کنترل سیستمهای غیرخطی و آشوبناک با استفاده از تخمینگر هوشمند عصبی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,328

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISCEE14_180

تاریخ نمایه سازی: 31 مرداد 1390

چکیده مقاله:

دراین مقاله به بیان یک روش جدید برای کنترل سیستمهای دارای دینامیک غیرخطی برمبنای استفاده مناسب از شبکه های عصبی radial base function می پردازیم که به خصوص می تواند برای کنترل نمودن و پایدارسازی سیستمهای آشوبناک نیز مورد استفاده قرار گیرد در واقع برای آن دسته از سیستمهای غیرخطی که بتوان قسمت خطی و غیرخطی آن را جدا نمود تحت بردار ورودی خاص که بتواند سیستم را در قسمتی خطی خود کنترل پذیرنماید می توان توسط شبکه عصبی برای قسمت غیرخطی آن تخمینی مناسب از حالتهای سیستم در زمانهای مختلف زد دراین هنگام سیستم بدست آمده تقریبا معادل با سیستم خطی خواهد بود و بدین طریق می توان توسط کنترلر فیدبک حالت و یا روشهای موسوم کنترلی از قبیل جایابی قطب در طراحی کنترلر استفاده نمود.

نویسندگان

محمد خوشحال رودپشتی

دانشگاه آزاد اسلامی واحدلنگرود

مهدی خوشحال رودپشتی

دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • G. Chen, X. Dong, From Chaos to Order Methodologies, Perspectives ...
  • S.H Strogatz, Nonlinear Dynamics and Chaos, , Addison-Wes ley, Wokingham, ...
  • E. Ott, C. Grebogi, J.A. Yorke, Controlling chaos, Phys. Rev. ...
  • G. Chen, X. Dong, On feedback control of chaotic continuous ...
  • G. Chen, Optimal control of chaotic systems, Int. J. Bifurcation ...
  • G. Chen, Intelligent identification and control of chaotic dynamics, in: ...
  • IEEE Symposium Circuits and Systems, Atlanta, June 1996, pp. 5-8. ...
  • H. Qin, H. Zhang, G. Chen, Neural network based adaptive ...
  • systems, in: Proceedings of the IEEE Symposium Circuits and Systems ...
  • H.O. Wang, K. Tanaka, T. Ikeda, Fuzzy Modeling and Control ...
  • Proceedings of the IEEE Symposium Circuits and Systems, Atlanta, June ...
  • S. Chen, CF.N. Cowan, P.M. Grant, Orthogonal least sqlares learning ...
  • basis function networks, IEEE Trans. Neural Networks 2 (2) (1991) ...
  • C.T. Chen, Linear System Theory and Design, Holt, Rinehart and ...
  • F. Brauer, J.A. Nohel, The Qualitative Theory of Ordinary Differential ...
  • Introduction, Benjamin, 1969 (Reprinted by Dover, 1989). ...
  • _ He, A. Lapedes, Nonlinear modeling and prediction by successive ...
  • radial basis functions, Physica D 70 (1993) 289-301. ...
  • T. Poggio, F. Girosi, Networks for approximation and learning, Proc. ...
  • J. Moody, C.J. Darken, Fast learning in networks of locally-tuned ...
  • S. Haykin, Neural Networks _ A Comprehensive Foundation, Prentice-Hall, New ...
  • Keun Bum Kim, Jin Bae Park, Yoon Ho ...
  • approximators, Houston, TX 77204, USA, 23 July 2000 ...
  • Scott C. Beeler, _ S tate-Dependent Riccati Equation Regulation of ...
  • Liqun Shen ., MaoWang, " Adaptive control of chaotic systems ...
  • network", Space Control and Inerita Technology Research Center, Habin 150001, ...
  • نمایش کامل مراجع