کنترل سرعت عملگرهای سرو هیدرولیک، با استفاده از شبکه های عصبی انعطاف پذیر و ثابت و الگوریتم یادگیری خطای پس خور

در این مقاله، کنترل سرعت سیستم های سروهیدرولیک با استفاده از شبکه های عصبی مورد بررسی قرار گرفته است. ساختار کنترلی عصبی مورد استفاده ساختار آموزش خطای پس خور fel می باشد و اساس آن مبتنی بر یادگیری دینامیک معکوس سیستم تحت کنترل و کمینه کردن خروجی کنترلر کلاسیک به عنوان تابع هزینه شبکه است. در این مقاله، از شبکه های پیش خور سه لایه استفاده شده و در لایه میانی آن، توابع سیگمویید انعطاف پذیر به کار رفته است. آموزش کلیه وزن های شبکه و پارامترهای توابع سیگمویید به صورت همزمان و با استفاده از الگوریتم پس انتشار خطا با ممنتوم انجام شده است. نتایج شبیه سازی ها با استفاده از نرم افزار مطلب - سیمولینک روی مدل کامپیوتری نشانگر قابلیت بالای شبکه های عصبی انعطاف پذیر در مقایسه با شبکه های عصبی ساختار ثابت و کنترلر کلاسیک در یادگیری دینامیک معکوس و کنترل سیستم سروهیدرولیک به صورت همزمان و در زمان واقعی می باشد.