بررسی عملکرد کنترل کننده شبکه عصبی در یک سیستم دارای عدم قطعیت مدل

در این مقاله دو روش برمبنای شبکه های عصبی برای کنترل یک سیستم درجه دو که مدل دقیق آن در دست نمی باشد موردبررسی قرارگرفته است. در روش اول، یک کنترلر شبکه عصبی تطبیقی با استفاده از استراتژی گام به عقب، طراحی شده است. درنتیجه پایداری تمام سیگنال های حلقه کنترل تضمین شده و هدف کنترل که دنبال کردن مقدار مقرر است برآورده گردیده است.در روش دوم، یک کنترلر برپایه ی یادگیری رفتار دینامیکی فرآیند و برمبنای استراتژی کنترلی یک قدم به جلو مورد بررسیقرارگرفته است. برای غلبه بر مشکل نبود مدل دقیق فرآیند در طراحی تطبیقی از شبکه های عصبی مصنوعی استفاده شده است. ازآنجا که شبکه های عصبی قادراند هر تابع غیرخطی را با هر دقتی تقلید کنند ، بجای مدل دقیق فرآیند که مجهول است از شبکههای عصبی استفاده شده است. استراتژی طراحی کنترلر شبکه عصبی تطبیقی در این مقاله، روش گام به عقب می باشد. برایکنترلر تطبیقی، از شبکه عصبی از نوع توابع شعاعی پایه استفاده شده است.