Resumen

Este trabajo propone un mtodo de control adaptativo iterativo de aprendizaje (AILC) para sistemas no lineales inciertos con entrada continua no lineal para resolver diferentes problemas de seguimiento de objetivos. El mtodo utiliza la red neuronal de funcin de base radial (RBFNN) para aproximar cada trmino incierto en los sistemas. Se introduce una capa lmite variable en el tiempo y una serie convergente tpica para tratar el error de estado inicial y los lmites desconocidos de los errores, respectivamente. La conclusin es que el error de seguimiento puede converger a una zona muy pequea con el aumento del nmero de iteraciones. Todas las seales de bucle cerrado estn acotadas en un intervalo de tiempo finito . Finalmente, el resultado de la simulacin del sistema mecnico masa-resorte muestra la correccin de la teora y la validez del mtodo.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Adaptativo; Control de aprendizaje iterativo; Sistema no lineal incierto; Red neuronal de función de base radial; Problema de seguimiento de objetivos; Resultado de simulación.
• Keywords:Adaptive; Iterative learning control; Uncertain nonlinear system; Radial basis function neural network; Target tracking problem; Simulation result