Controle de Feedback de Saída de Rede Neural Adaptativa de Sistemas Subatuados Incertos Com Restrições de Estado Ativas e Não Ativas

Sistemas subatuados são amplamente aplicados na indústria, construção, fabricação, etc., e o complexo ambiente de trabalho impõe exigências mais elevadas em termos de segurança e desempenho transitório. Portanto, é necessário considerar como garantir simultaneamente as restrições de movimento ativas e não ativas com menos entradas de controle, especialmente quando os sistemas sofrem de incertezas no modelo, velocidades não disponíveis, etc. Infelizmente, ainda é um desafio significativo a ser superado em aplicações reais e análises teóricas. Além disso, a maioria dos estudos existentes considera apenas os objetos de controle específicos e poucos métodos gerais são aplicáveis a uma classe de sistemas subatuados. Para tanto, projetamos um novo controlador adaptativo de feedback de saída para uma classe de sistemas subatuados incertos. Comparado com os métodos existentes que lidam apenas com restrições ativas, um mérito importante deste artigo é que, ao introduzir o termo de acoplamento elaboradamente projetado, composto por restrições ativas e não ativas, todas as variáveis de estado são mantidas dentro dos limites de tempo variante pré-estabelecidos e convergem para seus valores desejados. Além disso, uma nova função candidata de Lyapunov é utilizada para fornecer uma garantia teórica. Até onde sabemos, sem a necessidade de conhecimento exato do modelo e feedback de velocidade, este artigo fornece a primeira solução para alcançar controle de movimento preciso e restrições de estado para variáveis ativas e não ativas, o que é significativo tanto teoricamente quanto na prática. Enquanto isso, a estabilidade assintótica do ponto de equilíbrio para o sistema de malha fechada é provada utilizando técnicas de Lyapunov e o lema de Barbalat. Para verificação, o controlador apresentado é aplicado a guindastes subatuados suspensos e rotativos, respectivamente, juntamente com análises teóricas detalhadas e validações experimentais.