Observação adaptativa neural com convergência assintótica na presença de parâmetros variantes no tempo e distúrbios

Abstract

Neste artigo é proposto um esquema baseado em redes neurais para estimação adaptativa dos estados de uma classe de sistemas não-lineares contínuos, incertos, variantes no tempo e sujeita a distúrbios. Prova-se, via argumentos usuais de Lyapunov e uma técnica de limitação adaptativa (adaptive bounding technique), que o erro residual de observação converge para zero, inclusive na presença de erros de aproximação e distúrbios, enquanto os erros de estimação (pesos, parâmetros e função limitadora) permanecem limitados. Um exemplo de simulação é apresentado para ilustrar a aplicação e desempenho do esquema proposto.<br>In this paper a scheme based on neural networks for adaptive observation of a class of uncertain continuous nonlinear systems in the presence of time-varying parameters and non-vanishing disturbances is proposed. Using standard Lyapunov procedures and an adaptive bounding technique, the state error convergence to zero is proved, even when approximation error and disturbances are present, while guaranteeing uniform ultimate boundedness of all others estimation errors (weight, parameter and bounding function). A simulation example to illustrate the application and performance of the proposed algorithm is provided

Conteúdo didático multinível para personalização reativa em sistemas tutores inteligentes

“…A formalização matemática de um modelo facilita seu entendimento e possibilita a concepção e o desenvolvimento de novos trabalhos. Trabalhos apresentados em diferentes áreas do conhecimento mostram a capacidade de descrição da formalização matemática (Vargas, 2008;Cereda, 2008;Barajas, 2010).…”