Resumen

Considerando las incertidumbres del sistema, como cambios en los parámetros, errores de modelado e incertidumbres externas, en este artículo se propone un controlador de red neuronal de función de base radial (RBFNN) utilizando el método inverso directo con estabilidad satisfactoria para mejorar la capacidad de aproximación de funciones universales, convergencia y capacidad de atenuación de perturbaciones. La regla de adaptación de pesos de la RBFNN se obtiene en línea mediante el método de análisis de estabilidad de Lyapunov para garantizar el rendimiento de identificación y seguimiento. Se estudia un ejemplo de simulación para el control de seguimiento de posición de un PMSM para ilustrar la efectividad y aplicabilidad del método de control inverso directo basado en RBFNN propuesto.

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Incertidumbres del sistema; Red neuronal de función de base radial; Método directo inverso; Método de análisis de estabilidad; Identificación; Rendimiento de seguimiento
• Keywords:System uncertainties; Radial basis function neural network; Direct inverse method; Stability analysis method; Identification; Tracking performances