| Revista: | Computación y sistemas |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000213221 |
| ISSN: | 1405-5546 |
| Autores: | Goire Castilla, María Margarita1 Flores Alvino, José Martín2 Bonilla Estrada, Moisés3 Baruch, Ieroham Solomon |
| Instituciones: | 1Universidad de Oriente, Facultad de Ingeniería Eléctrica, Santiago de Cuba. Cuba 2Instituto de Investigación y Desarrollo Tecnológico de la Armada de México, México, Distrito Federal. México 3Instituto Politécnico Nacional, Centro de Investigación y de Estudios Avanzados, México, Distrito Federal. México |
| Año: | 2003 |
| Periodo: | Abr-Jun |
| Volumen: | 6 |
| Número: | 4 |
| Paginación: | 284-292 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico |
| Resumen en español | El objetivo de este trabajo es presentar una propuesta de control neuronal por modelo de referencia para un sistema que cambia su estructura interna de un sistema lineal de primer orden a un sistema lineal de segundo orden, aplicando para esta tarea una red neuronal recurrente. Se presentan dos esquemas de control neuronal por modelo de referencia para el sistema antes mencionado. Una de las características de la red neuronal que se utiliza es la de tener restricciones en sus pesos, esto garantiza su estabilidad durante el entrenamiento. En el primer esquema se utiliza una red neuronal para la identificación del sistema de estructura variable: en el segundo esquema se usan dos redes neuronales con el propósito de separar la identificación de cada subsistema |
| Resumen en inglés | The objective of this paper is to propose a reference model neural control of a system, which change its internal structure from a linear system of first order to a linear system of second order, applying for this task a recurrent neural network. Two schemes of reference model neural control, for the above mentioned system, are presented. One characteristic feature of the neural network used, is that a feedback weight restriction is applied, which preserved its stability during the learning The first control scheme uses one neural network for identification of the variable structure system; the second control scheme uses two neural networks so to separate the identification of each subsystem |
| Disciplinas: | Ingeniería, Matemáticas, Ciencias de la computación |
| Palabras clave: | Ingeniería de control, Matemáticas aplicadas, Redes neuronales, Sistemas de estructura variable, Modelo de referencia, Control inteligente, Sistemas implícitos |
| Keyword: | Engineering, Mathematics, Computer science, Control engineering, Applied mathematics, Neural networks, Variable structure systems, Reference model, Intelligent control, Implicit systems |
| Texto completo: | Texto completo (Ver PDF) |
