Resumen

Este documento aborda el seguimiento de la posición y actitud de control práctico de tiempo fijo para vehículos aéreos no tripulados (UAVs) tipo cuadricópteros, sujetos a dinámicas no lineales. En primer lugar, mediante la combinación de redes neuronales de función de base radial (NNs) con algoritmos de estimación de parámetros virtuales, se desarrolla un esquema de control adaptativo NN para UAVs. Luego, se propone una ley adaptativa de tiempo fijo para las redes neuronales para lograr estabilidad de tiempo fijo, y el tiempo de convergencia depende solo de los parámetros de ganancia de control. Basándose en análisis de Lyapunov y la teoría de estabilidad de tiempo fijo, se demuestra que el control adaptativo de redes neuronales de tiempo fijo es estable en tiempo finito y el tiempo de convergencia depende de los parámetros de control sin condiciones iniciales. La efectividad del control de tiempo fijo NN se muestra a través de una simulación del sistema UAV.

• 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:Redes neuronales; Control de tiempo fijo; Control adaptativo; UAVs de cuadricópteros; Dinámica no lineal; Teoría de estabilidad
• Keywords:Neural networks; Fixed-time control; Adaptive control; Quadrotor UAVs; Nonlinear dynamics; Stability theory