Resumen

Los objetos controlados reales suelen ser sistemas no lineales multientrada y multisalida (MIMO) con modelos imprecisos o incluso sin modelos, por lo que es uno de los temas candentes en la teoría del control. Debido a su compleja estructura interna, los métodos generales de control sin modelos suelen basarse en redes neuronales. Sin embargo, la neurona de las redes neuronales incluye la función exponencial, lo que contribuye a la complejidad del cálculo, haciendo que el control de redes neuronales no pueda cumplir los requisitos de tiempo real. La red multidimensional de Taylor (MTN) recientemente desarrollada sólo requiere suma y multiplicación, por lo que es fácil realizar el control en tiempo real. En el presente estudio, el enfoque MTN se extiende a los sistemas no lineales MIMO sin modelos para realizar el control adaptativo de realimentación de salida. Se propone un controlador MTN para garantizar la estabilidad del sistema en lazo cerrado. Nuestros resultados experimentales muestran que las señales de salida del sistema están acotadas y que el error de seguimiento es prácticamente cero. Se demuestra que el controlador óptimo MTN promete un rendimiento dinámico en tiempo real y una robustez mucho mejores que el controlador de reconstitución de autoadaptación de la red neuronal BP.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Objetos controlados; sistemas no lineales multientrada y multisalida (MIMO); redes neuronales; red multidimensional de Taylor (MTN); control adaptativo de realimentación de salida; controlador óptimo MTN.
• Keywords:Controlled objects; multi-input and multioutput (MIMO) nonlinear systems; neural networks; multidimensional Taylor network (MTN); adaptive output feedback control; MTN optimal controller