Fully Tuned Radial Basis Function Neural Networks for Flight Control

شبکه‌های عصبی کاملاً تنظیم‌شده با تابع پایه شعاعی برای کنترل پرواز استفاده از شبکه‌های عصبی تابع پایه شعاعی (RBF) را برای کنترل تطبیقی ​​سیستم‌های غیرخطی با تأکید بر کاربردهای کنترل پرواز ارائه می‌کند. یک رویکرد سنتز لیاپانوف برای استخراج قوانین تنظیم برای پارامترهای کنترل‌کننده RBF به منظور تضمین پایداری سیستم حلقه بسته استفاده می‌شود. برخلاف روش‌های قبلی که فقط وزن‌های شبکه RBF را تنظیم می‌کردند، این کتاب استخراج قانون تنظیم را برای تنظیم مراکز، عرض‌ها و وزن‌های شبکه RBF ارائه می‌کند و نتایج را با الگوریتم‌های موجود مقایسه می‌کند. همچنین شامل بررسی دقیق شناسایی سیستم، از جمله کنترل تطبیقی ​​غیرمستقیم و مستقیم سیستم‌های غیرخطی با استفاده از شبکه‌های عصبی است.
شبکه‌های عصبی کاملاً تنظیم‌شده با عملکرد پایه شعاعی برای کنترل پرواز یک منبع عالی برای حرفه‌ای‌هایی است که از کنترل‌کننده‌های تطبیقی ​​عصبی برای برنامه‌های کنترل پرواز استفاده می‌کنند.

Fully Tuned Radial Basis Function Neural Networks for Flight Control presents the use of the Radial Basis Function (RBF) neural networks for adaptive control of nonlinear systems with emphasis on flight control applications. A Lyapunov synthesis approach is used to derive the tuning rules for the RBF controller parameters in order to guarantee the stability of the closed loop system. Unlike previous methods that tune only the weights of the RBF network, this book presents the derivation of the tuning law for tuning the centers, widths, and weights of the RBF network, and compares the results with existing algorithms. It also includes a detailed review of system identification, including indirect and direct adaptive control of nonlinear systems using neural networks.
Fully Tuned Radial Basis Function Neural Networks for Flight Control is an excellent resource for professionals using neural adaptive controllers for flight control applications.