کنترل تطبیقی سیستم های غیرخطی تغییرپذیر با زمان دارای پارامترهای متناوب با استفاده از شبکه های عصبی

روش های مختلفی برای کنترل تطبیقی سیستم های غیرخطی با پارامترهای نامعلوم و ناشناخته مطرح گردیده است. البته این نامعینی ها ثابت و یا با تغییرات آرام در نظر گرفته می شوند. گاهی این نامعینی ها ثابت نیستند که می توانند ناشی از پارامترهای متغیر با زمان سیستم و یا اختلال های وارد شده به سیستم باشد. روش های متعارف کنترل تطبیقی در کنترل این نوع سیستم ها، محدودیت هایی دارند. در نتیجه بررسی سیستم های متغیر با زمان می تواند مورد اهمیت ویژه واقع گردد. هدف اصلی این تحقیق، بررسی کنترل تطبیقی سیستم های غیرخطی آفاین و غیرآفاین متغیر با زمان با استفاده از شبکه های عصبی می باشد که عبارت متغیر با زمان متناوب می تواند به صورت غیرخطی وارد دینامیک سیستم شود. تنها اطلاعات موجود از سیستم، تناوب عبارت متغیر با زمان است. از شبکه عصبی به منظور تخمین نامعینی ها استفاده می شود. قوانین تطبیق پیشنهادی، وزن های شبکه عصبی را به گونه ای به روزرسانی می کند که پایداری سیستم و همگرایی مجانبی خطای تعقیب به سمت صفر تضمین گردد. در ابتدا سیستم های غیرخطی آفاین در نظر گرفته می شود و برای تخمین توابع نامعین سیستم از شبکه های توابع پایه ای شعاعی استفاده می شود. برای غلبه بر خطای تقریب شبکه عصبی از عبارت مقاوم در قانون کنترل استفاده می گردد. قانون کنترل و قوانین تطبیق پیشنهادی، اهداف کنترلی را برآورده می کند. به بیان دیگر، سیستم، پایدار است و همگرایی مجانبی خطای تعقیب به سمت صفر تضمین می گردد. در ادامه کار، روش پیشنهادی را به کلاسی از سیستم های غیرخطی غیرآفاین متغیر با زمان توسعه می دهیم. در این راستا، در ابتدا با استفاده از قضایای مطرح شده وجود یک کنترل کننده که باعث پایداری سیستم حلقه بسته می شود نشان داده می شود و سپس این کنترل کننده طبق قوانین تطبیقی پیشنهادی به گونه ای طراحی می گردد که اهداف کنترلی تضمین گردد. در ادامه، طرح پیشنهادی را با استفاده از شبکه های عصبی موجک با پارامتر های متغیر نیز برای تخمین نامعینی ها، توسعه می دهیم و با تعداد نرون کمتر به نتایج مطلوب می-رسیم.