Redes neuronales dinámicas para la identificación y control adaptable para sistemas no lineales.

Hernández Pérez, Juan Francisco

dc.contributor.author	Hernández Pérez, Juan Francisco
dc.date.accessioned	2019-11-28T23:01:33Z
dc.date.available	2019-11-28T23:01:33Z
dc.date.issued	2018-01
dc.identifier.govdoc	MCAC .12672 2018
dc.identifier.other	AT22126
dc.identifier.uri	http://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/2376
dc.description	Se propone una ley de control linealizante para sistemas no lineales anes con múltiples-entradas y múltiples-salidas (Múltiple-Input Múltiple-Output, MIMO), cuya dinámica se asume desconocida o complicada de obtener. Para estimar la dinámica del sistema se emplean redes neuronales artificiales (RNA) de dos tipos: Perceptrón Generalizado Multi-Capa (GMLP), cuyo diseño esta dado por una estructura en capas y Redes Neuronales Recurrentes de Alto Orden (RHONN), las cuales se caracterizan por tener una conectividad bidireccional entre sus unidades de entrada. Esto con la finalidad de emplear la RNA que aproxime mejor las dinámicas desconocidas del sistema MIMO. Para fines ilustrativos de los resultados teóricos obtenidos, se presenta una simulación utilizando el entorno Simulink de Matlab sobre los modelos matemáticos del Carro-Péndulo y del Twin Rotor MIMO System.	es_ES
dc.language.iso	es	es_ES
dc.publisher	ICBI-BD-UAEH	es_ES
dc.subject	Dinámica	es_ES
dc.subject	Técnicas	es_ES
dc.subject	RNA	es_ES
dc.subject	Modelos matemáticos	es_ES
dc.title	Redes neuronales dinámicas para la identificación y control adaptable para sistemas no lineales.	es_ES
dc.type	Tesis	es_ES