane deflection for linear and non-linear SIFLC-对线性和非线性SIFLC的船尾平面偏转5 对比SIFLC和CFLC5.1 转换从Fig.15到20中可以观察出，线性控制系统界面是SIFLC提供的额外CFLC复制，进一步说，非线性控制界面是一个改进版。然而对CFLC来说，好的暂态响应是在漫长的模糊化、去模糊化和推导复杂的转换过程中获得的。在这个情况下，评估要按照49规则来执行，除非有合适的转换，否则会获得不满意的结果。相反，SIFLC仅仅需要两个参数转换：分段线性斜率分割和中断点，这减少了非常多的实际时间，的确，在非线性控制面中增加中断点和斜率数量能获得更好的结果。为了适合控制转换，这里介绍了一个自转换表。5.2 执行时间SIFLC对于CFLC另一个重要的优势是减少了计算时间，这个时间需要计算控制算法来得出。在table.7中对比了SIFLC和CFLC控制器的计算时间，能观察到Sugeno FLC的计算时间很少，他比Jassbi和Guney和Sarikaya更有效。然而，SIFLC是高阶计算，且比CFLC更快，观察表明CFLC需要许多计算过程，包括模糊化、推论机制、规则计算和去模糊化，而SIFLC仅仅需要一个简单步骤：查找表格，所以SIFLC使用的是一个更慢的，低成本的处理器。Computation time comparison-计算时间对比Controller-控制器computation time-计算时间6 结论本文描述了水下运载工具模糊逻辑控制器的简单设计方法，他是单输入单输出的控制器，使用的方法是距离标记法，其最终能减少控制过程，其使得控制表的规则减少了。对比普通FLC，转换参数减少了并且控制结构简单了。而且，由于仅仅利用分段线性控制面，他能很容易实现查找表格的步骤，并且可以使用低成本的微处理器。基于SIFLC表的DSRV系统模拟已经证明了其可以得到和Mamdani和Sugeno类型的FLC相同的结果。通常来说， SIFLC设计的提出能被其他水下运载工具有效使用，而且在控制界面增加中断点和斜率能获得更好的结果。致谢作者感谢海洋系统模拟器小组提供他们的模拟DSRV的模型包，感谢Teknologi Malaysia大学对这项研究提供的设施。参考文献Abkowitz, M.A.,1969.StabilityandMotionControlofOceanVehicles.MA:M.I.T. Press, Cambridge. Ayob, S.M.,Azli,N.A.,Salam,Z.,2009.PWMDCACconverterregulationusinga multi-loop singleinputfuzzyPIcontroller.JournalofPowerElectronics09, 124131. Choi, B.J.,Kwak,S.W.,Kim,B.K.,2000.Designandstabilityanalysisofsingle-input fuzzy logiccontroller.Systems,ManandCyberneticsPart B:Cybernetics Transactions ofIEEE30(2),303309. DeBitetto, P.A.,1994.Fuzzylogicfordepthcontrolofunmannedunderseavehicles. In: ProceedingsoftheAUVSymposium,233_241. Fossen, T.I.,1994.GuidanceandControlofOceanVehicles.Wiley,NewYork. Fossen, T.I.,Perez,T.2004.MarineSystemsSimulator(MSS). /www.marinecontrol. orgS (accessed ondateNovember2008.). Fossen, T.I.,Sagatun,S.,1991.Adaptivecontrolofnonlinearsystems.Acasestudyof underwater roboticsystems.JournalofRoboticSystems8,393412. Goheen, K.R.,Jefferys,E.R.,1990.Theapplicationofalternativemodelingtechniques to ROVdynamics.In:ProceedingsoftheIEEEInternationalConferenceRobotics and Automation2,1302_1309. Guney, K.,Sarikaya,N.,2009.ComparisonofMamdaniandSugenofuzzyinference system modelsforresonantfrequencycalculationofrectangularmicrostrip antennas. ProgressinElectromagneticsResearch12,81104. Healey, J.,1992.MarineVehicleDynamicsLectureNotesandProblemSets.Naval Postgraduate School(NPS),Monterey,CA. Healey, J.,David,Lienard,1993.Multivariableslidingmodecontrolforautonomous diving andsteeringofunmannedunderwatervehicles.IEEEJournalofOceanic Engineering 18,327339. Holzhuter, T.,1992.Ontherobustnessofcoursekeepingautopilots.In:Proceedings of theIFACWorkshoponControlApplicationsinMarineSystems(CAMS92), 235_244. Humphreys, D.E.,Watkinson,K.W.,1982.Hydrodynamicstabilityandcontrol analyses oftheUNH_EAVE autonomousunderwatervehicle,MarineSystems Laboratory Reports.UniversityofNewHampshire,Durham. Ishiii, K.,Fujii,T.,Ura,T.,1998.Neuralnetworksystemforon-linecontroller adaptation anditsapplicationtounderwaterrobot.In:ProceedingsoftheIEEE International ConferenceonRoboticsandAutomation,756_761. Jassbi, J.,Serra,P.,Ribeiro,R.A.,Donati,A.,2008.AcomparisonofMamdaniand Sugeno inferencesystemsforaspacefaultdetectionapplication.World Automation Congress(WAC). Kato, N.A.,1995.Applicationsoffuzzyalgorithmtoguidanceandcontrolof underwater vehicle.In:Yuh,J.(Ed.),UnderwaterRoboticVehicles:Design and Control.TSIPress,Albuquerque,NM,USA,pp.145183. Kim, T.W.,Yuh,J.,2001.Anovelneuro-fuzzycontrollerforautonomousunderwater vehicles. In:ProceedingsoftheIEEEInternationalConferenceonRoboticsand Automation, Seoul,Korea,2350_2355. Lewis, D.J.,Lipscombe,J.M.,Thomasson,P.G.,1984.Thesimulationofremotely operated underwatervehicles.In:ProceedingsoftheROV84,MarineTechnol- ogy Society,SanDiego,CA,245_252. Liu, K.,Lewis,F.L.,1993.Someissuesaboutfuzzylogiccontrol.In:The32nd conference ondecisionandcontrol,1743_1748. Perez,