Neural network based dynamic surface control of hypersonic flight dynamics using small-gain theorem

در این مقاله، کنترل عصبی برای دینامیکی طولی یک هواپیمای خنک کننده عمومی در حضور پویایی ناشناخته و خطای محرک مورد بررسی قرار گرفته است. برای زیر سیستم نگرشی، طراحی سازگار مستقیم با رویکرد سطح پویا ارائه شده و مشکل تکینگی حذف می شود. برای خطای محرک، دینامیک ناشناخته ناشی از خطا توسط شبکه های عصبی تقریب می یابد. برجسته این است که تکنیک پارامتر حداقل پارامتر یادگیری بر روی دینامیک اعمال می شود و الگوریتم تطبیقی ​​ساده را آسان می کند از زمان بارگیری محاسبات به روز رسانی آنلاین تا حد زیادی کاهش می یابد. ثبات محدودیت نهایی یکنواخت با تئوری کم سود حاصل می شود. نتیجه شبیه سازی نشان می دهد که کنترل کننده می تواند عملکرد ردیابی خوب با حداقل پارامتر یادگیری در مورد گسل محرک به دست آورد.