Resumen

Se considera un problema de seguimiento, retardo temporal, incertidumbre y análisis de estabilidad de un sistema de control predictivo. El diseño de control predictivo se basa en la entrada y salida del modelo neural de planta (NPM), y un rastreador predictivo difuso recursivo tiene factores de escala que limitan la zona de valor de los datos medidos y hacen que los parámetros sintonizados converjan para obtener un rendimiento de control robusto. Para mejorar aún más el rendimiento del control, el diseño de optimización local aleatoria (RLO) propuesto para un modelo/controlador utiliza la inicialización fuera de línea para obtener un modelo/controlador casi óptimo global. Otras cuestiones son las consideraciones de error de modelado, retardo de entrada, distorsión de muestreo, coste, mayor flexibilidad y productos digitales altamente fiables del controlador basado en modelos para el sistema no lineal de tiempo continuo (CT). Se resuelven mediante un diseño de control de dos etapas recomendado con la RLO de la primera etapa (fuera de línea) y pasos adaptativos de la segunda etapa (en línea). A continuación, se propone un método teórico para sustituir el cálculo de la sensibilidad, que reduce el cálculo de las matrices de Jacobin del método de retropropagación (BP). Finalmente, la entrada feedforward de señales de referencia ayuda al controlador difuso digital a mejorar el rendimiento del control, y la técnica funciona para controlar los sistemas CT con precisión.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:controlador, seguidor predictivo difuso recursivo, controlador difuso digital, mayor rendimiento de control, modelo óptimo global, modelo neural de planta, diseño de control predictivo, sistema de control predictivo, productos digitales fiables, rendimiento de control robusto
• Keywords:controller, recursive fuzzy predictive tracker, digital fuzzy controller, further control performance, global optimal model, neural plant model, predictive control design, predictive control system, reliable digital products, robust control performance