كنترل عصبي تطبيقي سيستم‌هاي غيرخطي مرتبه كسري چند عامله با وجود محدوديت خطا

Adaptive neural control of nonlinear fractional order multi- agent systems in the presence of error constraintion

در اين مقاله، مسئله كنترل رديابي سيستم‌هاي چند عامله مرتبه كسري بررسي شده است. نامعيني‌هاي پارامتري سيستم، قيود بر خطا، مناسب بودن پاسخ گذرا و رديابي مطلوب پاسخ از چالش‌هاي موجود در اين پژوهش است. به دليل وجود چنين چالش‌هاي ذكر شده، رويكرد كنترل تطبيقي و تخمين‌گر عصبي در اين پژوهش به‌كارگرفته شده‌اند. در اين مقاله، ابتدا به بررسي سيستم‌هاي چند عامله مرتبه كسري با پارامترهاي نامعين، در حضور محدوديت­هاي خطا پرداخته شده است. سپس، يك كنترل‌كننده­ برمبناي كنترل تطبيقي و روش كنترل سطح ديناميكي به‌نحوي طراحي شده است كه هدف كنترلي تعقيب خروجي مطلوب با وجود برآورده شدن قيود خواسته شده محقق شود. كارايي موثر كنترل كننده­ پيشنهادي، با شبيه سازي توسط نرم افزار متلب در قسمت شبيه سازي نتايج نشان داده شده است.

In this paper, the problem of fractional order multi-agent tracking control problem is considered. Uncertainties, error constraints, transient response suitability and desirable response tracking problems are the challenges in this study. Because of these problems and challenges, the adaptive control and Neural Networks approximators approaches are used in this study. In the first part of this article, the fractional order multi-agent systems are investigated with unknown parameters in the presence of error constraints. Then, a controller is designed on the basis of adaptive control and dynamic surface control so that the control objective of pursuing the desired output is achieved in the presence of the required constraints. The effective performance of the proposed controller is demonstrated by simulation by MATLAB software.