Login for students

Login for employees

Publication detail

Řízení teplovzdušného modelu pomocí diferenciální evoluce
Authors: Doležel Petr | Mareš Jan | Taufer Ivan
Year: 2010
Type of publication: článek ve sborníku
Name of source: Automatizácia a riadenie v teórii a praxi 2010
Publisher name: Technická univerzita v Košiciach
Place: Košice
Page from-to: 1-10
Titles:
Language Name Abstract Keywords
cze Řízení teplovzdušného modelu pomocí diferenciální evoluce Různé nástroje a metody řadicí se do oblasti umělé inteligence pozvolna pronikají do mnoha oborů a nejinak je tomu v oblasti řízení technologických procesů. Zvláště fuzzy logika a umělé neuronové sítě se v současné době již běžně využívají při modelování dynamických procesů či přímo pro návrh regulátorů. V článku je popsána a na příkladu řízení teploty v teplovzdušné soustavě demonstrována jedna komplexní metoda řízení, která je v prezentovaném tvaru vhodná pro regulaci výrazně nelineárních časově invariantních dynamických systémů. Metoda si klade za cíl nastavovat parametry regulátoru zvoleného tvaru průběžně na základě znalosti neuronového modelu řízené soustavy a budoucího průběhu žádané veličiny tak, aby regulační pochod byl podle zvoleného kriteria kvality optimální. K průběžné optimalizaci parametrů regulátoru je využita diferenciální evoluce, což je optimalizační algoritmus s několika velmi zajímavými vlastnostmi. Řízení procesů; Umělé neuronové sítě
eng Hot-Air Control Using Differential Evolution Many tools derived from artificial intelligence theory (AI) are widely used, these days. The same situation is in process control theory. Especially fuzzy logic and artificial neural networks are commonly used there. This paper concerns in AI, too. There is described comprehensive control technique, in this paper. This technique tunes discrete controller parameters online through the use of differential evolution and neural model of controlled system in order to control successfully even highly nonlinear systems. After technique description and some discussion, there is performed control process with hot-air device. Process Control;Artificial Neural Networks;Differential Evolution

Department

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives