Revue: | Computación y sistemas |
Base de datos: | PERIÓDICA |
Número de sistema: | 000376187 |
ISSN: | 1405-5546 |
Autores: | Pérez Padrón, Joel1 Pérez Padrón, José Paz1 Rodríguez Ramírez, Francisco1 Flores Hernández, Angel1 |
Instituciones: | 1Universidad Autónoma de Nuevo León, Facultad de Ciencias Físico-Matemáticas, Monterrey, Nuevo León. México |
Año: | 2014 |
Periodo: | Abr-Jun |
Volumen: | 18 |
Número: | 2 |
Paginación: | 399-407 |
País: | México |
Idioma: | Inglés |
Tipo de documento: | Artículo |
Enfoque: | Experimental, aplicado |
Resumen en español | Este artículo presenta la aplicación de redes neuronales adaptables, basada sobre una red neuronal dinámica, para seguimiento de trayectorias de plantas no lineales desconocidas. La principal metodología, sobre el cual la aproximación es basada, son redes neuronales recurrentes, metodología de las funciones de Lyapunov y control Proporcional-Integral (PI) para sistemas no lineales. La estructura del controlador propuesto es compuesta de un identificador neuronal y una ley de control definida usando la aproximación PI. El nuevo esquema de control es aplicado vía simulación para sincronización de caos. Resultados experimentales han mostrado la utilidad del enfoque propuesto para la producción de caos. Para verificar el resultado analítico, un ejemplo de una red dinámica es simulado y un teorema es propuesto para asegurar el seguimiento del sistema no lineal |
Resumen en inglés | This paper presents an application of adaptive neural networks based on a dynamic neural network to trajectory tracking of unknown nonlinear plants. The main methodologies on which the approach is based are recurrent neural networks and Lyapunov function methodology and Proportional-Integral (PI) control for nonlinear systems. The proposed controller structure is composed of a neural identifier and a control law defined by using the PI approach. The new control scheme is applied via simulations to Chaos Synchronization. Experimental results have shown the usefulness of the proposed approach for Chaos Production. To verify the analytical results, an example of a dynamical network is simulated and a theorem is proposed to ensure tracking of the nonlinear system |
Disciplinas: | Ciencias de la computación |
Palabras clave: | Redes, Redes neuronales, Sincronización del caos, Seguimiento de trayectoria, Función de Lyapunov, Control PI |
Keyword: | Computer science, Networks, Neural networks, Chaos synchronization, Trajectory tracking, Lyapunov function, PI control |
Texte intégral: | Texto completo (Ver HTML) |