Nonlinear Pinning Control of Complex Dynamical Networks: Analysis and Applications (Automation and Control Engineering)

این کتاب دو استراتژی کنترل غیرخطی را برای شبکه‌های دینامیکی پیچیده ارائه می‌کند. ابتدا از کنترل حالت لغزشی استفاده می شود و سپس از روش کنترل بهینه معکوس استفاده می شود. برای هر دو مورد، مدل مبتنی بر در فصل 3 و فصل 5 در نظر گرفته شده است. سپس، فصل 4 و فصل 6 بر اساس تعیین مدلی برای سیستم ناشناخته با استفاده از یک شبکه عصبی بازگشتی، با استفاده از فیلتر کالمن توسعه‌یافته برای یادگیری است.

کتاب در چهار بخش سازمان‌دهی شده است. اولین مورد مقدمات ریاضی را با مروری کوتاه برای شبکه های پیچیده و روش سنجاق پوشش می دهد. علاوه بر این، کنترل حالت کشویی و کنترل بهینه معکوس معرفی شده است. ساختارهای شبکه عصبی نیز همراه با شرحی از ساختارهای مرتبه بالا مورد بحث قرار می گیرند. بخش دوم نتایج تجزیه و تحلیل و شبیه سازی را برای کنترل حالت لغزشی برای گره های یکسان و همچنین غیر یکسان ارائه می دهد. بخش سوم نتایج تجزیه و تحلیل و شبیه سازی را برای کنترل بهینه معکوس با در نظر گرفتن گره های یکسان یا غیر یکسان توصیف می کند. در نهایت، بخش آخر کاربردهای این طرح ها را با استفاده از شبکه های تنظیم کننده ژن و ریزشبکه ها به عنوان مثال ارائه می کند.

This book presents two nonlinear control strategies for complex dynamical networks. First, sliding-mode control is used, and then the inverse optimal control approach is employed. For both cases, model-based is considered in Chapter 3 and Chapter 5; then, Chapter 4 and Chapter 6 are based on determining a model for the unknow system using a recurrent neural network, using on-line extended Kalman filtering for learning.

The book is organized in four sections. The first one covers mathematical preliminaries, with a brief review for complex networks, and the pinning methodology. Additionally, sliding-mode control and inverse optimal control are introduced. Neural network structures are also discussed along with a description of the high-order ones. The second section presents the analysis and simulation results for sliding-mode control for identical as well as non-identical nodes. The third section describes analysis and simulation results for inverse optimal control considering identical or non-identical nodes. Finally, the last section presents applications of these schemes, using gene regulatory networks and microgrids as examples.