Red neuronal de aprendizaje iterativo para sistemas de control no afines SISO
Autores: Vlachos, Christos; Tolis, Fotios; Karras, George C.; Bechlioulis, Charalampos P.
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Red neuronal de aprendizaje iterativo para sistemas de control no afines SISO
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Introduce
Esquema de identificación
Proceso de planta no lineal
Algoritmo iterativo
Red neuronal
Trayectorias
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
Este trabajo presenta un esquema de identificación capaz de obtener la dinámica desconocida de un proceso de planta no lineal. El método propuesto emplea un algoritmo iterativo que evita la limitación a una única trayectoria al ajustar una red neuronal sobre una serie de trayectorias que abarcan el subconjunto deseado del espacio de estados. En el núcleo de nuestras contribuciones se encuentran la aplicabilidad de nuestro método a sistemas inestables de lazo abierto y una forma novedosa de generar las trayectorias de referencia del sistema, que tienen como objetivo estimular suficientemente la dinámica subyacente. A continuación, se utiliza la técnica de control de rendimiento prescrito (PPC) para garantizar un seguimiento preciso de las trayectorias mencionadas anteriormente. La efectividad de nuestro enfoque se muestra a través de la identificación exitosa de la dinámica de un manipulador robótico de dos grados de libertad (DOF) tanto en un estudio de simulación como en un experimento en la vida real.
Descripción
Este trabajo presenta un esquema de identificación capaz de obtener la dinámica desconocida de un proceso de planta no lineal. El método propuesto emplea un algoritmo iterativo que evita la limitación a una única trayectoria al ajustar una red neuronal sobre una serie de trayectorias que abarcan el subconjunto deseado del espacio de estados. En el núcleo de nuestras contribuciones se encuentran la aplicabilidad de nuestro método a sistemas inestables de lazo abierto y una forma novedosa de generar las trayectorias de referencia del sistema, que tienen como objetivo estimular suficientemente la dinámica subyacente. A continuación, se utiliza la técnica de control de rendimiento prescrito (PPC) para garantizar un seguimiento preciso de las trayectorias mencionadas anteriormente. La efectividad de nuestro enfoque se muestra a través de la identificación exitosa de la dinámica de un manipulador robótico de dos grados de libertad (DOF) tanto en un estudio de simulación como en un experimento en la vida real.