論文の概要: Dynamic Modeling and Adaptive Controlling in GPS-Intelligent Buoy (GIB)
Systems Based on Neural-Fuzzy Networks
- arxiv url: http://arxiv.org/abs/2004.02625v1
- Date: Fri, 3 Apr 2020 17:28:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-17 04:09:55.829243
- Title: Dynamic Modeling and Adaptive Controlling in GPS-Intelligent Buoy (GIB)
Systems Based on Neural-Fuzzy Networks
- Title（参考訳）: ニューラルファジィネットワークに基づくGPS-Intelligent Buoy (GIB)システムにおける動的モデリングと適応制御
- Authors: Dangquan Zhang, Muhammad Aqeel Ashraf, Zhenling Liu, Wan-Xi Peng,
Mohammad Javad Golkar, Amir Mosavi
- Abstract要約: 本稿では, バックステッピング技術を用いて, 改良されたニューラルネットワークによる海洋ブイの位置決めに動的システムモデリングを適用した。
数値的および得られた結果から,制御系は比較的少ない位置誤差でブイの経路と位置を所望の目的に調整できることを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recently, various relations and criteria have been presented to establish a
proper relationship between control systems and control the Global Positioning
System (GPS)-intelligent buoy system. Given the importance of controlling the
position of buoys and the construction of intelligent systems, in this paper,
dynamic system modeling is applied to position marine buoys through the
improved neural network with a backstepping technique. This study aims at
developing a novel controller based on an adaptive fuzzy neural network to
optimally track the dynamically positioned vehicle on the water with
unavailable velocities and unidentified control parameters. In order to model
the network with the proposed technique, uncertainties and the unwanted
disturbances are studied in the neural network. The presented study aims at
developing a neural controlling which applies the vectorial back-stepping
technique to the surface ships, which have been dynamically positioned with
undetermined disturbances and ambivalences. Moreover, the objective function is
to minimize the output error for the neural network (NN) based on the
closed-loop system. The most important feature of the proposed model for the
positioning buoys is its independence from comparative knowledge or information
on the dynamics and the unwanted disturbances of ships. The numerical and
obtained consequences demonstrate that the control system can adjust the routes
and the position of the buoys to the desired objective with relatively few
position errors.
- Abstract（参考訳）: 近年,制御システムとGPS(Global Positioning System)-インテリジェントブイシステムとの適切な関係を確立するために,様々な関係や基準が提示されている。
本稿では, ブイの位置制御とインテリジェントシステム構築の重要性を考慮し, バックステッピング技術を用いて, 改良されたニューラルネットワークによる海洋ブイの位置決めに動的システムモデリングを適用した。
本研究の目的は,適応型ファジィニューラルネットワークに基づく新しい制御器の開発であり,水面上の動的位置決めされた車両を,不利用可能な速度と未知の制御パラメータで最適に追跡することである。
提案手法を用いてネットワークをモデル化するために,不確実性と不要な外乱がニューラルネットワークで研究されている。
本研究は,不確定な外乱と曖昧さで動的に位置決めされた表層船舶に対して,ベクトルバックステッピング技術を適用したニューラルコントロールを開発することを目的とした。
さらに,閉ループシステムに基づくニューラルネットワーク(NN)の出力誤差を最小化することが目的である。
提案されたブイの位置決めモデルの最も重要な特徴は、船の動力学と望ましくない乱に関する比較知識や情報から独立していることである。
数値的および得られた結果から,制御系は比較的少ない位置誤差でブイの経路と位置を所望の目的に調整できることを示した。
関連論文リスト
- Structured Deep Neural Network-Based Backstepping Trajectory Tracking Control for Lagrangian Systems [9.61674297336072]
