طراحی کنترل کننده مد لغزشی موجکی با لایه مرزی تطبیقی مبتنی بر تابع لغزشی متغیر با زمان برای خودخلبان پیچشی

نوع مقاله : مقاله مستقل

نویسندگان

1 استادیار ریاضی کاربردی، دانشگاه لرستان، لرستان

2 مربی، ریاضی کاربردی ،دانشگاه لرستان، لرستان

چکیده

در این مقاله‏‌ روش غیرخطی کنترل کننده مد لغزشی موجکی با لایه مرزی تطبیقی از طریق تابع لغزشی متغیر با زمان در خودخلبان پیچشی برای موشک EMRAAT که قابلیت هدایت با مانور BTT را دارد، به کارکرفته می­شود.سطح لغزشی متغیر با زمان همه فرکانس­های مدل نشده سیستم را فیلتر می­کند. پهنای لایه مرزی، پهنای باند شکست فرکانس و پارامترهایی که در تقریب شبکه موجکی عصبی پدید می­آیند همگی قابل تنطیم هستند. از اینرو می توان تاثیرات منفی نامعینی­ها و فرکانس­های مدل نشده سیستم را بر فرآیند کنترل کاهش داد. پدیده چترینگ رخ نخواهد داد و هزینه کنترل در مقایسه با دیگر روش­ها کمتر است. ردیابی بهینه بدست می­آید. برای سهولت در طراحی کنترل کننده و اجرای آن، سه قضیه و یک لم ارائه می­شود. در شبکه موجکی، موجک کلاه مکزیکی به عنوان تابع پایه­ای انتخاب شده است. در آخر به منظور بررسی عملکرد و فواید روش ارائه شده، علاوه بر خودخلبان پیچشی، پاندول معکوس را نیز به عنوان مثال دوم شبیه سازی خواهیم کرد.

کلیدواژه‌ها

موضوعات


[1] Astrom KJ, Wittenmark B (1995) Adaptive control. Addison Wesley.
[2] Gang F (2006) A survey on analysis  and design of model-based fuzzy control systems. IEEE Transactions on Fuzzy Systems 14(5): 676–697.
[3] Sastry SS, Isidori A (1989) Adaptive control of linearizable systems. IEEE Trans Automat Contr 34: 1123–1131.
[4] Chang KY, Lin HJ, Cheng TL (2008) Sliding mode controller design with  norm and variance constraints for bilinear stochastic systems. IEICE Trans Fundamentals 91-A(2): 686–691.
[5] Turner MC, Bates DG (2007) Mathematical methods for robust and  non-linear control. Springer Berlin Heidelberg New York.
[6] Kung CC, Chen TH, Kung LH (2005) Modified adoptive fuzzy sliding mode controller for uncertain nonlinear systems. IEJCE Trans Fundamentals 88-A(5): 1328–1334.
[7] Tzafestas SG, Rigatos GG (1999) Design and stability analysis of a new sliding-mode fuzzy logic controller of reduced complexity. Machine Intelligence and Robotic Control 1(1): 27–41.
[8] Babuska R, Verbruggen H (2003) Neuro-fuzzymethod for non-linear system identification. Annual Review in Control 27: 73–85.
[9] Ho HF, Wong YK, Rad AB (2009) Adaptive fuzzy sliding mode control with chattering elimination for nonlinear SISI systems. Simulation Modeling Practice and Theory 17: 1199–1210.
[10] Hsu CF, Lee TT, Lin CM, Chen LY (2004) Robust neuro-fuzzy controller design via sliding- mode approach. IEEE Proceeding of the Budapest, Hungary Conference. July: 917–922.
[11] Lee H, Kim F, Kang HJ (2001) A new sliding-mode control with fuzzy boundary layer. Fuzzy Sets and Systems 120: 135–143.
[12] Wang CH, Lin TC, Lee TT, Liu HL (2002) Adaptive hybrid intelligent control for uncertain non-linear dynamical systems. IEEE Transaction on System, Man, and Cybernetics 32(5): 583–597.
[13] Chen FC, Liu CC (1994) Adaptively controlling nonlinear continuous-time systems using multilayer neural networks. IEEE Trans Automat Contr 39: 1306–1310.
[14] Yesidirek A, Lewis FL (1995) Feedback linearization using neural networks. Automatica 31: 1659–1664.
[15] Polycarpou MM, Ioannou PA (1992) Modeling, identification and stable adaptive control of continuous-time nonlinear dynamical system using neural networks. in Proc Am Contr Conf, Chicago, IL: 36–40.
[16] Wang LX (1994) Adaptive fuzzy systems and control: design and analysis. Englewood Cliffs, NJ: Prentice-Hall.
[17] Spooner JT, Passino KM (1996) Stable adaptive control using fuzzy systems and neural networks. IEEE Trans Fuzzy Syst 4: 339–359.
[18] Ge SS, Lee TH, Harris CJ (1998) Adaptive neural network control of robotic manipulators. London, U.K.: World Scientific.
[19] Wang LX (1994) Adaptive fuzzy systems and control: design and stability analysis. Englewood Cliffs NJ: Prentice-Hall.
[20] Srivasiava S, Singh M, Hanmandlu M, Jha AN (2005) New fuzzy wavelet neural networks for system identification and control. Applied Soft Computing 6: 1–17.
[21] Phan PA, Gale TJ (2008) Direct adaptive fuzzy control with a self-structuring algorithm. Fuzzy Sets and Systems 159: 871–899.
[22] Yarahmadi M, Karbasi SM, Mirzaii A (2010) Robust  wavelet sliding-mode control via time-variant sliding function. IEICE Trans Fundamentals 93-A(6): page 1181.
[23] Yarahmadi M, Karbasi SM, Mirzaii A (2014) Indirect fuzzy sliding-mode with varying boundary layer via time-variant sliding function. IJIFS Jurnal, In print.
[24] Schumache DA (1994) Tactical missle autoplot design using nonlinear control. Thesis & Dissertation, The university of Michigan.
[25] SlotineJJ, Li V (1991) Applied non-linear control. Englewood Cliffs. NJ.
[26] Chui CK (1992) An introduction to wavelets, Academic press.
[27] Delyon B, Juditsky A, Benveniste A (1995) Accuracy analysis for wavelet approximations. IEEE Trans Neural Netw 6(2): 332–348.