Модель нейронної схеми слідкуючого керування нелінійними динамічними системами неперервного часу

Simple item page
dc.citation.epage96
dc.citation.issue1
dc.citation.journalTitleКомп’ютерні системи та мережі
dc.citation.spage92
dc.citation.volume1
dc.contributor.affiliationНаціональний університет “Львівська політехніка”
dc.contributor.affiliationLviv Polytechnic National University
dc.contributor.authorТимощук, П. В.
dc.contributor.authorTymoshchuk, P.
dc.coverage.placenameЛьвів
dc.coverage.placenameLviv
dc.date.accessioned2021-04-20T11:41:54Z
dc.date.available2021-04-20T11:41:54Z
dc.date.created2019-03-01
dc.date.issued2019-03-01
dc.description.abstractЗапропоновано модель нейронної схеми, призначеної для слідкуючого керування невідомими нелінійними динамічними системами. Для опису моделі використано диференційне рівняння першого порядку із змінною структурою і вихідне рівняння. Модель дає можливість досягати скінченного часу збіжності до робочих станів і обмеженої похибки слідкування. Вона не потребує навчання у режимі офлайн. Для мінімізації похибки відслідковування траєкторії об’єкта модель використовує лише виходи системи і об’єкта. Вона має просту структуру і її можна використовувати, коли внутрішня динаміка і параметри керованої системи невідомі. Наведено результати комп’ютерного моделювання застосування моделі для оптимального слідкуючого керування кутом повороту дволанкового планарного маніпулятора, які підтверджують теоретичні положення та ілюструють високу ефективність функціонування моделі.
dc.description.abstractA neural circuit model of tracking control for unknown nonlinear dynamic systems is proposed. A first-order differential equation with variable structure and an output equation are used to describe the model. The model gives a possibility to reach a finite convergence time to working modes and limited tracking error. It does not need learning phase in offline mode. The model uses only outputs of the system and object to minimize tracking error of object trajectory. It has simple structure and can be used if internal dynamics and parameters of control system are unknown. Results of computer simulations of the model applications for optimal tracking control of rotation angle of two-link planar elbow manipulator confirming theoretical statements and illustrating its high performance are provided.
dc.format.extent92-96
dc.format.pages5
dc.identifier.citationТимощук П. В. Модель нейронної схеми слідкуючого керування нелінійними динамічними системами неперервного часу / П. В. Тимощук // Комп’ютерні системи та мережі. — Львів : Видавництво Львівської політехніки, 2019. — Том 1. — № 1. — С. 92–96.
dc.identifier.citationenTymoshchuk P. A neural circuit model of tracking control for continuous-time nonlinear dynamic systems / P. Tymoshchuk // Kompiuterni systemy ta merezhi. — Lviv : Lviv Politechnic Publishing House, 2019. — Vol 1. — No 1. — P. 92–96.
dc.identifier.issn2707-2371
dc.identifier.urihttps://ena.lpnu.ua/handle/ntb/56349
dc.language.isouk
dc.publisherВидавництво Львівської політехніки
dc.publisherLviv Politechnic Publishing House
dc.relation.ispartofКомп’ютерні системи та мережі, 1 (1), 2019
dc.relation.references1. Slotine, J.-J., Li, W. Applied nonlinear control. Prentice-Hall, Englewood Cliffs, NJ, USA (1991).
dc.relation.references2. Sastry, S. Nonlinear systems analysis, stability, and control. Springer, Berlin, Germany (1999).
dc.relation.references3. Naidu, D. Optimal control systems. CRC Press, London, UK (2003).
dc.relation.references4. Lewis, F. L., Vrabie, D. L., Syrmos, V. L.: Optimal control. John Wiley & Sons, Hoboken, New Jersey (2012). doi: 10.1002/9781118122631.
dc.relation.references5. Navabi, M., Mirzaei, H. Robust optimal adaptive trajectory tracking control of quadrotor helicopter. Latin American Journal of Solids and Structures 14, 1040–1063 (2017). doi: 10.1590/1679-78253595.
