کنترل تطبیقی ردیابی شبکهی عصبی موجک سیستم غیرخطی و زمان گسسته CSTR با ورودی منطقهی مرده

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 367

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

COMCONF04_305

تاریخ نمایه سازی: 10 تیر 1396

Abstract:

در این مقاله کنترل تطبیقی ردیابی شبکه عصبی برای پایداری سیستمهای غیرخطی نامعلوم زمان گسسته - 1 با ورودی منطقه مرده 2 مورد مطالعه قرار گرفته است. این سیستمها به شکل پس خورد بدون ورودی 3 بوده و منطقه مردهنامتقارن 4 ، از نوع غیر خطی میباشند. برای غلبه بر پیچیدگی، پایداری این نوع از سیستمهای زمان گسسته، آن را به یک پیش بین n گام پیش رو - 5 تبدیل میکنیم در حالی که تابع ناهمبسته همچنان در سیستم حضور دارد. سپس سیگنالکمکی تطبیق برای پارامترهای منطقه مرده ناشناخته، برای جبران اثر منطقه مرده نامتقارن بر عملکرد سیستم اعمال می- شود. قوانین بروزرسانی بر اساس قاعدهی گرادیان نزولی است. از شبکهی عصبی موجک 6 برای تقریب توابع ناشناخته در سیستمهای تبدیل استفاده میشود. بر اساس تیوری لیاپانوف 7 اثبات میشود که همهی سیگنالها در سیستم حلقه بستهکراندار بوده، خطای ردیابی 8 به همسایگی کوچکی از صفر همگرا میشود. در پایان کاربردی ازشبیه سازی سیستم تانک پیوسته) CSTR 9 برای بررسی اثر روش پیشنهادی ارایه میشود

Keywords:

کنترل تطبیفی , شبکه عصبی موجک , ورودی منطقه مرده , سیستمهای زمان گسسته غیر خطی , CSTR

Authors

سپیده عیسی پور

کارشناسی ارشد مهندسی برق کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران

ابوالفضل رنجبرنوعی

دانشیار گروه مهندسی برق کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران

سیدجلیل ساداتی رستمی

استادیار گروه مهندسی برق کنترل، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی نوشیروانی بابل، بابل، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • W. S. Chen and L. C. Jiao, (2010), "Adaptive tracking ...
  • Y. J. Liu, S. C. Tong, and D. Wang, (2011), ...
  • W. S. Chen, S. Y. Hua, and H. G. Zhang, ...
  • M. Chen and S. S. Ge, (2013), "Direct adaptive neural ...
  • H. Y. Li, J. Yu, C. Hilton, and H. Liu, ...
  • D. J. Li, (2014), "Adaptive neural network control for a ...
  • R. M. Sanner and J E. Slotine, "Gaussian networks for ...
  • Yesildirek and F. L. Lewis, "Feedback linearization using neural networks, ...
  • S. S. Ge, C. C. Hang, T. H. Lee, and ...
  • G. Yang, Z. J. Li, and J. Li, (3013), "Trajectory ...
  • Z. J. Li and C. G. Yang, (2012), _ 0Neural- ...
  • G. Tao, P.V. Kokotovic, "Adaptive control of plants with unknow ...
  • Ibrir S, Xie W F, Su C Y., (2007), "Adaptive ...
  • F. L. Lewis, W. K. Tim, L. Z. Wang, and ...
  • J. Na, X. M. Ren, G. Herrmann, and Z. Qiao, ...
  • J. Li, (2014), "Neural network control for a class of ...
  • S. C. Tong and Y. M. Li, (2012), "Adaptive fuzzy ...
  • C. Tong and Y. M. Li, (2013), "Adaptive fuzzy output ...
  • H. Q. Wang, B. Chen, X. P. Liu, and K. ...
  • B. B. Ren, S. S. Ge, T. H. Lee, and ...
  • M. Chen, S. S. Ge, and B. V. E. How, ...
  • J. Campos and F. L. Lewis, (1999), :Deadzone compensation in ...
  • Zhang, H. G. Zhang, D. R. Liu, and Y. S. ...
  • V. K. Deolia, S. Purwar, and T. N. Sharma, (2012), ...
  • J. Liu, L. Liu, and S. C. Tong, (2014), "Adaptive ...
  • J. Li and L. Tang, (2014), "Adaptive control for a ...
  • A.K. Alexandridis and A.D. Zapranis, (2014), :0Wavelet Neural Networks: With ...
  • S. S. Ge, C. G. Yang, and T. H. Lee, ...
  • نمایش کامل مراجع