Resumen

Este artículo investiga el control de seguimiento de consenso neural adaptativo distribuido para múltiples sistemas Euler-Lagrange con incertidumbres en los parámetros y direcciones de control desconocidas. Motivado por la función de tipo Nussbaum y la técnica de retroceso con filtro de comando, se establecen las compensaciones de error y las leyes adaptativas basadas en aproximaciones de redes neuronales, las cuales no solo pueden superar el problema de complejidad computacional del retroceso, sino que también hacen que los errores de seguimiento de consenso alcancen la región deseada aunque las direcciones de control y las dinámicas no lineales del sistema sean desconocidas. Se presenta un ejemplo numérico para demostrar que el algoritmo propuesto es efectivo al final.

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Neural; Consenso; Seguimiento; Adaptable; Control; Incertidumbres
• Keywords:Neural; Consensus; Tracking; Adaptive; Control; Uncertainties