Documents disponibles écrits par cet auteur

Adaptive H∞ Control Using Backstepping Design and Neural Networks / Niu, Yugang in Transactions of the ASME . Journal of dynamic systems, measurement, and control, Vol. 127, N° 3 (Septembre 2005)

Public ISBD [article]  in Transactions of the ASME . Journal of dynamic systems, measurement, and control > Vol. 127, N° 3 (Septembre 2005) . - 478-485 p. Titre : Adaptive H∞ Control Using Backstepping Design and Neural Networks Titre original : Commande Adaptative de H∞ en Utilisant la Conception de Backstepping et les Réseaux Neurologiques Type de document : texte imprimé Auteurs : Niu, Yugang, Auteur ; Lam, James, Auteur ; Wang, Xingyu ; Ho, Daniel W. C. Article en page(s) : 478-485 p. Note générale : Génie Mécanique Langues : Anglais (eng) Mots-clés : Nonlinear  systems  Neural  network  Backstepping  Systèmes  non-linéaires  Réseau  neurologique  Progression  arrière Index. décimale : 620.1/389 Résumé : In this paper, the adaptive H∞ control problem based on the neural network technique is studied for a class of strict feedback nonlinear systems with mismatching nonlinear uncertainties that may not be linearly parametrized. By combining the backstepping technique with H∞ control design, an adaptive neural controller is synthetized to attenuate the effect of approximation error and guarantee an H∞ tracking performance for the closed loop system. In this work, the structural property of the system is utilized to synthetize the controller such that a singularity problem of the controller usually encountered in feedback linearization design is avoided. A numerical simulation illustrating the H∞ control performance of the closed loop system is provided. En cet article, le problème adaptatif de commande de H∞ basé sur la technique de réseau neurologique est étudié pour une classe des systèmes non-linéaires de rétroaction stricte avec mal adapter les incertitudes non-linéaires qui peuvent ne pas être linéairement parametrized. En combinant la technique backstepping avec H∞ commandez la conception, un contrôleur neural adaptatif est synthétisé pour atténuer l'effet de l'erreur d'approximation et pour garantir une exécution de cheminement de H∞ pour le système de boucle bloquée. Dans ce travail, la propriété structurale du système est utilisée pour synthétiser le contrôleur tels qu'un problème de singularité du contrôleur habituellement produit dans la conception de linéarisation de rétroaction est évité. Une simulation numérique illustrant l'exécution de commande de H∞ du système de boucle bloquée est fournie. [article] Adaptive H∞ Control Using Backstepping Design and Neural Networks = Commande Adaptative de H∞ en Utilisant la Conception de Backstepping et les Réseaux Neurologiques [texte imprimé] / Niu, Yugang, Auteur ; Lam, James, Auteur ; Wang, Xingyu ; Ho, Daniel W. C. . - 478-485 p. Génie Mécanique Langues : Anglais (eng) in Transactions of the ASME . Journal of dynamic systems, measurement, and control > Vol. 127, N° 3 (Septembre 2005) . - 478-485 p. Mots-clés : Nonlinear  systems  Neural  network  Backstepping  Systèmes  non-linéaires  Réseau  neurologique  Progression  arrière Index. décimale : 620.1/389 Résumé : In this paper, the adaptive H∞ control problem based on the neural network technique is studied for a class of strict feedback nonlinear systems with mismatching nonlinear uncertainties that may not be linearly parametrized. By combining the backstepping technique with H∞ control design, an adaptive neural controller is synthetized to attenuate the effect of approximation error and guarantee an H∞ tracking performance for the closed loop system. In this work, the structural property of the system is utilized to synthetize the controller such that a singularity problem of the controller usually encountered in feedback linearization design is avoided. A numerical simulation illustrating the H∞ control performance of the closed loop system is provided. En cet article, le problème adaptatif de commande de H∞ basé sur la technique de réseau neurologique est étudié pour une classe des systèmes non-linéaires de rétroaction stricte avec mal adapter les incertitudes non-linéaires qui peuvent ne pas être linéairement parametrized. En combinant la technique backstepping avec H∞ commandez la conception, un contrôleur neural adaptatif est synthétisé pour atténuer l'effet de l'erreur d'approximation et pour garantir une exécution de cheminement de H∞ pour le système de boucle bloquée. Dans ce travail, la propriété structurale du système est utilisée pour synthétiser le contrôleur tels qu'un problème de singularité du contrôleur habituellement produit dans la conception de linéarisation de rétroaction est évité. Une simulation numérique illustrant l'exécution de commande de H∞ du système de boucle bloquée est fournie.