2009
DOI: 10.1109/tnn.2008.2005598
|View full text |Cite
|
Sign up to set email alerts
|

Adaptive Neural Network Tracking Control With Disturbance Attenuation for Multiple-Input Nonlinear Systems

Abstract: A switching adaptive neural network controller for multiple-input nonlinear, affine in the control dynamical systems with unknown nonlinearities is designed, capable of arbitrarily attenuating L(2) or L(infinity) external disturbances. In the absence of disturbances, a uniform ultimate boundedness property of the tracking error with respect to an arbitrarily small set around the origin is guaranteed, as well as the uniform boundedness of all the signals in the closed loop. The proposed switching adaptive contr… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1

Citation Types

0
1
0
1

Year Published

2009
2009
2020
2020

Publication Types

Select...
4
3

Relationship

0
7

Authors

Journals

citations
Cited by 10 publications
(2 citation statements)
references
References 41 publications
0
1
0
1
Order By: Relevance
“…Relevant contributions in relaxing the above restrictions were introduced by Rovithakis 15 and Kostarigka and Rovithakis. 16 Based on the dynamic NN model, Rovithakis developed an adaptive NN controller to follow the desired trajectory, so as to attenuate external perturbations and provide performance guarantees. In particular, no prior knowledge of the bound on weights and model errors is required.…”
Section: Introductionmentioning
confidence: 99%
“…Relevant contributions in relaxing the above restrictions were introduced by Rovithakis 15 and Kostarigka and Rovithakis. 16 Based on the dynamic NN model, Rovithakis developed an adaptive NN controller to follow the desired trajectory, so as to attenuate external perturbations and provide performance guarantees. In particular, no prior knowledge of the bound on weights and model errors is required.…”
Section: Introductionmentioning
confidence: 99%
“…Ένας τρόπος αντιμετώπισης των στατικών αβεβαιοτήτων είναι η ανάπτυξη μοντέλων εκτίμησης, κάνοντας χρήση των καθολικών δυνατοτήτων προσέγγισης των νευρωνικών δικτύων, μετατρέποντας έτσι το αρχικό πρόβλημα σε αντίστοιχο πρόβλημα μη-γραμμικού, προσαρμοστικού ελέγχου [72,74,79,81,84,[94][95][96][97]. Η εξασφάλιση ευρωστίας συστημάτων κλειστού βρόχου ενάντια σε L ∞ , L 2 εξωγενείς διαταραχές και/ή δυναμικές αβεβαιότητες, αναπτύχθηκε στις εργασίες [98][99][100], στην περίπτωση πλήρους μέτρησης του διανύσματος καταστάσεων, για ασάφειες που ικανοποιούν συγκεκριμένες συνθήκες ευστάθειας (ελάχιστη φάση, πρακτική ευστάθεια εισόδου-εξόδου, dissipativity). Στην περίπτωση ανάδρασης εξόδου, υπάρχουσες εργασίες επιλύουν το πρόβλημα για συστήματα μιας εισόδου-μιας εξόδου (ΜΕΜΕ), που υπόκεινται σε προσθετικές διαταραχές γνωστού άνω φράγματος [101], συστήματα ελάχιστης φάσης σε κανονική μορφή [102,103] και μη-γραμμικά συστήματα (ΜΕΜΕ, ΠΕΠΕ), μετατρέψιμα σε κανονική μορφή με ευσταθείς δυναμικές αβεβαιότητες [104,105].…”
Section: εισαγωγήunclassified