Abstract
The previous chapters of this book mainly focused on the identification of non-linearities in electromechanical systems by intelligent observers based on neural networks. These observers have the advantage that they provide, apart from the knowledge about the nonlinearity, knowledge about the non-measurable states. Only in two cases was the identified knowledge used for the compensation of the nonlinearity (chapter 7 and section 9.2.2), whereas no use was made of the complete state observation.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
References
Äthans, M., Falb, P. Optimal Control. McGraw-Hill, New York, 1966.
Frenz, T. Entwurf und Simulation von nichtlinearen Regelungen mit neuronalen Netzen für kontinuierliche Fertigungsanlagen. Diplomarbeit, TU München, 1993.
Frenz, T. Stabile neuronale online Identifikation und Kompensation statischer Nichtlinearitäten am Beispiel von Werkzeugmaschinenvorschubantrieben. Dissertation, TU München, 1998.
Klor, A. Entwurf und Implementierung einer neuronalen Regelung für kontinuierliche Fertigungsanlagen. Diplomarbeit, TU München, 1997.
Lenz, U. Entwurf von lernfähigen Beobachtern und nichtlinearen Regelungsverfahrenfür kontinuierliche Fertigungsanlagen. Diplomarbeit, TU München, 1993.
Lenz, U. Lernfähige neuronale Beobachter für eine Klasse nichtlinearer dynamischer Systeme und ihre Anwendung zur intelligenten Regelung von Verbrennungsmotoren. Dissertation, TU München, 1998.
Omidvar, O., Elliott, D. L.: Neural Systems For Control. Academic Press, 1997.
Papageorgiou, M.: Optimierung. R. Oldenbourg Verlag, München, 1991.
Pecher, H. Entwurf dezentraler Regelungen und Beobachter mit Zustands- und Fuzzyreglern bei kontinuierlichen Fertigungsanlagen mit hoher Teilsystemzahl. Diplomarbeit, TU München, 1994.
Schaffner, C. Analyse und Synthese neuronaler Regelungsverfahren. Dissertation, TU München, 1996.
Schröder, D. Elektrische Antriebe 2. Springer-Verlag, Berlin, Heidelberg, 1995.
Slotine, J., Weiping, L. Applied Nonlinear Control. Prentice-Hall, 1991.
Sommer, R. Synthese nichtlinearer Systeme mit Hilfe einer kanonischen Form. VDI-Verlag, 1981.
Specht, D. A General Regression Neural Network. IEEE Transactions on Neural Networks, Vol. 2, 6. November 1991, pp. 568–576.
von Stryk, O. User’s Guide for DIRCOL, A Direct Collocation Method for the Solution of Optimal Control Problems. Lehrstuhl für Hohere Mathematik und Nu-merische Mathematik, TU München, 1997.
Wolfermann, W., Schroder, D. New Decentralized Control in Processing Machines with Continuous MovÂing Webs Proc. of the Second International Conference on Web Handling, Oklahoma, 1993.
Wolfermann, W. Tension Control of Webs — A Review of the Problems and Solutions in the Present and Future. Proc. of the Third International Conference on Web Handling, Oklahoma, 1995.
Zoelch, U., Schroder, D. Dynamic Optimization Method for Design and Rating of the Components of a Hybrid Vehicle. International Journal of Vehicle Design, Vol. 19, No. 1, 1998, pp. 1–13.
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2000 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Rau, M., Angermann, A. (2000). Further Strategies for Nonlinear Control with Neural Networks. In: Schröder, D. (eds) Intelligent Observer and Control Design for Nonlinear Systems. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-04117-8_13
Download citation
DOI: https://doi.org/10.1007/978-3-662-04117-8_13
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-642-08346-4
Online ISBN: 978-3-662-04117-8
eBook Packages: Springer Book Archive