Thanh bên bài viết

PDF
Số xuất bản: Số 85 (2026): Số 85 (01/2026)
Chuyên mục: CÔNG NGHỆ SỐ, TỰ ĐỘNG HÓA VÀ ỨNG DỤNG HÀNG HẢI
DOI: 10.65154/jmst.912
Ngày xuất bản: 30/01/2026
Lượt xem 0
Downloads 0
Trích dẫn bài báo
Lê, A. T. (2026). ĐIỀU KHIỂN CUỐN CHIẾU THÍCH NGHI TÍCH HỢP MẠNG NƠ RON CHO CÁC HỆ ĐỘNG LỰC (ADAPTIVE NEURAL BACK-STEPPING CONTROL OF DYNAMICAL SYSTEMS). Tạp chí Khoa học Công nghệ Hàng hải, 85, 156-162. https://doi.org/10.65154/jmst.912
Crossref
Scopus
Google Scholar
Europe PMC

ĐIỀU KHIỂN CUỐN CHIẾU THÍCH NGHI TÍCH HỢP MẠNG NƠ RON CHO CÁC HỆ ĐỘNG LỰC (ADAPTIVE NEURAL BACK-STEPPING CONTROL OF DYNAMICAL SYSTEMS)

Lê Anh Tuấn1,
1 Viện Cơ khí, Trường Đại học Hàng hải Việt Nam

Nội dung chính của bài viết

Tóm tắt

Chúng tôi xây dựng một hệ thống điều khiển thích nghi cho các hệ động lực phi tuyến chứa các yếu tố bất định trong trường hợp tổng quát. Kỹ thuật cuốn chiếu back-stepping dùng để thiết kế cấu trúc của bộ điều khiển trong khi mạng nơ ron RBF dùng để tổng hợp cơ cấu thích nghi. Bằng cách này, hệ thống điều khiển dẫn động tốt hệ động lực mà không cần nhiều thông tin mô hình hệ động lực. Ví dụ áp dụng cho con lắc ngược bằng mô phỏng số cho thấy hiệu quả của hướng điều khiển đề xuất.

Abstract

We propose an adaptive control system for a class of dynamic nonlinear system in the face of uncertainties. The back-stepping technique is used for building the control core while the adaptive behavior of the system comes from an adaptation mechanism. On the basis of RBF neural network approach, such mechanism approximates the complex unknowns of the system dynamics then provides to the controller to track the system outputs. As a result, the controller works well even lack of much knowledge of dynamic plants. The effectiveness of proposed control system is validated by numerical simulation on a platform of an inverted pendulum.

Keywords: Back-stepping control, dynamic system, radial basis function (RBF), neural networks.

Từ khóa

Điều khiển cuốn chiếu, điều khiển thích nghi, mạng nơ ron RBF, hệ động lực, con lắc ngược.

Chi tiết bài viết

Tài liệu tham khảo

[1] Y.Liu, H. Yu (2013), A survey of underactuated mechanical systems. IET Control Theory & Applications, Vol.7, pp.921-935.
https://doi.org/10.1049/iet-cta.2012.0505.
[2] A. Bensoussan (2018), Estimation and control of dynamical systems, Springer.
https://doi.org/10.1007/978-3-319-75456-7.
[3] Z.S. Hou, Z. Wang (2013), From model-based control to data-driven control: Survey, classification and perspective, Information Sciences, Vol.235, pp.3-35.
https://doi.org/10.1016/j.ins.2012.07.014.
[4] S. Vaidyanathan, A. T. Azar (2021), Chapter 1 - An introduction to backstepping control, In: Backstepping Control of nonlinear dynamical systems, Academic Press, pp.1-32.
https://doi.org/10.1016/B978-0-12-817582-8.00008-8.
[5] Nguyễn Thị Thanh Trúc, Nguyễn Thị Bích Hậu (2025), Điều khiển bộ biến đổi AC/DC PWM dùng kỹ thuật điều khiển backstepping, Tạp chí Khoa học Đại học Công Thương, Số 25 (3), tr.70-79.
https://doi.org/10.62985/j.huit_ojs.vol25.no3.198.
[6] Đặng Tiến Trung, Phạm Thị Thanh Đam (2024), Thiết kế bộ điều khiển trượt backstepping cho UAV kiểu quadrotor có tính đến sự bất định của mô hình, Tạp chí Khoa học & Công nghệ Trường Đại học Công nghiệp Hà Nội, Số 60 (11), tr.31-34.
http://doi.org/10.57001/huih5804.2024.363.
[7] J. Wang et al, (2021). An adaptive neural sliding mode control with ESO for uncertain nonlinear systems, International Journal of Control, Automation, and Systems, Vol.19, tr.687-697.
https://doi.org/10.1007/s12555-019-0972-x.
[8] S. Liu, G. Trenkler, T. Kollo et al (2024), Professor Heinz Neudecker and matrix differential calculus, Statistical Papers, Vol.65, pp.2605-2639.
https://doi.org/10.1007/s00362-023-01499-w