Teoria de controle robusto combinada com ferramentas de aprendizado de maquina para sistemas não-lineares incertos sujeitos a perturbações persistentes

Abstract

Este trabalho apresenta uma estratégia que combina um controlador robusto e uma lei de controle gerada por uma Rede Neural de Estado de Eco para estabilizar uma classe de sistemas incertos não-lineares de tempo discretos sujeitos a perturbações persistentes. Primeiro, o controlador robusto é projetado para garantir a estabilidade de entrada-estado do sistema em malha fechada, considerando uma região de estabilidade garantida, independente da ação de controle gerada pela rede neural e das perturbações exógenas. Em seguida, treine-se a rede neural para minimizar os efeitos das perturbações na saída do sistema. A eficácia dessa estratégia é numericamente demonstrada nos sistemas do Oscilador de Van der Pol e de uma bomba elétrica submersível.

Abstract: This work proposes a control strategy consisting of a robust controller and an Echo State Network (ESN) based control law for stabilizing a class of uncertain nonlinear discrete-time systems subject to persistent disturbances. Firstly, the robust controller is designed to ensure that the closed-loop system is Input-to-State Stable (ISS) with a guaranteed stability region regardless of the ESN control action and exogenous disturbances. Then, the ESN-based controller is trained in order to mitigate the effects of disturbances on the system output. The potential of the proposed control design method is numerically demonstrated in the systems of the Van der Pol Oscillator and a submersible electric pump.