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

Por favor, use este identificador para citar o enlazar este ítem: http://dgsa.uaeh.edu.mx:8080/handle/231104/2376

Título :	Redes neuronales dinámicas para la identificación y control adaptable para sistemas no lineales.
Autor :	Hernández Pérez, Juan Francisco
Palabras clave :	Dinámica Técnicas RNA Modelos matemáticos
Fecha de publicación :	ene-2018
Editorial :	ICBI-BD-UAEH
Descripción :	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.
Documento del Gobiberno :	MCAC .12672 2018
URI :	http://dgsa.uaeh.edu.mx:8080/bibliotecadigital/handle/231104/2376
Aparece en las colecciones:	Tesis de Maestría

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
Redes neuronales dinamicas para la identificacion y control adaptable para sistemas.pdf		1.99 MB	Adobe PDF	Visualizar/Abrir

DSpace JSPUI