Controle adaptativo de sistemas dinâmicos não-lineares utilizando realimentação de saída e redes neurais artificiais.

AUTOR(ES)

Carvalho, Fabrício Galende Marques de

DATA DE PUBLICAÇÃO

2009

RESUMO

Esta tese trata do problema de controle adaptativo de sistemas dinâmicos não-lineares utilizando realimentação de saída e redes neurais artificiais. Para o esquema de controle que utiliza linearização entrada-saída em conjunto com redes neurais artificiais, é mostrado que a condição de magnitude relacionada ao termo de eficácia de controle do modelo nominal não é requerida para que haja garantia de existência para a solução deste problema e, através de um exemplo simples, é mostrado como as hipóteses teóricas relacionadas a este termo podem ser satisfeitas e são dadas orientações gerais relacionadas à seleção deste parâmetro. Adicionalmente, é proposta uma extensão para utilização de redes não-linearmente parametrizadas, sendo as leis de adaptação implementáveis e obtidas utilizando-se análise de estabilidade tipo Lyapunov. A técnica aplicável aos sistemas SISO é também validada em dois sistemas MIMO onde é utilizada uma mudança de variáveis de controle e cooperação implícita entre controladores. O problema de controle de sistemas MIMO subatuados, utilizando cancelamento parcial de não-linearidade, é formulado baseado na relação existente entre sistemas dinâmicos subatuados e sistemas dinâmicos de fase não-mínima. Resultados desta técnica são ilustrados aplicando-a em um modelo de helicóptero com três graus de liberdade.

ASSUNTO(S)

redes neurais sistemas não-lineares controle com realimentação inteligência artificial sistemas dinâmicos controle adaptativo mimo (sistemas de controle)

Documentos Relacionados

• Controle por realimentação de saída para sistemas incertos fortemente não-lineares
• Controle por modos deslizantes nebuloso adaptativo de sistemas incertos não-lineares
• IdentificaÃÃo de sistemas dinÃmicos via redes neurais artificiais.
• Identificação de cargas lineares e não-lineares em sistemas elétricos residenciais usando técnicas para seleção de atributos e redes neurais artificiais
• Identificação de sistemas dinâmicos não-lineares utilizando modelos NARMAX polinomiais: aplicação a sistemas reais