طراحي كنترل تطبيقي مبتني بر شبكه عصبي براي سيستم هاي غيرخطي در حضور عدم قطعيت

Design of Adaptive Control Approach Based on Neural Network to Nonlinear Systems in the Presence of Uncertainties

در تحقيق حاضر با تمركز بر بررسي عملكرد كنترل تطبيقي مبتني بر شبكه عصبي براي سيستمهاي غيرخطي در حضور عدم قطعيت، يك كنترل كننده تطبيقي در تعامل باابزار هوشمند و با هدف تنظيم پارامترهاي سيستم هاي تحت كنترل طراحي شده است. براي ارايه ايده نوين در اين حوزه در ابتدا يك بررسي دقيق در مورد كارهاي مشابه اي كه تاكنون در طراحي كنترل سيستم هاي متناظر صورت گرفته است ارايه شده است و سپس كنترل كننده پيشنهادي مبتني بر شبكه هاي عصبي طراحي گرديده است. با استفاده از تيوري لياپانوف قوانين تطبيقي مناسبي براي همگرايي سيستم حلقه بسته تحقيق شده است و با استفاده از اين تيوري اثبات مي شود كه تمامي سيگنال ها در سيستم حلقه بسته كراندار بوده و همچنين نشان داده شده است كه سيگنال خطا به صورت مجانبي به سمت صفر همگرا مي گردد. در پايان، نتايج تحقيق با شبيه سازي كامپيوتري توسط نرم افزار MATLAB صورت گرقته است و در ادامه با بررسي اطلاعات مستخرج از تحقيق كارآمدي كنترل كننده پيشنهادي اثبات گرديده است.

In the investigation presented with a focus on the applicability of adaptive control based on neural network to nonlinear systems in the presence of uncertainties, an adaptive control in association with intelligent tools with the key goal of adjusting nonlinear system’s parameters under control is designed. For having a novel idea in this area, at first, an exact consideration is made in one such case concerning the similar works that have all provided to deal with the similar systems under control and then the proposed control approach is designed based on the neural networks. Using Lyapunov theory, adaptive laws suitable for the convergence of the closed loop system is provided. Using this theory, it is proved that all signals in the closed loop system are bounded and the error signal converges to zero as asymptotically. At the end, the results of simulation programs via MATLAB verifies the effectiveness of the control approach proposed.