Resumen

Las incertidumbres del modelo suelen ser inevitables en los sistemas de control, causadas por la modelización imperfecta del sistema, las perturbaciones y la dinámica no suave. Este trabajo presenta un método novedoso para abordar el problema de control robusto de los sistemas inciertos. El problema original de control robusto del sistema incierto se transforma primero en un control óptimo del sistema nominal mediante la selección de la función de coste adecuada. A continuación, desarrollamos un algoritmo adaptativo de inclinación crítica para aprender en línea la solución de control óptimo, en el que sólo se utiliza la red neuronal (NN) crítica, y se elimina la NN actor utilizada ampliamente en los métodos existentes. Por último, se presenta el análisis de viabilidad del algoritmo de control. Se ofrecen resultados de simulación para mostrar la disponibilidad del método de control presentado.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:problema de control robusto, sistema incierto, modelado de sistemas imperfectos, función de coste adecuada, métodos de control presentados, soluciones de control óptimas, actor nn, sistema de control, críticas adaptativas, dinámica no suave
• Keywords:robust control problem, uncertain system, imperfect system modeling, appropriate cost function, presented control methods, optimal control solutions, actor nn, control system, adaptive critics, nonsmooth dynamic