Sliding mode controller by use of neural networks

Abstract

This paper proposes a method to design a robust controller by use of a neural network. The trained neural network functions as a sliding mode controller which is robust against uncertainties. From the analysis of the neural network, it is proved that the switching surface is not the same as the sliding surface like conventional sliding mode control theory. The neural network shows that the switching surface should be a nonlinear surface because of a hard limitation on control inputs, even if the designed sliding surface is linear. From the result of estimating the robustness of neural networks, we propose that generalization of neural networks which are used as controllers should be measured by the robustness. Numerical simulations show that the controller is robust against uncertainties and robustness can be improved by the proposed method.

Zusammenfassung

Dieser Beitrag schlägt eine Methode für die Entwicklung eines verlässlichen Reglers unter Verwendung eines neuronalen Netzes vor. Das trainierte neuronale Netz funktioniert als Gleitregler, der gegen Unsicherheiten robust ist. Ausgehend von der Analyse des neuronalen Netzes wird bewiesen, dass die Schaltfläche nicht dieselbe ist wie die Gleitfläche nach der konventionellen Gleitreglertheorie. Das neuronale Netz zeigt, dass die Schaltfläche wegen der harten Begrenzung von Kontrolleingaben nichtlinear sein sollte, auch wenn die entworfene Gleitfläche linear ist. Ausgehend von den Ergebnissen der Schätzung der Robustheit neuronaler Netze wird vorgeschlagen, dass die Verallgemeinerung neuronaler Netze, die als Regler verwendet werden, an der Robustheit gemessen werden sollte. Numerische Simulationen zeigen, dass der Regler gegen Unsicherheiten unempfindlich ist und dass die Robustheit mit der vorgeschlagenen Methode verbessert werden kann.