Resumen

El control adaptativo estándar es el enfoque preferido para la estabilización y sincronización de sistemas caóticos cuando la estructura de dichos sistemas es conocida de antemano pero los parámetros son desconocidos. Sin embargo, en presencia de dinámicas y/o perturbaciones no modeladas, este enfoque ya no es efectivo debido a la deriva de las estimaciones de parámetros, lo que eventualmente causa la inestabilidad del sistema en lazo cerrado. En este artículo, se utiliza un término de robustecimiento, que consiste en una función de saturación, para evitar este problema. El término de robustecimiento se añade a la ley de control adaptativo. En consecuencia, la ley de aprendizaje también se modifica. La acotación de los estados y las estimaciones de parámetros se demuestra rigurosa y exhaustivamente mediante un análisis tipo Lyapunov basado en el lema de Barbalat. Bajo estas nuevas condiciones, la convergencia a cero no puede lograrse debido a la presencia de dinámicas y/o perturbaciones no modeladas. Sin embargo

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Control adaptativo; Sistemas caóticos; Término de robustecimiento; Estimaciones de parámetros; Convergencia; Dinámicas no modeladas
• Keywords:Adaptive control; Chaotic systems; Robustifying term; Parameter estimations; Convergence; Unmodeled dynamics