Resumen

El control de sistemas no lineales es un tema principal en la teoría de control. Muchas aplicaciones desarrolladas sufren de una base matemática no tan general como la teoría de sistemas lineales. Este artículo propone una estrategia de control de sistemas no lineales con dinámicas desconocidas mediante un conjunto de modelos lineales locales obtenidos por una red neural de gas supervisada. El enfoque propuesto aprovecha la característica de la red neural de gas por la cual el algoritmo produce un procedimiento de agrupación muy robusto. El modelo directo de la planta constituye una aproximación lineal por partes del sistema no lineal y cada neurona representa un modelo lineal local para el cual se diseña un controlador lineal. El modelo de gas neural funciona como un observador y un controlador al mismo tiempo. Se implementa un control de retroalimentación de estado mediante la estimación de las variables de estado basada en la función de transferencia local proporcionada por el modelo lineal local. Los vectores de gradiente obtenidos por el algoritmo supervisado de gas neural proporcionan un procedimiento robusto para el control no lineal

• Materias:Simulación dinámica Toma de decisiones Regresión lineal Cargas controladas Seguridad multimedia
• Subjects:Dynamic simulation Decision making Linear regression Controlled loads Multimedia safety
• Palabras claves:Sistemas no lineales; Teoría de control; Modelos lineales locales; Red supervisada de gas neuronal; Control de retroalimentación de estado; Vectores de gradiente
• Keywords:Nonlinear systems; Control theory; Local linear models; Supervised neural gas network; State feedback control; Gradient vectors