کنترل آشوب مبتنی بر ترکیب کنترل مد لغزشی ترمینال انتگرالی هوشمند با یک سطح لغزشی جدید و سیستم استنتاج فازی- عصبی تطبیقی

در این مقاله کنترلکننده مد لغزشی ترمینال انتگرالی هوشمند با یک سطح لغزشی جدید مبتنی بر سیستم استنتاج فازی عصبی تطبیقی، برای کنترل آشوب پیشنهاد میگردد. ابتدا برای یک کلاس از سیستمهای دارای آشوب با نامعینی و اغتشاش یک کنترلکننده مبتنی بر کنترل مد لغزشی ترمینال بر اساس تئوری لیاپانوف با یک سطح لغزش جدید طراحی میگردد. سطح لغزش پیشنهادشده در این روش، ترکیبی از سطح لغزش مد لغزشی ترمینال متداول و انتگرال تابعی غیرخطی از حالات سیستم است و هدف از انتخاب آن، داشتن سرعت پاسخ مناسب و رفع چترینگ در کنار مقاومت در برابر اغتشاشات خارجی است. سپس با فرض اینکه قسمتی از دینامیک سیستم نامعلوم باشد و فقط بخشی از اطلاعات ورودی خروجی آن در دسترس است، از سیستم استنتاج فازی عصبی تطبیقی برای تقریب دینامیک نامعلوم سیستم براساس دادههای ورودی خروجی استفاده میگردد. به منظور بهبود عملکرد روش پیشنهادی، از الگوریتم زنبور عسل جهت انتخاب ضرایب کنترل کننده مد لغزشی ترمینال انتگرالی استفاده میگردد. نتایج شبیه سازی نشان دهنده کارایی این کنترل کننده از لحاظ سرعت مناسب، حذف چترینگ، پاسخ گذرای مطلوب و عملکرد قابل قبول در مواجهه با عدم قطعیت های موجود در مدل سیستم میباشد.

Chaos Control based on Combination of Integral Terminal Sliding Mode with a New Sliding Surface and Adaptive Neuro-Fuzzy Inference System

In this paper, an intelligent integral terminal sliding mode control method with a new sliding surface is proposed based on adaptive neuralfuzzy inference. First, a terminal sliding mode controller using a novel sliding surface is designed based on Lyapunovrsquo;s stability theorem for controlling a class of chaotic systems in presence of uncertainty and disturbance. The proposed sliding surface is a combination of the conventional terminal sliding surface and integral of a nonlinear function of the states of the system. The purpose of choosing this surface includes achieving appropriate response speed, removing chattering and robustness against external disturbance. Then, we assume that a nonlinear part of the system is unknown and only inputoutput data is available. Therefore, an adaptive neurofuzzy inference system is used to approximate the unknown part of the system dynamics. Finally, in order to enhance the performance of the proposed method, the honey bee algorithm is utilizd for selecting the coefficients of integral terminal sliding mode controller. The simulation results show the effectiveness of the controller due to the improved speed, removed chattering, appropriate transient response and satisfactory performance in the presence of uncertainties in the system model.