Areas | |
---|---|
Serie de libros (92) |
1308
|
Letra |
2293
|
Ciencias Naturales |
5354
|
Matemática | 224 |
Informática | 313 |
Física | 975 |
Química | 1354 |
Geociencias | 131 |
Medicina humana | 242 |
Estomatología | 10 |
Veterinaria | 99 |
Farmacia | 147 |
Biología | 830 |
Bioquímica, biología molecular, tecnología genética | 117 |
Biofísica | 25 |
Nutrición | 44 |
Agricultura | 996 |
Silvicultura | 201 |
Horticultura | 20 |
Ecología y conservación de la tierra | 145 |
Ciencias Ingeniería |
1746
|
General |
91
|
Leitlinien Unfallchirurgie
5. Auflage bestellen |
Indice, Datei (32 KB)
Lectura de prueba, Datei (110 KB)
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.
ISBN-10 (Impresion) | 3865378730 |
ISBN-13 (Impresion) | 9783865378736 |
ISBN-13 (E-Book) | 9783736918733 |
Idioma | Inglés |
Numero de paginas | 158 |
Edicion | 1 |
Volumen | 0 |
Lugar de publicacion | Göttingen |
Lugar de la disertacion | Bochum |
Fecha de publicacion | 24.05.2006 |
Clasificacion simple | Tesis doctoral |
Area |
Informática
|