مسيطر عصبي غير خطي لحزمه من الانظمة الديناميكية اللا خطية غير المحددة == Nero - Controller of a Class of Uncertain Nonlinear Dynamical Control System
Author name:
علياء حسين ناصر الجنابي
Supervisor name:
راضي علي زبون الساعدي
General topic:
Mathematics
Specific topic:
Dynamic Systems
Degree:
Master
University:
Al-Nahrain University - College Of Science - Department Of Mathematics
Language:
English
University location:
Baghdad
First pages:
27T1038 - p.pdf
Abstract:
لقد اصبحت انظمة السيطرة في يومنا هذا جزء مهم ومكمل لحياتنا حيث انها تدخل في معظم الاشياء ابتدا من الاجهزة المنزلية الكهربائية الصناعية الى صناعة الطائرات والمركبات الفضائية . تشترك انظمة السيطرة الاوتوماتيكية بصفات موحدة رغم الاختلافات في الاشكال لكي تجعل من النظام قيد الدراسة يتصرف بسلوك مقبول . يعتبر نظام السيطرة الغير الخطي من اهم التطبيقات الشبكية العصبية الاصطناعية (Artificial Neural Network) (Neuro - Controller) في هذه الرسالة لقد تم تطوير مسيطر عصبي غير خطي يعتمد على نظام الشبكية العصبي يهدف الى التعويض والتصحيح والموازنة في بعض انظمة السيطرة الديناميكية غير الخطية.يضمن مشروع العمل الى الاستقرارية ,تقليص الخطا ,فلترة النتائج,(Neural Network Weights)لقد تم اشتقاق وتنظيم وتدريب اوزان الشبكة العصبية المستعملة بالاعتماد على اسلوبية دالة ليابانوف. (Lyapunov Function approach) لتحقق من فاعلية عملنا نفذنا على الحاسبة الالكترونية بعض انظمة السيطرة الدينامية غير الخطية وكانت النتائج جيدة بما فية الكفاية لتعويض والسيطرة (Uncertain nonlinear function) على الجزء غير الخطي غير المحدد في نظام السيطرة غير المحدد . واخيرا لقد تم عرض بعض المفاهيم الرياضية الضرورية والاستنتاجات المهمة والعمل المستقبلي مدعوم باشكال ورسومات لاكمال طرح وافي للعمل. | Today automatic control systems have become an integrated part of our life. They appear in every things from simple electronic household products to air planes and spacecrafts. Automatic control systems can take highly different shapes but common to them all, is their function to manipulate a system so that it behaves in a desired fashion. Control of nonlinear systems is a major application area for neural networks. The control design problem will be approached in two ways : direct design methods and indirect design methods, and the network must be trained as the controller according to some kind of relevant criterion. In this thesis, nonlinear neuro - controller using neural network based actuator compensation scheme for nonlinear dynamical control system is presented. The scheme that leads to stability, target following, tracking error and filtered error is proved . The tuning of artificial neural network weights for controller are derived and adjusted based on Lypanove function approach. The verification of this scheme has been implemented using first order, 2 - dymensional, nonlinear dynamical Pendulum problem and 1st order 3 - dymensional nonlinear dynamical control system. The simulation can effectively compensate for the uncertain nonlinearity in the nonlinear uncertain dynamical control system. Necessary mathematical concepts, comments, concluding remarks, future works, figures and graphers, have also been presented
