logo móvil
Contáctanos

Control PID Inteligente Libre de Modelo de Modo Deslizante Terminal Rápido de Orden Fraccional Global de Red Neuronal Adaptativa para el Entorno Térmico en Tierra de Vehículos Hipersónicos

Autores: Lv, Xiaodong; Zhang, Guangming; Bai, Zhiqing; Zhou, Xiaoxiong; Shi, Zhihan; Zhu, Mingxiang

Idioma: Inglés

Editor: MDPI

Año: 2023

Descargar PDF

Acceso abierto

Artículo científico
2023

Control PID Inteligente Libre de Modelo de Modo Deslizante Terminal Rápido de Orden Fraccional Global de Red Neuronal Adaptativa para el Entorno Térmico en Tierra de Vehículos Hipersónicos


Categoría

Ingeniería y Tecnología

Subcategoría

Ingeniería Aeroespacial

Palabras clave

Red neuronal adaptativa
Modo deslizante terminal fraccional global rápido
Control PID inteligente sin modelo
Dispositivo de prueba de simulación del entorno térmico en tierra de vehículos hipersónicos
Estimación de retardo temporal
Modelo ultra-local

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 30

Citaciones: Sin citaciones


Descripción
En este artículo, se propone una estrategia de control inteligente PID sin modelo de modo deslizante terminal rápido de orden fraccionario global con red neuronal adaptativa (denominada TDE-ANNGFOFTSMC-MFIPIDC) para el dispositivo de prueba de simulación del entorno térmico terrestre de vehículos hipersónicos (GTESTD). En primer lugar, el modelo matemático del GTESTD se transforma en un modelo ultra-local para garantizar que el proceso de diseño de la estrategia de control no dependa del modelo dinámico del GTESTD, que podría ser inexacto. Mientras tanto, se emplea la estimación de retardo en el tiempo (TDE) para estimar los términos desconocidos del modelo ultra-local. A continuación, se introduce una superficie de modo deslizante terminal rápido de orden fraccionario global (GFOFTSMS) para reducir eficazmente el error de estimación generado por la TDE. También elimina el tiempo de llegada, acelera la velocidad de convergencia de la fase deslizante, garantiza la llegada en tiempo finito, evita el fenómeno de singularidad y refuerza la robustez. Luego, dado que el límite superior del error de perturbación es desconocido, se diseña un control de red neuronal adaptativa (ANN) para aproximar de cerca el límite superior del error de estimación y mitigar el fenómeno de oscilación. Además, la estabilidad del sistema de control y el tiempo de convergencia se demuestran mediante el teorema de estabilidad de Lyapunov y se calculan, respectivamente. Finalmente, se realizan resultados de simulación para validar la eficacia de la estrategia de control propuesta.

Otros recursos que podrían interesarte

Temas Virtualpro