Lyapunov-based intelligent control

• Ano de defesa: 2022
• Autor(a) principal: Rego, Rosana Cibely Batista
• Orientador(a): Araújo, Fábio Meneghetti Ugulino de
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Rio Grande do Norte
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO
• País: Brasil
• Palavras-chave em Português: Neural networks; Intelligent control; Neuro-control; Control Lyapunov function
• Link de acesso: https://repositorio.ufrn.br/handle/123456789/47007

A realização de controle de sistemas dinâmicos não lineares desempenha um papel crucial, pois na prática, modelos lineares podem não serem adequados para um projeto eficaz. No entanto, realizar o controle de sistemas não lineares não é uma tarefa simples, embora muitos métodos tenham sido desenvolvidos. Existem ainda alguns problemas a serem resolvidos. Exemplos de tais problemas são o controle dos movimentos e equilíbrio em robôs humanoides e as imprecisões de modelagem de um veículo subaquático autônomo, que possui um ângulo de inclinação pequeno. Para realizar o projeto de controle e estabilidade de um sistema não linear, geralmente, uma função de Lyapunov é usada. O procedimento para obter uma função de Lyapunov não é simples. Existem métodos numéricos na literatura que lidam com o problema de obter as funções de Lyapunov para vários tipos de sistemas. Uma ferramenta útil para aproximar ou gerar funções é uma rede neural artificial. Neste contexto, neste trabalho é explorada a capacidade de uma rede neural em aproximar funções de Lyapunov para sistemas não lineares. Além disso, é proposta a utilização de uma rede neural profunda para calcular uma função de Lyapunov de controle para sistemas não lineares. Ademais, neste trabalho é desenvolvido um controlador baseado em aprendizado em que se garante a estabilidade do ponto de equilíbrio e permite que se forneça uma estimativa de sua região de atração contida no conjunto invariante de Lyapunov. Simulações de exemplos numéricos e experimentos com o pêndulo invertido e rotacional são realizados e comparações com métodos convencionais são apresentadas.