Este artículo desarrolla un controlador adaptativo para manipuladores robóticos eléctricos utilizando redes neuronales cuánticas (QNN). Recientemente, se han propuesto algunos controladores para sistemas no lineales y caóticos utilizando QNN. Sin embargo, el proceso de ajuste de QNN se realiza utilizando algoritmos de optimización fuera de línea o el algoritmo de descenso de gradiente. La contribución de este artículo es la introducción de un controlador adaptativo directo basado en QNN utilizando el teorema de estabilidad de Lyapunov. De hecho, los parámetros de QNN se estiman aplicando las reglas adaptativas obtenidas por el teorema de Lyapunov. Debido a la relación no lineal entre la salida de QNN y sus parámetros de ajuste, se necesita la expansión en serie de Taylor para obtener una relación lineal que sea ideal para el control adaptativo. Los resultados de simulación en un sistema robótico muestran que la acción de control es exitosa con un pequeño error de seguimiento. Además, en comparación con redes neuronales de función de base radial (RBF), QNN es más potente en el rechazo de disturbios.
Khorashadizadeh et al. (Wed,) estudiaron esta cuestión.