پایدارسازی سیستم های کنترل غیرخطی با استفاده از شبکه های عصبی مصنوعی
چکیده
هدف این رساله، پایدارسازی سیستم های کنترل غیرخطی از طریق شبکه های عصبی است. این کار در سیستم های غیرخطی گسسته و نیز پیوسته انجام شده است. در سیستم های گسسته نسبت به حالت پیوسته عملکرد شبکه های عصبی بهتر بود. نوع شبکه های بکار رفته شده غالباً چند لایه است که در آن، قوانین یادگیری متفاوتی بکار گرفته شده است. دو نوع یادگیری در دو حالت برخط و نه برخط انجام شده است، هر دو حالت را انجام داده و به پایداری سیستم ها رسیده ایم. در حالت نه برخط مساله یادگیری شبکه دارای انشعاب بیشتری است، گاهی مساله باناظر و گاهی بدون ناظر است. در حالت با ناظر باید مجموعه داده های آموزشی جمع آوری شود که خود این عمل به چندین طریق انجام می شود. همه این روش ها بررسی شده و برای هر حالت، مثال حل شده است. در حالت بدون ناظر لازم نیست داده های آموزشی جمع آوری شوند بلکه یک روش بهینه سازی نامقید لازم است که توسط آن روش، پارامترهای شبکه (وزن ها و بایاس ها) بهینه و به عبارت دیگر بروز شوند. در این رساله، در حالت بدون ناظر، برای بروز کردن پارامترهای شبکه، روش بهینه سازی نلدر-مید بکار رفته است.