文献

J-GLOBAL ID：202202213121955494   整理番号：22A0157261

劣駆動系に適用した深層ニューラルネットワークを用いたLyapunovベース連続時間非線形制御【JST・京大機械翻訳】

Lyapunov-based continuous-time nonlinear control using deep neural network applied to underactuated systems

著者 (2件)： Rego Rosana C.B. (Process Control Laboratory, Federal University of Rio Grande do Norte, Natal, RN, 59077080, Brazil) ,  de Araujo Fabio Meneghetti U. (Department of Computer Engineering and Automation, Federal University of Rio Grande do Norte, Rio Grande do Norte, Brazil)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 107  ページ： Null  発行年： 2022年 
JST資料番号： T0797A  ISSN： 0952-1976  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 計算知能戦略によるいくつかの学習ベース制御は,複雑なシステムのモデリングの困難さや,証明可能な安全による制御戦略の必要性に関連する課題を扱う。近年,機械学習を用いた学習ベース制御がロボット工学アプリケーションで実証され,非線形性に対処するために応用されている。これらの制御法は,安全クリティカル産業のような非線形問題に対するより良い解決策をもたらし,それはコントローラ挙動に関する強い保証を必要とする。学習ベースのニューラルネットワーク制御は,植物,擾乱,環境,および操作条件を理解,学習できる。本論文では,非線形系に対する制御則を計算するためにLyapunov理論を用いた深層ニューラルネットワークから決定されるLyapunovベース非線形制御を提案した。前進安定性解析のために,引力領域の推定を示した。回転倒立振り子システムを用いた数値例と実験シミュレーションを行い,従来の制御技術と比較した。提案方法は,システムの安定性を提供する制御法則を計算して,種々の追跡とプロセス外乱を考慮してより良い解決策を作り出した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  非線形系 ,  学習 ,  安定性解析 ,  *ニューラルネットワーク ,  人工知能 ,  制御方式 ,  応用プログラム ,  *連続時間系 ,  倒立振り子 ,  機械学習 ,  制御則
準シソーラス用語： ロボット工学 ,  Lyapunov理論 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： Lyapunov関数 ,  ニューラルネットワーク ,  非線形制御 ,  非線形システム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 劣駆動系 ,  深層ニューラルネットワーク ,  連続時間 ,  非線形制御