کنترل تطبیقی بدون مدل بهبود یافته با استفاده از شبکه عصبی در حضور داده های کوانتیزه شده

این مقاله یک ساختار بهبود یافته برای کنترل تطبیقی بدون مدل مبتنی بر پدیده کوانتیزاسیون داده ها را بر پایه شبکه عصبی GMDH (روش گروهی پردازش داده ها) بنا شده است. در این مطالعه، به منظور غلبه بر اثرات مخرب کوانتیزاسیون بر روی داده های سیستم، داده های کوانتیزه شده سیستم مورد مطالعه ابتدا به بلوک شبکه عصبی منتقل شده، سپس شبکه عصبی با تکیه بر قابلیت پیش بینی، داده های خروجی واقعی سیستم مورد مطالعه را تخمین می­زند. در ادامه داده های تخمین زده شده توسط شبکه عصبی، جهت تولید سیگنال کنترلی به بلوک کنترل کننده تطبیقی بدون مدل منتقل می­شوند. به این ترتیب کنترل کننده تطبیقی بدون مدل با در دست داشتن داده های واقعی خروجی و تنها با محاسبه یک رابطه بازگشتی ساده، سیگنال کنترلی مطلوب را تولید خواهد کرد. سپس سیگنال کنترلی تولید شده توسط این کنترل کننده، به منظور برآورده سازی هدف کنترلی، به سیستم مورد مطالعه اعمال خواهد شد. پایداری ساختار کنترلی پیشنهاد شده در این پایان نامه توسط نظریه لیاپانوف بررسی شده است. نتایج شبیه سازی نیز برتری ساختار کنترلی پیشنهاد شده در این پایان نامه را نسبت به کنترل کننده تطبیقی بدون مدل مرسوم در حضور داده های کوانتیزه شده نشان می­دهد.

کلیدواژه ها:

کنترل داده محور ، کنترل تطبیقی بدون مدل ، شبکه عصبی مصنوعی ، کوانتیزاسیون داده ها