Control deslizante complementario neural de función de base radial Chebyshev autoevolutivo
Autores: Zhang, Lei; Li, Xiangguo; Fei, Juntao
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Control deslizante complementario neural de función de base radial Chebyshev autoevolutivo
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Propuesto
Control inteligente complementario de modo deslizante
SECRBFNN
Autoevolutivo
Incertidumbres
Resultados de simulación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
Se propone en este documento un nuevo método de control deslizante inteligente complementario (ICSMC) para sistemas no lineales con incertidumbres desconocidas. Se propone una red neuronal de funciones de base radial Chebyshev autoevolutiva (RBFNN) (SECRBFNN) con parámetros y estructura de autoaprendizaje y se combina con el control deslizante complementario (CSMC). CSMC no solo tiene las ventajas de la robustez fuerte del SMC tradicional, sino que también tiene ciertas ventajas en la reducción del vibrato y la precisión del control. El SECRBFNN, que combina las ventajas de la red Chebyshev (CN) y un RBFNN, se utiliza para estimar las incertidumbres desconocidas en sistemas no lineales. Mientras tanto, se propone un mecanismo de autoevolución de nodos para evitar la redundancia en el número de neuronas. Finalmente, los resultados detallados de la simulación demuestran la viabilidad y superioridad del método propuesto.
Descripción
Se propone en este documento un nuevo método de control deslizante inteligente complementario (ICSMC) para sistemas no lineales con incertidumbres desconocidas. Se propone una red neuronal de funciones de base radial Chebyshev autoevolutiva (RBFNN) (SECRBFNN) con parámetros y estructura de autoaprendizaje y se combina con el control deslizante complementario (CSMC). CSMC no solo tiene las ventajas de la robustez fuerte del SMC tradicional, sino que también tiene ciertas ventajas en la reducción del vibrato y la precisión del control. El SECRBFNN, que combina las ventajas de la red Chebyshev (CN) y un RBFNN, se utiliza para estimar las incertidumbres desconocidas en sistemas no lineales. Mientras tanto, se propone un mecanismo de autoevolución de nodos para evitar la redundancia en el número de neuronas. Finalmente, los resultados detallados de la simulación demuestran la viabilidad y superioridad del método propuesto.