پايدارسازي دستگاه هاي كنترل غيرخطي با استفاده از قضيه زوبوف و شبكه هاي عصبي مصنوعي

Stabilization of Nonlinear Control Systems through Using Zobov’s Theorem and Neural Networks

قضيه زوبوف يكي از قضايايي است كه براي پايداري يك دستگاه غيرخطي با دامنه ربايش معلوم شرايطي را بيان مي كند. از شبكه هاي عصبي استفاده كرده و با آن ها، تعدادي از توابع موجود در قضيه زوبوف را تقريب مي زنيم، بدين ترتيب كنترل كننده يك دستگاه كنترل غيرخطي، كه به لحاظ رياضي يافتن ضابطه كنترل آن آسان نيست، به دست مي آيد. در اين تحقيق دو استراتژي مختلف را به كار مي گيريم و نهايتاً تاثير و قابليت روش هاي مفروض، با مثال هاي عددي توضيح داده شده است.

Zobov’s Theorem is one of the theorems which indicate the conditions for the stability of a nonlinear system with specific attraction region. We have applied neural networks to approximate some functions mentioned in Zobov’s theorem in order to find the controller of a nonlinear controlled system whose law in a mathematical manner is difficult to make. Finally، the effectiveness and the applicability of the proposed method are demonstrated through using numerical examples.