کنترل ردیابی شبکه ی عصبی موجک تطبیقی یک ربات تک لینک با ورودی لقی

در این مقاله یک کنترل کننده ردیابی مبتنی بر شبکه عصبی ویولت تطبیقی، برای حل مشکل پایداری و کنترل کلاسی از سیستمهای غیرخطی نامعین زمان-گسسته مورد بررسی قرار گرفته است. سیستم مورد مطالعه به فرم پسخورد اکید بوده و شامل غیرخطی لقی و اغتشاش خارجی می باشد و غیرخطی لقی به شکل نامتقارن در نظر گرفته شده است. این سیستمها حالت کلی تری نسبت به سیستمهای مورد مطالعه پیشین دارد و برای غلبه بر پیچیدگی پایداری آن، با استفاده از توابع پیش بین، به یک سیستم پیش بینی کننده n گام پیش رو تبدیل شده است. در اینجا از شبکه ی عصبی موجک برای تقریب توابع ناشناخته در سیستم های تبدیل شده استفاده می شود. قوانین تطبیق بر اساس قاعده ی گرادیان نزولی، برای بروزرسانی وزنهای شبکه عصبی موجک و جبران اثر پارامترهای نامعلوم لقی طراحی می شود. بر اساس تئوری لیاپانوف نشان داده می شود که همه ی سیگنالها در سیستم حلقه بسته کراندار بوده و خطای ردیابی به همسایگی کوچکی از صفر همگرا می شود. روش ارائه شده در این مقاله، بر روی یک سیستم روبات با یک بازوی مکانیکی متحرک شبیه سازی شده است و در پایان، به منظور اعتبارسنجی، نتایج روش پیشنهادی با نتایج اعمال دو کنترل کننده PID و مد لغزشی، مورد مقایسه قرار گرفته است.

Keywords:

Adaptive Tracking control , Wavelet Neural Network , Backlash Nonlinear input , Nonlinear Discrete-time systems , Single Link Robot , کنترل تطبیقی ردیابی , شبکه عصبی موجک , ورودی غیر خطی لقی , سیستم غیرخطی زمان گسسته , ربات تک لینک