كنترل‌گر عصبي‎-اسميت پيش‌بين براي بهبود عملكرد سامانه‌هاي كنترل از طريق شبكه

كنترل ‌گر اسميت پيش‌ بين يك راه‌ حل مناسب در برابر چالش تأخير تصادفي بسته‌ هاي داده در سامانه ‌هاي كنترل از طريق شبكه است. مدل ‌سازي دقيق و برخط دستگاه به ويژه در حالتي كه دستگاه غيرخطي است و يا داراي پارامترهاي مجهول و تغييرپذير است، مي‌ تواند عملكرد كنترلي سامانۀ كنترل از طريق شبكه را به مقدار قابل‌توجهي بهبود بخشد. در اين پژوهش، كنترل ‌گري با نام rdquo;كنترل ‌گر عصبي‌اسميت پيش‌ بين ldquo; ارائه شده كه در آن با استفاده از شبكه‌ هاي عصبي پرسپترون به مدل ‌سازي برخط دستگاه پرداخته و از يك شبكۀ عصبي ديگر به‌عنوان مركز پردازش سيگنال كنترل‌ گر استفاده شده است. با استفاده از كنترل ‌گر پيشنهادي، تغييرات پارامترهاي دستگاه در اثر كاركرد در طول زمان، به‌صورت برخط مدل‌ سازي مي‌ شود و سيگنال كنترلي مناسب توليد مي‌ شود. نتايج شبيه‌ سازي نشان مي ‌دهد در سامانۀ كنترل از طريق شبكه، در حالتي كه تأخير تصادفي شبكه و تغييرات تابع تبديل دستگاه افزايش مي ‌يابد، استفاده از كنترل گر عصبي اسميت پيش‌ بين نسبت به كنترل ‌گر اسميت پيش‌ بين ساده، عملكرد بهتري دارد. به‌عنوان مثال وقتي كه تأخير تصادفي شبكه در بازۀ ]21-19[ ميلي ثانيه باشد، تفاوت مقدار ITAE سامانۀ پيشنهادي با اسميت پيش‌ بين ساده برابر با 0.0004 است، اما به‌ازاي تأخير شبكه در بازۀ ]930-910[ ميلي‌ ثانيه اين تفاوت درحدود 0.027 است.