التحكم بشكل متقطع في منصة ستيوارت ضروري للتنفيذ الرقمي في التصنيع الذكي وأنظمة الروبوتات ضمن سياق الصناعة 4.0، ومع ذلك غالباً ما تتدهور أداؤه بسبب الاضطرابات المتقطعة التي لا مفر منها. تدفع هذه التحديات إلى تطوير خوارزميات تتمتع بقدرة كبيرة على كبح الاضطرابات. لمواجهة هذه المشكلة، تم أولاً تطوير خوارزمية شبكة عصبية عودية محسّنة بالتكامل المزدوج بشكل مستمر (CF-DIE-RNN) والتي تتضمن مفهوم تصميم جديد محسن بالتكامل المزدوج لتحسين المتانة ضد الاضطرابات المتغيرة زمنياً. ولتطبيقات الأجهزة الرقمية، تم بناء خوارزمية شبكة عصبية عودية محسّنة بالتكامل المزدوج بشكل متقطع (DF-DIE-RNN) عن طريق تحويل خوارزمية CF-DIE-RNN إلى شكل متقطع باستخدام صيغة تعيّن رباعية الخطوات عامة وصيغة فرق أمامي خطوة واحدة مستندة إلى توسع تايلور. التحليل النظري الدقيق يثبت خصائص التقارب للخوارزمية المقترحة ويصف حدود بقايا الحالة المستقرة تحت أنواع اضطرابات مختلفة، مشيراً إلى قدرتها على كبح الاضطرابات الرباعية المتغيرة زمنياً المتقطعة. التجارب العددية والمحاكاة أظهرت أن خوارزمية DF-DIE-RNN تحقق كبح اضطرابات متفوق وتتبع مسار أكثر دقة مقارنة بالخوارزميات العصبية العودية المتقطعة الموجودة، مؤكدة فعاليتها للتحكم بشكل متقطع بمنصة ستيوارت.
درس ما وآخرون (الأربعاء) هذا السؤال.