:: دوره 3، شماره 1 - ( 6-1394 ) ::
جلد 3 شماره 1 صفحات 49-22 برگشت به فهرست نسخه ها
کنترل و همزمان سازی کلاسی از سیستم های آشوب با استفاده از کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی مدل مرجع با آموزش پسخور خطا و براساس تابع لیاپانوف
وحید بهرامی* ، محمد منثوری ، محمد تشنه لب
دانشگاه خواجه نصیر الدین طوسی ، vahid.bahrami39@gmail.com
چکیده:   (16146 مشاهده)
  در این مطالعه، کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی مدل مرجع با آموزش پسخور خطا برای کلاسی از سیستم های غیرخطی در حضور عدم قطعیت محدود ارائه می گردد. کنترل کننده ارائه شده به فرم ترکیبی، شامل کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی و کنترل کننده کلاسیک می باشد. به دلیل استفاده از کنترل کننده کلاسیک در کنار کنترل کننده هوشمند، می توان انتظار محدود بودن پاسخ حالت گذرا را داشت. وزن های لایه خروجی کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی، پارامترهایی به فرم بازه ای هستند. با استفاده از تابع لیاپانوف مناسب بر اساس خروجی کنترل کننده کلاسیک، قوانین به روزکردن پایدار وزن های لایه خروجی کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی بر پایه اثبات پایداری استخراج شده اند. به منظور نشان دادن کارایی کنترل کننده طراحی شده، شبیه سازی جهت کنترل و همزمانسازی سیستم‌های آشوب نوسانگر دافینگ و جنسیو- تسی اجرا و نتایج با حالتی که وزنهای لایه خروجی کنترل کننده به فرم غیر راف می باشند، مقایسه شده اند که نشان دهنده مقاومت بیشتر کنترل کننده ارائه شده در مقایسه با کنترل کننده غیر راف دارد. نتایج حاکی از طراحی مناسب کنترل کننده ارائه شده، می باشد.
واژه‌های کلیدی: آموزش پسخور خطا، تابع لیاپانوف، سیستم های آشوب، کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی، همزمان سازی سیستم های آشوب.
متن کامل [PDF 738 kb]   (3803 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: شبکه های عصبی
دریافت: 1393/4/22 | پذیرش: 1393/11/12 | انتشار: 1394/7/18


XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 3، شماره 1 - ( 6-1394 ) برگشت به فهرست نسخه ها