پایدارسازی دستگاه‌های کنترل غیرخطی با استفاده از قضیه زوبوف و شبکه‌های عصبی مصنوعی

قضیۀ زوبوف یکی از قضایایی است که برای پایداری یک دستگاه غیرخطی با دامنه ربایش معلوم شرایطی را بیان می کند. از شبکه های عصبی استفاده کرده و با آن ها، تعدادی از توابع موجود در قضیۀ زوبوف را تقریب می زنیم، بدین ترتیب کنترل کنندۀ یک دستگاه کنترل غیرخطی، که به لحاظ ریاضی یافتن ضابطۀ کنترل آن آسان نیست، به دست می آید. در این تحقیق دو استراتژی مختلف را به کار می گیریم و نهایتاً تاثیر و قابلیت روش های مفروض، با مثال های عددی توضیح داده شده است.

Stabilization of Nonlinear Control Systems through Using Zobov’s Theorem and Neural Networks

Zobov rsquo;s Theorem is one of the theorems which indicate the conditions for the stability of a nonlinear system with specific attraction region. We have applied neural networks to approximate some functions mentioned in Zobov rsquo;s theorem in order to find the controller of a nonlinear controlled system whose law in a mathematical manner is difficult to make. Finally, the effectiveness and the applicability of the proposed method are demonstrated through using numerical examples.