提案したコントローラは、任意の互換性のあるニューラルネットワークパラメータに対してクローズループ安定性を確保することができる。
モデル近似誤差や外乱の存在下では、閉ループ安定性と追従制御性能が保証されることが示されている。
論文 参考訳（メタデータ） (2024-03-01T09:09:37Z) - Neural Control: Concurrent System Identification and Control Learning with Neural ODE [13.727727205587804]
ニューラル・コントロール(NC)と呼ばれる未知の力学系を制御するニューラル・ODEに基づく手法を提案する。
本モデルは,対象状態へ誘導する最適制御と同様に,システムダイナミクスを同時に学習する。
実験では,未知の力学系の最適制御を学習するためのモデルの有効性を実証した。
論文 参考訳（メタデータ） (2024-01-03T17:05:17Z) - ConCerNet: A Contrastive Learning Based Framework for Automated
Conservation Law Discovery and Trustworthy Dynamical System Prediction [82.81767856234956]
本稿では,DNNに基づく動的モデリングの信頼性を向上させるために,ConCerNetという新しい学習フレームワークを提案する。
本手法は, 座標誤差と保存量の両方において, ベースラインニューラルネットワークよりも一貫して優れていることを示す。
論文 参考訳（メタデータ） (2023-02-11T21:07:30Z) - Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate
Model Predictive Trajectory Tracking [76.27433308688592]
クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。
本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。
提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
論文 参考訳（メタデータ） (2022-06-07T13:51:35Z) - Distributed neural network control with dependability guarantees: a
compositional port-Hamiltonian approach [0.0]
大規模なサイバー物理システムは、制御ポリシーが分散されていること、すなわち、ローカルなリアルタイム測定と近隣エージェントとの通信にのみ依存することを要求する。
最近の研究でニューラルネットワーク(NN)分散コントローラのトレーニングが提案されている。
NNコントローラの主な課題は、トレーニング中と後、すなわちクローズドループシステムは不安定であり、勾配の消失と爆発によってトレーニングが失敗する可能性があることである。
論文 参考訳（メタデータ） (2021-12-16T17:37:11Z) - Neural optimal feedback control with local learning rules [67.5926699124528]
運動制御の大きな問題は、脳がどのように遅延と雑音の刺激に直面して適切な動きを計画し実行するかを理解することである。
本稿では,適応カルマンフィルタとモデル自由制御手法を組み合わせた新しいオンラインアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-12T20:02:00Z) - Online-Learning Deep Neuro-Adaptive Dynamic Inversion Controller for
Model Free Control [1.3764085113103217]
ニュートラル適応コントローラは、新しい重み更新法則に基づいて訓練されたディープニューラルネットワークを特徴とする実装である。
制御器は、非線形プラントを迅速に学習することができ、追従制御問題において優れた性能を示す。
論文 参考訳（メタデータ） (2021-07-21T22:46:03Z) - Neural-iLQR: A Learning-Aided Shooting Method for Trajectory
Optimization [17.25824905485415]
制約のない制御空間上の学習支援シューティング手法であるNeural-iLQRを提案する。
システムモデルにおける不正確さの存在下で、従来のiLQRよりも著しく優れていることが示されている。
論文 参考訳（メタデータ） (2020-11-21T07:17:28Z) - An Ode to an ODE [78.97367880223254]
我々は、O(d) 群上の行列フローに応じて主フローの時間依存パラメータが進化する ODEtoODE と呼ばれるニューラルODE アルゴリズムの新しいパラダイムを提案する。
この2つの流れのネストされたシステムは、訓練の安定性と有効性を提供し、勾配の消滅・爆発問題を確実に解決する。
論文 参考訳（メタデータ） (2020-06-19T22:05:19Z) - Adaptive Control and Regret Minimization in Linear Quadratic Gaussian
(LQG) Setting [91.43582419264763]
我々は不確実性に直面した楽観主義の原理に基づく新しい強化学習アルゴリズムLqgOptを提案する。
LqgOptはシステムのダイナミクスを効率的に探索し、モデルのパラメータを信頼区間まで推定し、最も楽観的なモデルのコントローラをデプロイする。
論文 参考訳（メタデータ） (2020-03-12T19:56:38Z) - Enhanced Adversarial Strategically-Timed Attacks against Deep
Reinforcement Learning [91.13113161754022]
本稿では,DRLに基づくナビゲーションシステムに対して,選択した時間フレーム上の物理ノイズパターンを妨害することにより,タイミングに基づく逆方向戦略を導入する。
実験結果から, 対向タイミング攻撃は性能低下を引き起こす可能性が示唆された。
論文 参考訳（メタデータ） (2020-02-20T21:39:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。