Controle de Rastreamento de Redes Neurais RBF Adaptativas de Sistemas Não Lineares Estocásticos com Atuadores e Restrições de Estado

Este artigo investiga o problema de controle de rastreamento de redes neurais (NN) adaptativas para sistemas não lineares estocásticos com múltiplas restrições de atuadores e restrições de estado completo. A questão das restrições de estado completo do sistema é abordada por uma função de Lyapunov de barreira generalizada (GBLF), e as restrições de saída do sistema são consideradas na forma de funções variáveis no tempo, que se alinham melhor com as necessidades de sistemas físicos reais. A técnica de aproximação de NN é utilizada para superar a influência do termo de incerteza na elaboração do controlador devido à aleatoriedade. Com base na técnica de backstepping, é projetada uma estratégia de controle adaptativa de rastreamento em tempo fixo para redes neurais. Sob a estratégia de controle projetada, a precisão de rastreamento do sistema controlado pode alcançar a expectativa em um tempo fixo. As restrições de múltiplos atuadores são convertidas em um modelo matemático generalizado para simplificar o processo de projeto do controlador. Utilizando as características da função tangente hiperbólica, uma nova função chamada sinal de controle virtual prático é projetada usando o sinal de controle virtual como entrada. Devido à propriedade de saturação da função tangente hiperbólica, é teoricamente garantido que nenhum estado do sistema exceda as restrições através da nova forma do controlador virtual. Usando o controlador adaptativo construído neste artigo, o sistema controlado é estabilizado semi-globalmente em tempo fixo com probabilidade (SGFSP). Finalmente, a eficácia da estratégia de controle proposta é verificada por exemplos de simulação.