Control Adaptativo Basado en Modelo Activado por Eventos de Sistemas No Lineales con Retroalimentación Estricta

Este artículo se ocupa del problema de control adaptativo activado por eventos de sistemas no lineales en tiempo continuo en forma de retroalimentación estricta. Utilizando una red neuronal muestreada por eventos (NN) para aproximar la función no lineal desconocida, se diseña un modelo adaptativo y un controlador asociado activado por eventos, aprovechando el método de retroceso. En el método propuesto, las señales de retroalimentación y los pesos de la NN se actualizan de forma aperiodica solo cuando se viola la condición activada por eventos. Se garantiza un límite inferior positivo en el tiempo mínimo entre muestras para evitar puntos de acumulación. La estabilidad en lazo cerrado del sistema dinámico no lineal resultante se prueba rigurosamente a través del análisis de Lyapunov bajo una condición de muestreo de eventos adaptativo. En comparación con el diseño tradicional de retroceso adaptativo con un período de muestreo fijo, el método activado por eventos muestrea el estado y actualiza los pesos de la NN solo cuando es necesario. Por lo tanto, el número de transmisiones puede reducirse significativamente. Finalmente, se presentan dos ejemplos de simulación para mostrar la efectividad del método de control propuesto.