Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.provenanceCONICET-
dc.creatorRossomando, Francisco Guido-
dc.creatorSoria, Carlos Miguel-
dc.creatorCarelli Albarracin, Ricardo Oscar-
dc.date2017-09-28T19:49:20Z-
dc.date2017-09-28T19:49:20Z-
dc.date2013-09-
dc.date2017-09-28T18:15:25Z-
dc.date.accessioned2019-04-29T15:41:28Z-
dc.date.available2019-04-29T15:41:28Z-
dc.date.issued2017-09-28T19:49:20Z-
dc.date.issued2017-09-28T19:49:20Z-
dc.date.issued2013-09-
dc.date.issued2017-09-28T18:15:25Z-
dc.identifierRossomando, Francisco Guido; Soria, Carlos Miguel; Carelli Albarracin, Ricardo Oscar; Adaptive neural sliding mode compensator for a class of nonlinear systems with unmodeled uncertainties; Elsevier; Engineering Applications Of Artificial Intelligence; 26; 10; 9-2013; 2251-2259-
dc.identifier0952-1976-
dc.identifierhttp://hdl.handle.net/11336/25357-
dc.identifierCONICET Digital-
dc.identifierCONICET-
dc.identifier.urihttp://rodna.bn.gov.ar:8080/jspui/handle/bnmm/299633-
dc.descriptionThis paper addresses the problem of adaptive neural sliding mode control for a class of multi-input multi-output nonlinear system. The control strategy is an inverse nonlinear controller combined with an adaptive neural network with sliding mode control using an on-line learning algorithm. The adaptive neural network with sliding mode control acts as a compensator for a conventional inverse controller in order to improve the control performance when the system is affected by variations in its entire structure (kinematics and dynamics). The controllers are obtained by using Lyapunov's stability theory. Experimental results of a case study show that the proposed method is effective in controlling dynamic systems with unexpected large uncertainties.-
dc.descriptionFil: Rossomando, Francisco Guido. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina. Provincia de San Juan; Argentina. Gobierno de la Provincia de San Juan. Secretaria de Estado de Ciencia, Tecnología e Innovación. Subsecretaria de Promoción de la Actividad Científica; Argentina-
dc.descriptionFil: Soria, Carlos Miguel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina-
dc.descriptionFil: Carelli Albarracin, Ricardo Oscar. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - San Juan. Instituto de Automática. Universidad Nacional de San Juan. Facultad de Ingeniería. Instituto de Automática; Argentina-
dc.formatapplication/pdf-
dc.formatapplication/pdf-
dc.formatapplication/pdf-
dc.languageeng-
dc.publisherElsevier-
dc.relationinfo:eu-repo/semantics/altIdentifier/url/http://www.sciencedirect.com/science/article/pii/S0952197613001656-
dc.relationinfo:eu-repo/semantics/altIdentifier/doi/http://dx.doi.org/10.1016/j.engappai.2013.08.008-
dc.rightsinfo:eu-repo/semantics/restrictedAccess-
dc.rightshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/-
dc.sourcereponame:CONICET Digital (CONICET)-
dc.sourceinstname:Consejo Nacional de Investigaciones Científicas y Técnicas-
dc.sourceinstacron:CONICET-
dc.source.urihttp://hdl.handle.net/11336/25357-
dc.subjectNonlinear systems-
dc.subjectNeural networks-
dc.subjectMIMO systems-
dc.subjectSliding mode control-
dc.subjectRadial basis functions-
dc.subjectIngeniería de Sistemas y Comunicaciones-
dc.subjectIngeniería Eléctrica, Ingeniería Electrónica e Ingeniería de la Información-
dc.subjectINGENIERÍAS Y TECNOLOGÍAS-
dc.titleAdaptive neural sliding mode compensator for a class of nonlinear systems with unmodeled uncertainties-
dc.typeinfo:eu-repo/semantics/article-
dc.typeinfo:eu-repo/semantics/publishedVersion-
dc.typeinfo:ar-repo/semantics/articulo-
Aparece en las colecciones: CONICET

Ficheros en este ítem:
No hay ficheros asociados a este ítem.