LOGIN / Acesse o sistema

Esqueceu sua senha? Redefina aqui.

Ainda não possui uma conta? Cadastre-se aqui!

REDEFINIR SENHA

Insira o endereço de email associado à sua conta que enviaremos um link de redefinição de senha para você.

Ainda não possui uma conta? Cadastre-se aqui!

Este conteúdo é exclusivo para membros ABCM

Inscreva-se e faça parte da comunidade

CADASTRE-SE

Tem uma conta?

Torne-se um membros ABCM

Veja algumas vantagens em se manter como nosso Associado:

Acesso regular ao JBSMSE
Boletim de notícias ABCM
Acesso livre aos Anais de Eventos
Possibilidade de concorrer às Bolsas de Iniciação Científica da ABCM.
Descontos nos eventos promovidos pela ABCM e pelas entidades com as quais mmantém acordo de cooperação.
Estudantes de gradução serão isentos no primeiro ano de afiliação.
10% de desconto para o Associado que pagar anuidade anntes de completar os 12 meses da última anuidade paga.
Desconto na compra dos livros da ABCM, entre eles: "Engenharia de Dutos" e "Escoamento Multifásico".
CADASTRE-SE SEGUIR PARA O VIDEO >

Tem uma conta?

Eventos Anais de eventos

Anais de eventos

DINAME2019

DINAME2019

Trajectory tracking control of a seesaw-propeller system using a feedback-feedforward approach and artificial neural network

Submission Author: Gabriel de Albuquerque Barbosa Baumann , RN
Co-Authors: Gabriel de Albuquerque Barbosa Baumann, Gabriel da Silva Lima, Wallace Moreira Bessa
Presenter: Gabriel de Albuquerque Barbosa Baumann

doi://10.26678/ABCM.DINAME2019.DIN2019-0168

 

Abstract

A controller for a nonlinear dynamic system is proposed in this work. This system is composed of a propeller driven seesaw, whose angular position must be controlled. For this purpose, the ordinary differential equation that describes the system dynamics is shown and the control strategy was developed through a feedback-feedforward configuration combined with neural networks. The approach consists in the Radial Bases Function artificial neural network application in a feedforward compensator, to estimate and predict plant disturbances, and to overcome the feedback linearization technique limitations. Results obtained by numerical simulation of the controller with and without the performance of the feedforward with the neural network compensator are presented and discussed to demonstrate the effectiveness of the approach presented in the project in promoting an approximate state of robustness.

Keywords

control of nonlinear system, feedback linearization, feedforward compensator, artificial neural network

 

DOWNLOAD PDF

 

‹ voltar para anais de eventos ABCM