Controle adaptativo paralelo usando redes neurais com identificaÃÃo explÃcita da dinÃmica nÃo modelada.

AUTOR(ES)

Cajueiro, Daniel Oliveira

DATA DE PUBLICAÇÃO

2000

RESUMO

Esta tese propÃe uma nova estratÃgia de controle adaptativo paralelo neural em que uma Ãnica rede neural à usada para identificar e controlar simultaneamente uma planta. A idÃia por trÃs dessa estratÃgia de controle adaptativo à compensar a entrada de controle gerada por um controlador retroalimentado convencional. O processo de treinamento da rede neural à realizado atravÃs de duas tÃcnicas: backpropagation e filtro de Kalman estendido. Adicionalmente, a convergÃncia do erro de identificaÃÃo à analisada atravÃs do segundo mÃtodo de Lyapunov. O desempenho da estratÃgia proposta à avaliado atravÃs de simulaÃÃes com plantas lineares e nÃo-lineares, comparaÃÃo com outras tÃcnicas de controle adaptativo que usam redes neurais e uma aplicaÃÃo em tempo real desenvolvida no processo tÃrmico PT-326 disponÃvel no ITA-IEES. à considerado tambÃm o problema de se controlar um reator contÃnuo perfeitamente agitado, que à um sistema padrÃo tipicamente utilizado para o teste de novas estratÃgias de controle.

ASSUNTO(S)

convergÃncia (matemÃtica) controle adaptativo inteligÃncia artificial redes neurais funÃÃes de liapunov identificaÃÃo de parÃmetros reatores quÃmicos filtros de kalman

Documentos Relacionados

• IdentificaÃÃo de sistemas dinÃmicos via redes neurais artificiais.
• IdentificaÃÃo no domÃnio da freqÃÃncia de sistema de comando de vÃo e da dinÃmica de vÃo nÃo-linear.
• DinÃmica nÃo linear e sincronismo de lasers caÃticos
• Modelos lineares locais para identificaÃÃo de sistemas dinÃmicos usando redes neurais competitivas
• Proposta de um modelo de arquitetura biomÃtrica para identificaÃÃo pessoal com estudo da dinÃmica da digitaÃÃo