nhân tạo và mode trượt
Nhằm đảm bảo được các chỉ tiêu chất lượng cho hệ thống điều khiển, đặc biệt là các hệ bám khi đối tượng điều khiển phi tuyến, bất định (đặc tính phi tuyến không biết truớc hoặc thay đổi theo thời gian) trong những năm gần đây người ta đã sử dụng phương pháp điều khiển thích nghi, bền vững trên cơ sở sử dụng mạng nơron nhân tạo và mode trượt. Khi sử dụng phương pháp này người ta sử dụng được những mặt mạnh của các mạng nơ ron nhân tạo và lại sử dụng được các ưu điểm vượt trội của điều khiển mode trượt [20], [66], [70]. Đã có một số thuật toán điều khiển mode trượt có gắn liền với các luật học của mạng nơ ron. Tuy nhiên, hầu hết các luật học đề xuất trong các công trình nêu trên đều có chung những nhược điểm rất cơ bản là: Tốc độ hiệu chỉnh các véc-tơ trọng số phụ thuộc vào véc-tơ trạng thái hoặc phụ thuộc vào véc-tơ sai số của hệ. Thí dụ, luật học cho mạng RBF ba lớp trong hệ thống sử dụng mode trượt được Seyed E.S. và Mohammad R.S. đề xuất [66] có dạng:
ˆ T ˆ ˆT
V XS W , (1.24)
ˆ ( ˆT ) T ˆ ˆT T
W V X S V XS , (1.25) trong đó: X - véc-tơ trạng thái, S– mặt trượt.
, - các hệ số dương; ˆ ˆ 1 ; ˆ 1 z z z d z z e dz Nhận xét:
C ng tương tự như nhược điểm đã được nêu trong nh n t ở phân mục 1.7.2: Quá trình hiệu chỉnh bắt buộc ph i thực hiện iên tục, kể c khi các hàm phi tuyến bất định đã được ác định. Điều này gây nên những bất ợi rất ớn, th m chí có thể gây mất ổn định cho hệ thống. Ngoài ra các u t học (1.24), (1.25 còn thêm một nhược điểm ớn nữa: Tốc độ hiệu chỉnh các v c-
tơ trọng số còn phụ thuộc vào S, trong lúc S ại thay đổi với tần số cực kì ớn ung quanh mặt trượt S 0 [57,75] gây nh hưởng đến độ hội tụ của quá trình học, th m chí dẫn đến kh năng mất ổn định khi có nhi u mạnh tác động từ bên ngoài.