Self-recurrent wavelet neural network observer for a class of nonlinear systems using adaptive learning rate
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 560
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0249
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
this paper presents a novel nonlinearobserver scheme based on Self-recurrent wavelet neuralnetwork (SRWNN). The proposed network is combinedwith linear observer to estimate unavailable states ofnonlinear dynamic and handle uncertainty in systemparameters. SRWNN is a new structure of wavelet neuralnetwork that has a self-feedback loop in its hidden layersand this characteristic enhances the performance of theproposed observer to overcome severe nonlinearitybehavior in complex systems. Also, this network is tunedonline by backpropagation algorithm and its fast responsedemonstrates the capability of the method in the practicalcase study. The effectiveness of the observer is given insimulation results.
کلیدواژه ها:
نویسندگان
Milad Malekzadeh
Babol University. of Technology Babol,Iran
Shima Ahangar
Babol University. of Technology Babol,Iran
Roozbeh Ashabi
Babol University. of Technology Babol,Iran
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 :