Contribuições à análise de robustez de sistemas de controle usando redes neurais

AUTOR(ES)
DATA DE PUBLICAÇÃO

2004

RESUMO

Este trabalho utiliza as Redes Neurais Multicamadas - RNMs, totalmente com treinamento em tempo real (on-line), no desenvolvimento de duas estratégias de controle indireto. Os esquemas propostos denominam-se Controle Híbrido Indireto e Controle Neural Indireto. Todo o treinamento dos neurodispositivos - o identificador da planta e o controlador, quando presentes na malha de controle indireto, é realizado com um mínimo de atraso computacional, de modo a contemplar o controle de plantas com pequenos períodos de amostragem. São apresentados Teoremas de Estabilidade para garantia da convergência dos dispositivos neurais, assim como foram feitas considerações para adequar o método de aceleração da convergência h-adaptativo utilizado às condições de estabilidade. Para cada esquema de controle indireto foi desenvolvido um teorema que permite calcular o máximo erro permanente (steady-state error) que poderá ocorrer em função da tolerância previamente especificada para convergência dos dispositivos neurais usados na malha de controle, desde que a estabilidade seja garantida. Estes teoremas foram denominados de Teoremas da Robustez e constituem a principal contribuição deste trabalho. As condições de estabilidade e robustez foram testadas para as estratégias de Controle Híbrido Indireto e de Controle Neural Indireto, sendo apresentados os resultados obtidos na simulação computacional do controle de regulação de plantas não-lineares, BIBO (Bounded Input, Bounded Output) estáveis

ASSUNTO(S)

stability and robustness redes neurais artificiais estabilidade e robustez de sistemas de controle neurais multilayer perceptron controle inteligente engenharia eletrica artificial neural networks redes multicamadas neural control systems intelligent control

ACESSO AO ARTIGO

Documentos Relacionados