Adaptive fuzzy iterative learning control para sistemas con entradas saturadas y direcciones de control desconocidas
Autores: Xu, Qing-Yuan; He, Wan-Ying; Zheng, Chuang-Tao; Xu, Peng; Wei, Yun-Shan; Wan, Kai
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Adaptive fuzzy iterative learning control para sistemas con entradas saturadas y direcciones de control desconocidas
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Aprendizaje adaptativo
Difuso
Control iterativo
Sistemas no lineales
Saturaciones de entrada
Dirección de control
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
Se diseña un algoritmo adaptativo de control de aprendizaje iterativo (ILC) difuso para el problema de trayectoria de referencia variable iterativa de sistemas no lineales discretos con saturaciones de entrada y direcciones de control desconocidas. En primer lugar, se construye un controlador de aprendizaje iterativo difuso adaptativo combinado con el sistema lógico difuso (FLS), que puede compensar la pérdida causada por la saturación de entrada. Luego, se adopta la técnica de ganancia de Nussbaum discreta a lo largo del eje de iteración, que se puede incorporar al método de control de aprendizaje para identificar la dirección de control del sistema. Finalmente, basándose en una función similar a la de Lyapunov no creciente, se demuestra que el controlador de aprendizaje iterativo adaptativo puede converger asintóticamente cuando el número de iteraciones tiende a infinito, y las señales del sistema siempre permanecen acotadas en el proceso de aprendizaje. Un ejemplo de simulación verifica la viabilidad y efectividad del método de control de aprendizaje.
Descripción
Se diseña un algoritmo adaptativo de control de aprendizaje iterativo (ILC) difuso para el problema de trayectoria de referencia variable iterativa de sistemas no lineales discretos con saturaciones de entrada y direcciones de control desconocidas. En primer lugar, se construye un controlador de aprendizaje iterativo difuso adaptativo combinado con el sistema lógico difuso (FLS), que puede compensar la pérdida causada por la saturación de entrada. Luego, se adopta la técnica de ganancia de Nussbaum discreta a lo largo del eje de iteración, que se puede incorporar al método de control de aprendizaje para identificar la dirección de control del sistema. Finalmente, basándose en una función similar a la de Lyapunov no creciente, se demuestra que el controlador de aprendizaje iterativo adaptativo puede converger asintóticamente cuando el número de iteraciones tiende a infinito, y las señales del sistema siempre permanecen acotadas en el proceso de aprendizaje. Un ejemplo de simulación verifica la viabilidad y efectividad del método de control de aprendizaje.