Este trabajo propone un mtodo de control adaptativo iterativo de aprendizaje (AILC) para sistemas no lineales inciertos con entrada continua no lineal para resolver diferentes problemas de seguimiento de objetivos. El mtodo utiliza la red neuronal de funcin de base radial (RBFNN) para aproximar cada trmino incierto en los sistemas. Se introduce una capa lmite variable en el tiempo y una serie convergente tpica para tratar el error de estado inicial y los lmites desconocidos de los errores, respectivamente. La conclusin es que el error de seguimiento puede converger a una zona muy pequea con el aumento del nmero de iteraciones. Todas las seales de bucle cerrado estn acotadas en un intervalo de tiempo finito . Finalmente, el resultado de la simulacin del sistema mecnico masa-resorte muestra la correccin de la teora y la validez del mtodo.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Un algoritmo adaptativo de elemento finito no conforme para el problema de autovalores de Laplace.
Artículo:
Control de acoplamiento de desviación media para sistema multimotor a través de control global de modo deslizante terminal rápido.
Artículo:
Dependencia de parámetros de los invariantes estables para ecuaciones diferenciales con retardo bajo -Dicotomías
Artículo:
Análisis global de la solución casi periódica de un sistema de mutualismo discreto de múltiples especies.
Artículo:
Un Método Algebraico sobre los Autovalores y Estabilidad de Sistemas de Reacción-Difusión con Retardo
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.