Departments | |
---|---|
Book Series (78) |
1082
|
Medienwissenschaften |
8
|
Humanities |
2009
|
Natural Sciences |
5112
|
Mathematics | 214 |
Informatics | 290 |
Physics | 951 |
Chemistry | 1292 |
Geosciences | 124 |
Human medicine | 224 |
Stomatology | 9 |
Veterinary medicine | 81 |
Pharmacy | 141 |
Biology | 790 |
Biochemistry, molecular biology, gene technology | 107 |
Biophysics | 23 |
Domestic and nutritional science | 40 |
Agricultural science | 965 |
Forest science | 197 |
Horticultural science | 15 |
Environmental research, ecology and landscape conservation | 130 |
Engineering |
1557
|
Common |
80
|
Leitlinien Unfallchirurgie
5. Auflage bestellen |
Table of Contents, Datei (32 KB)
Extract, Datei (110 KB)
ISBN-13 (Printausgabe) | 3865378730 |
ISBN-13 (Hard Copy) | 9783865378736 |
ISBN-13 (eBook) | 9783736918733 |
Language | English |
Page Number | 158 |
Edition | 1 |
Volume | 0 |
Publication Place | Göttingen |
Place of Dissertation | Bochum |
Publication Date | 2006-05-24 |
General Categorization | Dissertation |
Departments |
Informatics
|
In der vorliegenden Dissertation wurden Untersuchungen zur adaptiven Sliding- Mode-Regelung mit Netzen von Gaußschen radialen Basisfunktionen vorgestellt. Ergebnisse aus Simulationen bzw. Laborexperimenten wurden dargestellt, um die Leistungsf¨ahigkeit der vorgeschlagenen Regelungsverfahren zu veranschaulichen. Grundlagen der Sliding-Mode-Regelung wurden in Kapitel 2 zusammengefasst. Die Unsicherheit der Regelstrecke kann durch eine hochfrequente Stellgr¨oße un- terdru¨ckt werden, die genau einer Regelung mit hoher Verst¨arkung der niedrigeren Frequenz entspricht. Die Synthese der Sliding-Mode-Regelung, basierend auf der direkten Methode von Ljapunow mit asymptotischer Konvergenz, wurde dargestellt. In diesem Kapitel wurde ein ¨Uberblick zur adaptiven Sliding-Mode-Regelung gegeben. W¨ahrend die klassischen Methoden zur Parametersch¨atzung das adaptive Problem fu¨r Systeme in der Linear-in-Parameter-Form relativ gut l¨osen, wurden neue Ver- fahren der adaptiven Regelung mit neuronalen Netzen fu¨r Systeme eingefu¨hrt, die nicht diese Form aufweisen. Diese Verfahren beantworten allerdings meistens nicht die Frage der Stabilit¨at hinsichtlich der Approximationsfehler neuronaler Netze. Eine der Hauptideen dieser Arbeit ist die Integration von SMC mit direkter adaptiver Regelung, in der die Stabilit¨at durch die direkte Methode von Ljapunow sichergestellt wird. Netze mit Gaußschen radialen Basisfunktionen (GRBF-Netze) wurden als Kompensatoren der Unsicherheit eingefu¨hrt. Der Grund fu¨r die Auswahl der GRBF-Netze war, daß ihre Ausg¨ange Linearkombinationen der Ausgangsgewich- tungen sind, so dass die Stabilit¨at des Regelkreises einfacher zu erreichen ist. GRBF- Netze besitzen neben der besseren Konvergenz auch ein schnelleres Lernverhalten, verglichen mit den Multilayer-Feedforward-Netzen.