Resumen

En este trabajo se propone un método de control neuronal adaptativo para el vehículo hipersónico de respiración aérea flexible (AHV) con restricciones en los actuadores. Este esquema convierte, en primer lugar, el problema de control original con restricciones de entrada en un nuevo problema de control sin restricciones de entrada basado en la función de saturación de entrada de control. En segundo lugar, sobre la base del teorema de la función implícita, se introduce la red neuronal de función de base radial (RBFNN) para aproximar los elementos inciertos del modelo. Y se adopta la técnica del parámetro de aprendizaje mínimo (MLP) para diseñar la ley adaptativa para la norma del vector de pesos de la red, lo que reduce significativamente los cálculos. Mientras tanto, se introduce el diferenciador de convergencia en tiempo finito (FD), a través del cual se estiman con precisión las variables de estado del modelo y sus derivadas para garantizar el efecto de control. Finalmente, se demuestra teóricamente que el sistema de control en lazo cerrado es estable. Y la eficacia del controlador diseñado se verifica mediante simulación.

• Materias:Reacciones químicas Minería de datos Aerodinámica Ingeniería aeroespacial Ingeniería Aeronáutica
• Subjects:Chemical reactions Data mining Aerodynamics Aerospace engineering Aeronautical Engineering
• Palabras claves:restricciones de entrada, función de saturación de entrada, variable de estado del modelo, problema de control original, norma de la red, nuevo problema de control, diferenciador de convergencia temporal, sistema de control de bucle, teorema de la función implícita, métodos de control neuronal
• Keywords:input constraints, input saturation function, model state variable, original control problem, norm of network, new control problem, time convergence differentiator, loop control system, implicit function theorem, neural control methods