Direct adaptive control using feedforward neural networks

Abstract

This paper proposes a new scheme for direct neural adaptive control that works efficiently employing only one neural network, used for simultaneously identifying and controlling the plant. The idea behind this structure of adaptive control is to compensate the control input obtained by a conventional feedback controller. The neural network training process is carried out by using two different techniques: backpropagation and extended Kalman filter algorithm. Additionally, the convergence of the identification error is investigated by Lyapunov's second method. The performance of the proposed scheme is evaluated via simulations and a real time application.<br>Este artigo propõe uma nova estratégia de controle adaptativo direto em que uma única rede neural é usada para simultaneamente identificar e controlar uma planta. A motivação para essa estratégia de controle adaptativo é compensar a entrada de controle gerada por um controlador retroalimentado convencional. O processo de treinamento da rede neural é realizado através de duas técnicas: backpropagation e filtro de Kalman estendido. Adicionalmente, a convergência do erro de identificação é analisada através do segundo método de Lyapunov. O desempenho da estratégia proposta é avaliado através de simulações e uma aplicação em tempo real

Diseño, implementación y validación de un controlador PID autosintonizado

“…Usando este conocimiento, se pueden emplear métodos apropiados para diseñar el controlador óptimo (Bobál et al, 2005). Algunos acercamientos comprenden el uso de redes neuronales para la estimación de los parámetros del sistema (Cajueiro & Hemerly, 2003), y a partir de estos realizar el cálculo de los pará-metros del controlador con técnicas como algoritmos genéticos (Valarmathi et al, 2009). Otros esquemas comprenden la estimación en línea de los parámetros de un modelo de la planta, generalmente discreto, utilizando algún método de identificación, como el método de mínimos cuadrados o proyección ortogonal, unido al diseño de un controlador basado en dichos parámetros, los cuales se ajustan en línea (Aguado & Martinez, 2003).…”

Filtragem de kalman com restrições para sistemas não-lineares: revisão e novos resultados

“…No cenário brasileiro, várias outras aplicações podem ser citadas como: reconstrução de trajetória e estimação de parâmeros de aeronaves (de Mendonça, Hemerly & Góes, 2007;Teixeira et al, 2005;Curvo, 2000;Curvo & Rios Neto, 2003), robótica (Sandi Lora, Hemerly & Lages, 1998;Kühne, Claro, Suess & Lages, 2004) processos químicos (Maciel Filho, Rodrigues & Zaiat, 1999;Teixeira et al, 2008c;Teixeira et al, 2009b), sistemas de potência (Cardoso et al, 2006), engenharia biomédica (Trigo, Lima, & Amato, 2004), detecção de falhas (Quirino & Bottura, 2003), treinamento de redes neurais (Rios Neto, 1997;Cajueiro & Hemerly, 2003), dinâmica não-linear e caos (Bitencourt Jr., Tôrres & Aguirre, 2004;, economia (Pizzinga, 2009) e solução de equações algébricas lineares (Pinto & Rios Neto, 1990;Rios Neto & Rios Neto, 2000). Uma revisão bibliográfica sobre o problema de estimação de dados é encontrada em (Rios Neto & Hemerly, 2007).…”