Robust adaptive neural network control of a class of uncertain strict-feedback nonlinear systems with unknown dead-zone and disturbances

در این مقاله یک روش طراحی قوی کنترل عصبی تطبیقی ​​برای یک کلاس از سیستم های غیرخطی سخت با بازخورد مضطرب با ناحیه ناشناخته ارائه شده است. در طراحی کنترل کننده، متفاوت از روش های موجود، تمام قوانین کنترل مجازی در مراحل متوسط ​​اجرا نمی شود، و تنها یک قانون کنترل قوی تطبیقی ​​قوی با تقریب تابع ناشناخته توزیع شده سیستم با یک شبکه عصبی در آخرین مرحله با استفاده از این رویکرد، ساختار کنترل طراحی شده بسیار ساده تر است، زیرا علت مشکل پیچیدگی رو به رشد در روش های موجود حذف می شود. تجزیه و تحلیل ثبات نشان می دهد که طرح پیشنهادی می تواند محدودیت نهایی همه ی سیگنال های سیستم حلقه بسته را تضمین کند و با انتخاب مناسب پارامترهای کنترل، خطای ردیابی حالت پایدار می تواند به صورت خودسرانه کوچک باشد. مطالعات شبیه سازی اثربخشی و شایستگی روش پیشنهادی را نشان می دهد.