Control de Seguimiento H ∞ Finito Basado en Datos con Mecanismo Activado por Eventos para Sistemas No Lineales en Tiempo Continuo

En este artículo, se presenta un método de control activado por eventos basado en programación dinámica adaptativa (ADP) con redes neuronales (NN) para obtener la política de control casi óptima para el problema de control de seguimiento H∞ óptimo en horizonte finito sin un modelo, con entradas de control restringidas. Primero, utilizando datos de entrada-salida disponibles, se establece un modelo basado en datos mediante una red neuronal recurrente (RNN) para reconstruir el sistema desconocido. Luego, se obtiene un sistema aumentado con un mecanismo activado por eventos a partir de un sistema de error de seguimiento y un generador de comandos. Presentamos una nueva condición de activación de eventos sin comportamiento de Zeno. Sobre esta base, se da la relación entre la ecuación de Hamilton-Jacobi-Isaacs (HJI) activada por eventos y la ecuación HJI activada por tiempo en el Teorema 3. Dado que la solución de la ecuación HJI depende del tiempo para el sistema aumentado, se consideran las funciones de activación dependientes del tiempo de las NN. Además, se incorpora un error adicional para satisfacer las restricciones terminales de la función de costo. Este patrón de control adaptativo encuentra, en tiempo real, aproximaciones del valor óptimo, asegurando también la acotación uniforme definitiva del sistema de lazo cerrado. Finalmente, se verifica la efectividad del patrón de control casi óptimo propuesto mediante dos ejemplos de simulación.