dc.relation.references6. Perez-Cruz, J. H., Rubio, J. J., Ruiz-Velazquez, E., Solis-Perales, G. Tracking control based on recurrent neural networks for nonlinear systems with multiple inputs and unknown dead zone. Abstract and Applied Analysis 2, 1-18 (2012). doi: 10.1155/2012/471281.
dc.relation.references7. Yen, H.-M., Li, T.-H. S., Chang, Y.-C. Design of a robust neural network-based tracking controller for a class of electrically driven nonholonomic mechanical systems. Information Sciences 222, 559–575 (2013). doi: 10.1016/j.ins.2012.07.053.
dc.relation.references8. Haykin, S. Neural networks and learning machines. Pearson, Ontario, Canada (2008).
dc.relation.references9. Slotine, J.-J. E., Li, W.: Adaptive manipulator control: A case study. IEEE Trans. on Automatic Control AC33(11), 995–1003 (1988). doi: 10.1109/9.14411.
dc.relation.references10. Lewis, F. L., Yeşildirek, A., Liu, K. Multilayer neural net robot controller with guaranteed tracking performance. IEEE Trans. on Neural Networks 7 (2), 388–399 (1996). doi:10.1109/72.485674.
dc.relation.referencesen1. Slotine, J.-J., Li, W. Applied nonlinear control. Prentice-Hall, Englewood Cliffs, NJ, USA (1991).
dc.relation.referencesen2. Sastry, S. Nonlinear systems analysis, stability, and control. Springer, Berlin, Germany (1999).
dc.relation.referencesen3. Naidu, D. Optimal control systems. CRC Press, London, UK (2003).
dc.relation.referencesen4. Lewis, F. L., Vrabie, D. L., Syrmos, V. L., Optimal control. John Wiley & Sons, Hoboken, New Jersey (2012). doi: 10.1002/9781118122631.
dc.relation.referencesen5. Navabi, M., Mirzaei, H. Robust optimal adaptive trajectory tracking control of quadrotor helicopter. Latin American Journal of Solids and Structures 14, 1040–1063 (2017). doi: 10.1590/1679-78253595.
dc.relation.referencesen6. Perez-Cruz, J. H., Rubio, J. J., Ruiz-Velazquez, E., Solis-Perales, G. Tracking control based on recurrent neural networks for nonlinear systems with multiple inputs and unknown dead zone. Abstract and Applied Analysis 2, 1-18 (2012). doi: 10.1155/2012/471281.
dc.relation.referencesen7. Yen, H.-M., Li, T.-H. S., Chang, Y.-C. Design of a robust neural network-based tracking controller for a class of electrically driven nonholonomic mechanical systems. Information Sciences 222, 559–575 (2013). doi: 10.1016/j.ins.2012.07.053.
dc.relation.referencesen8. Haykin, S. Neural networks and learning machines. Pearson, Ontario, Canada (2008).
dc.relation.referencesen9. Slotine, J.-J. E., Li, W., Adaptive manipulator control: A case study. IEEE Trans. on Automatic Control AC33(11), 995–1003 (1988). doi: 10.1109/9.14411.
dc.relation.referencesen10. Lewis, F. L., Yeşildirek, A., Liu, K. Multilayer neural net robot controller with guaranteed tracking performance. IEEE Trans. on Neural Networks 7 (2), 388–399 (1996). doi:10.1109/72.485674.
dc.rights.holder© Національний університет “Львівська політехніка”, 2019
dc.rights.holder© Тимощук П. В., 2019
dc.subjectмодель нейронної схеми
dc.subjectнелінійна система
dc.subjectслідкуюче керування
dc.subjectneural circuit model
dc.subjectnonlinear system
dc.subjecttracking control
dc.subject.udc004.032.026
dc.titleМодель нейронної схеми слідкуючого керування нелінійними динамічними системами неперервного часу
dc.title.alternativeA neural circuit model of tracking control for continuous-time nonlinear dynamic systems
dc.typeArticle

Files

Original bundle

Now showing 1 - 2 of 2
Thumbnail Image
Name:
2019v1n1_Tymoshchuk_P-A_neural_circuit_model_92-96.pdf
Size:
676.55 KB
Format:
Adobe Portable Document Format
Download
Thumbnail Image
Name:
2019v1n1_Tymoshchuk_P-A_neural_circuit_model_92-96__COVER.png
Size:
381.48 KB
Format:
Portable Network Graphics
Download

License bundle

Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
2.96 KB
Format:
Plain Text
Description:
Download

Collections

Комп'ютерні системи та мережі. – 2019. – Том 1, № 1