| Campo DC | Valor | Idioma |
|---|
| dc.contributor.advisor | Ferreira, Henrique Cezar | - |
| dc.contributor.author | Floriano, Bruno Rodolfo de Oliveira | - |
| dc.date.accessioned | 2024-06-20T17:57:57Z | - |
| dc.date.available | 2024-06-20T17:57:57Z | - |
| dc.date.issued | 2024-06-20 | - |
| dc.date.submitted | 2023-12-15 | - |
| dc.identifier.citation | FLORIANO, Bruno Rodolfo de Oliveira. Neural-network-based model predictive control for consensus of nonlinear systems. 2023. 90 f., il. Tese (Doutorado em Engenharia Elétrica) — Universidade de Brasília, Brasília, 2023. | pt_BR |
| dc.identifier.uri | http://repositorio2.unb.br/jspui/handle/10482/48357 | - |
| dc.description | Tese (doutorado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Elétrica, 2023. | pt_BR |
| dc.description.abstract | Este trabalho aborda, através do método de controle preditivo, o problema de consenso para sistemas multiagentes não lineares a tempo discreto sujeitos a topologias de comunicação chaveadas. Para sistemas multiagentes não lineares que seguem uma lei de chaveamento aleatório, não há soluções baseadas em controle preditivo que resultam em uma otimização confiável em tempo real. Nós propomos um novo algoritmo baseado em redes neurais que reduz os efeitos das deficiências de comunicação, causados pelo chaveamento Markoviano, aproximando e minimizando, em tempo real, a função de custo do controle preditivo. A
conveniência do método proposto é certificada em simulações para diferentes cenários e aplicações. Finalmente, os passos futuros da atual pesquisa são detalhados. | pt_BR |
| dc.description.sponsorship | Fundação Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). | pt_BR |
| dc.language.iso | eng | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.title | Neural-network-based model predictive control for consensus of nonlinear systems | pt_BR |
| dc.title.alternative | Controle preditivo baseado em redes neurais para consenso de sistemas não-lineares | pt_BR |
| dc.type | Tese | pt_BR |
| dc.subject.keyword | Modelo de controle preditivo | pt_BR |
| dc.subject.keyword | Redes neurais (Computação) | pt_BR |
| dc.subject.keyword | Controle de consenso | pt_BR |
| dc.subject.keyword | Sistemas multiagentes | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | pt_BR |
| dc.contributor.advisorco | Ishihara, João Yoshiyuki | - |
| dc.description.abstract1 | This work addresses, through a model predictive control (MPC) approach, the consensus problem for discrete-time nonlinear multi-agent systems subjected to switching communication topologies. For systems following a random switching law, there is not any MPC solution that results in a reliable optimization in real-time. We propose a new neural-network-based algorithm that reduces the effects of communication deficiencies, caused by Markovian switching, by approximating and minimizing, in real-time, the MPC’s cost function. The convenience of the proposed method is certified in simulations for different applications and scenarios. Finally, the future steps of the current research are detailed. | pt_BR |
| dc.description.unidade | Faculdade de Tecnologia (FT) | pt_BR |
| dc.description.unidade | Departamento de Engenharia Elétrica (FT ENE) | pt_BR |
| dc.description.ppg | Programa de Pós-Graduação em Engenharia Elétrica | pt_BR |
| Aparece nas coleções: | Teses, dissertações e produtos pós-doutorado
|
