Los controladores predictivos de modelos basados en redes neuronales han demostrado un alto potencial en la rama no convencional del control no lineal. Sin embargo, la cuestión principal en el control de procesos de sistemas no lineales es la sensibilidad de las variaciones de los parámetros y las incertidumbres. En efecto, cuando se controla el proceso mediante control predictivo de modelos basado en redes neuronales (neural network model predictive control, NNMPC) y está sujeto a tales variaciones e incertidumbre, se obtienen desempeńos insatisfactorios.
Para solucionar este problema, en este artículo se propone control predictivo adaptativo de modelos basado en redes neuronales (adaptive neural network model predictive control, ANNMPC) donde se incorpora un bloque neuronal de identificación de modelo en el esquema y se proporciona una actualización en línea de los pesos cuando el proceso está sujeto a variaciones de parámetros e incertidumbres. Se llevaron a cabo simulaciones para mostrar el carácter robusto de este algoritmo de control.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Estudio sobre el método de identificación del modelo de incertidumbre de los parámetros del motor aéreo
Artículo:
Modelización global de las descargas de N2O: Aplicación del propulsor de plasma Helicon
Artículo:
Evaluación del grado de daños en la zona del terremoto mediante imágenes aéreas de UAV
Artículo:
Detección óptima y robusta de fallos en sistemas lineales de tiempo discreto
Artículo:
Modelización y análisis de la dinámica de lanzamiento horizontal hacia atrás
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Importancia, manejo y control de extraíbles e incrustaciones (pitch) en la fabricación de papel
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Libro:
Planta de tratamiento de aguas residuales