Resumen

Este artículo investiga un algoritmo de control de red neuronal (NN) adaptativo para buques superficiales marinos con restricciones de salida variables en el tiempo y perturbaciones externas desconocidas. Se introduce la transformación no lineal dependiente del estado (NSDT) para eliminar las condiciones de viabilidad del controlador virtual. Además, se utiliza la función de Lyapunov de barrera (BLF) para lograr restricciones de salida variables en el tiempo. Como una herramienta de aproximación importante, se emplea la NN para aproximar funciones inciertas y continuas. Posteriormente, se estructura un observador de perturbaciones para observar las restricciones variables en el tiempo y las perturbaciones externas desconocidas. La estrategia novedosa puede garantizar que todas las señales en el sistema de lazo cerrado estén semiglobalmente uniformemente acotadas en última instancia (SGUUB). Finalmente, los resultados de la simulación verifican los beneficios del método propuesto.

• 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:Red neuronal adaptativa; Embarcaciones superficiales marinas; Restricciones de salida variables en el tiempo; Perturbaciones externas desconocidas; Función de barrera de Lyapunov; Observador de perturbaciones
• Keywords:Adaptive neural network; Marine surface vessels; Time-varying output constraints; Unknown external disturbances; Barrier Lyapunov function; Disturbance observer