Аннотация. 

В данной работе для заданного класса нелинейных систем впервые применен механизм адаптации нейронечеткого регулятора, аппроксимирующего управление, полученное с помощью подхода SDRE. Основными результатами работы являются архитектура нейронечеткой сети, а также методы ее инициализации. Предложенный подход применен к модели двухзвенного манипулятора с неопределенными коэффициентами. Численные эксперименты показали эффективность полученного управления по совокупности рассмотренных критериев качества. 

Ключевые слова: 

уравнение Риккати с зависящими от состояния коэффициентами, SDRE, адаптивное управление, нечеткое управление, двухзвенный манипулятор. 

Стр. 60-71.

DOI 10.14357/20718632220108 

 

Литература

1. Hazrati B., Dadashzadeh B., Shoaran M., 2019. Fuzzy control of bipedal running with variable speed and apex height. International Journal of Dynamics and Control, 7(4), pp. 1379-1391.

2. Li T. H. S. et al., 2020. Fuzzy Double Deep Q-Network-Based Gait Pattern Controller for Humanoid Robots. IEEE Transactions on Fuzzy Systems, 30(1), pp.147-161.

3. Sobirin M., Hindersah H., 2021. Stability Control for Bipedal Robot in Standing and Walking using Fuzzy Logic Controller. 2021 IEEE International Conference on Industry 4.0, Artificial Intelligence, and Communications Technology (IAICT), pp. 1-7.

4. Wu L. F., Li T. H. S., 2020. Fuzzy dynamic gait pattern generation for real-time push recovery control of a teen-sized humanoid robot. IEEE Access, 8, pp. 36441-36453.

5. Yang L., Liu Z., Chen Y., 2019. Energy efficient walking control for biped robots using interval type-2 fuzzy logic systems and optimized iteration algorithm. ISA transactions, 87, pp. 143-153.

6. Sun W. et al., 2018. Adaptive fuzzy tracking control of flexible-joint robots with full-state constraints. IEEE transactions on systems, man, and cybernetics: systems, 49(11), pp. 2201-2209.

7. Yang T., Sun N., Fang Y., 2021. Adaptive fuzzy control for a class of MIMO underactuated systems with plant uncertainties and actuator deadzones: Design and experiments. IEEE Transactions on Cybernetics. (In English, unpubl.)

8. Wang H. et al., 2021. Finite-time-prescribed performance-based adaptive fuzzy control for strict-feedback nonlinear systems with dynamic uncertainty and actuator faults. IEEE Transactions on Cybernetics. (In English, unpubl.)

9. Lu Y., 2018. Adaptive-fuzzy control compensation design for direct adaptive fuzzy control //IEEE Transactions on Fuzzy Systems, 26(6), pp. 3222-3231.

10. Su X. et al., 2019. Event-triggered adaptive fuzzy control for uncertain strict-feedback nonlinear systems with guaranteed transient performance. IEEE Transactions on Fuzzy Systems, 27(12), pp. 2327-2337.

11. Nekoo, S.R., 2019. Tutorial and review on the state-dependent Riccati equation. Journal of Applied Nonlinear Dynamics, 8(2), pp.109-166

12. Cimen, T., 2012. Survey of state-dependent Riccati equation in nonlinear optimal feedback control synthesis. Journal of Guidance, Control, and Dynamics, 35(4), pp.1025-1047.

13. Cloutier, J.R., 1997. State-dependent Riccati equation techniques: an overview. In Proceedings of the 1997 American control conference (Cat. No. 97CH36041) (Vol. 2, pp. 932-936). IEEE.

14. Kim, S.W., Park, S.Y. and Park, C., 2016. Spacecraft attitude control using neuro-fuzzy approximation of the optimal controllers. Advances in Space Research, 57(1), pp.137-152.

15. Даник Ю. Э. Стабилизирующий регулятор для нелинейных систем на основе нечеткой матричной Паде аппроксимации //Информационные технологии и вычислительные системы. 2021. №. 1. С. 42-49.

16. Golea, N., Golea, A. and Benmahammed, K., 2002. Fuzzy model reference adaptive control. IEEE Transactions on Fuzzy Systems, 10(4), pp.436-444.