Resumen

Este trabajo aborda la sincronización de giroscopios caóticos con parámetros desconocidos y perturbaciones externas mediante un sistema de control dinámico adaptativo de red neuronal (ADNNC). El sistema ADNNC propuesto se compone de un controlador neuronal y un compensador suave. El controlador neuronal utiliza una red dinámica RBF (DRBF) para aproximar en línea un controlador ideal. La red DRBF puede crear nuevas neuronas ocultas en línea si los datos de entrada caen fuera de la capa oculta y podar las neuronas ocultas insignificantes en línea si la neurona oculta es inapropiada. El compensador suave está diseñado para compensar el error de aproximación entre el controlador neuronal y el controlador ideal. Además, las tasas de aprendizaje variables de las leyes de adaptación de parámetros se derivan basándose en una función de Lyapunov de tipo discreto para acelerar la tasa de convergencia del error de seguimiento. Finalmente, los resultados de simulación que verificaron el comportamiento caótico de dos giroscopios caóticos idénticos no lineales pueden sincronizarse utilizando el esquema ADNNC propuesto.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:controlador neural, controlador ideal, compensador suave, control de red neural dinámica adaptativa, giroscopios caóticos idénticos no lineales, leyes de adaptación de parámetros, función de lyapunov tipo, neuronas, esquema adnnc, sistema adnnc
• Keywords:neural controller, ideal controller, smooth compensator, adaptive dynamic neural network control, nonlinear identical chaotic gyros, parameter adaptation laws, type lyapunov function, neurons, adnnc scheme, adnnc system