Resumen

Este artículo propone un enfoque de control adaptativo de una red neuronal (NN) para un sistema de corriente continua (DC) con restricciones de estado completas. Para garantizar que las restricciones de estado siempre permanezcan en las regiones de restricción asimétricas y variables en el tiempo, se emplea la Función de Barrera Lyapunov asimétrica y variable en el tiempo (BLF) para estructurar un controlador NN adaptativo. Como todos sabemos que la restricción constante es solo un caso especial de la restricción variable en el tiempo, por lo tanto, el método de control propuesto es más general para abordar el problema de restricción en comparación con los trabajos existentes en sistemas DC. Hasta donde sabemos, este sistema es el primero en estudiar situaciones con restricciones variables en el tiempo. Utilizando el análisis de Lyapunov, se demuestra que todas las señales en el sistema en lazo cerrado están acotadas y las restricciones no se violan. En este artículo, la efectividad del método de control se demuestra mediante resultados de simulación

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Red neuronal adaptativa; Sistema de corriente continua; Restricciones de estado; Asimétrico variable en el tiempo; Función de Barrera Lyapunov; Método de control
• Keywords:Adaptive neural network; Direct-current system; State constraints; Asymmetric time-varying; Barrier Lyapunov Function; Control method