کنترل بهینه ی سیستمهای غیرخطی با استفاده از شبکه ی عصبیrbf

طراحی کنترل بهینه برای اکثر سیستم های غیرخطی، مستلزم حل معادله ی همیلتن-ژاکوبی-بلمن‎(hjb) ‎ می باشد. یک معادله ی ‎hjb‎ معمولاً به صورت جبری قابل حل نیست. تعدادی نظریه برای حل معادله ی ‎hjb‎ وجود دارد. این نظریه ها معمولاً با روش های تقریبی سروکار دارند. یکی از این روش ها تخمین تابع هدف با استفاده از شبکه ی عصبی بر پایه ی توابع شعاعی ‎(rbfnn)‎ است‎. در این پایان نامه یک روش کنترل بهینه، مبنی بر جواب تقریبی معادله ی ‎hjb‎ ارای?ه می شود. جواب معادله ی hjb (تابع هدف) به عنوان خروجی شبکه ی عصبی ‎rbf‎ با پارامترهای مجهول (وزن ها، مرکزها و شعاع ها) که ورودی حالت های سیستم هستند، تقریب زده می شود. بنابراین مسا?له ی حل معادله ی ‎hjb‎ به مسا?له ی تقریب پارامترهای ‎rbfnn‎ تبدیل می گردد. برآورد پارامترهای ‎rbfnn‎ به عنوان مسا?له ی تخمین حالت مطرح می گردد. یک الگوریتم فیلتر کالمن توسعه یافته ‎(ekf)‎، برای تخمین حالت ها ی سیستم (پارامترهای ‎(rbfnn به کار برده می شود. در پایان دو مثال عددی مطرح می شود که نشان می دهد، این روش پیشنهادی کنترل بهینه ی خوبی را طراحی می کند. ‎