fa پایدارسازی سیستم‌های کنترل غیرخطی با استفاده از قضیه زوبوف و شبکه‌های عصبی مصنوعی علوم پایه Science علمی پژوهشی کاربردی S در این مقاله، ما یک دسته از سیستم‌های کنترل غیرخطی را توسط شبکه‌های عصبی مصنوعی و قضیه زوبوف پایدار می‌کنیم. قضیه زوبوف یکی از قضایایی است که شرایطی را برای پایداری یک سیستم غیرخطی با ناحیه جذب معلوم، بیان می‌کند. از شبکه‌های عصبی استفاده کرده و توسط آنها، تعدادی از توابع موجود در قضیه زوبوف را تقریب می‌زنیم بدین ترتیب کنترل کننده یک سیستم کنترلی غیرخطی که به لحاظ ریاضی یافتن ضابطه آن آسان نیست معلوم می‌شود. در این تحقیق دو استراتژی را انجام داده‌ایم. همچنین ما روش بهینه‌سازی نلدر مید را برای یادگیری شبکه عصبی بکار برده‌ایم. نهایتاً تاثیر و قابلیت کاربرد روش مفروض با مثال‌های عددی توضیح داده شده است. In this paper, We Stabilize a subclass of nonlinear control systems by using neural networks and Zobov's theorem. Zobov’s Theorem is one of the theorems which indicates the conditions for the stability of a nonlinear systems with specific attraction region. We applied neural networks to approximate some functions mentioned in Zobov’s theorem, So as to find the controller of a nonlinear controlled system which is difficult task to find its law in mathematic manner. also we apply nelder meed optimization method to learning neural network. Finally, the effectiveness and the applicability of the proposed method are demonstrated by using some numerical examples. سیستم‌های کنترل غیرخطی , شبکه‌های عصبی , پایدارسازی , قضیه زوبوف , Nonlinear control systems , Neural Networks , Stabilization , Zobov s Theorem , 51 62 http://jsci.khu.ac.ir/browse.php?a_code=A-10-1407-1&slc_lang=fa&sid=1 Azhdar Soleymanpour Bakefayat اژدر سلیمانپور باکفایت asad87000@yahoo.com 1003194753284600182 1003194753284600182 Yes مدرس مدعو دانشگاه پیام نور و دانشگاه فرهنگیان ارومیه Nader Dastranj نادر دسترنج 1003194753284600183 1003194753284600183 No دانشگاه پیام نور