Resumen

Este artículo estudia los problemas de control de seguimiento robusto de sistemas Euler-Lagrange (EL) con incertidumbres. Para mejorar la robustez de los sistemas de control, se utiliza una función de Lyapunov de barrera asimétrica de tipo tan (ATBLF) para los errores de seguimiento de la posición de la restricción dinámica. Para hacer frente a los problemas de las incertidumbres del sistema, se desarrolla la red neuronal autoestructurada (SSNN) para estimar el modelo dinámico desconocido y evitar la carga de cálculo. El compensador robusto está diseñado para estimar y compensar los errores de aproximación de la red neuronal (NN) y las perturbaciones desconocidas. Además, se introduce una estrategia de activación de eventos de umbral relativo, que ahorra en gran medida recursos de comunicación. Bajo el esquema de control robusto propuesto, el comportamiento de seguimiento puede ser implementado con perturbaciones y dinámicas desconocidas de los sistemas EL. El análisis de estabilidad demuestra que todas las señales del sistema de bucle cerrado están acotadas y que el error de seguimiento puede converger a la zona cercana al origen. Los resultados de la simulación numérica muestran la eficacia y la validez del esquema de control robusto propuesto.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:esquema de control robusto, red neuronal, problema de control de seguimiento, problema de euler, función de barreras lyapunov, eventos de umbral relativo, resultados de simulación numérica, error de seguimiento de posición, modelo dinámico desconocido, barreras tipo lyapunov
• Keywords:robust control scheme, neural network, tracking control problem, problem of euler, barriers lyapunov function, relative threshold events, numerical simulation results, position tracking error, unknown dynamic model, type barriers lyapunov