Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Užití umělých neuronových sítí při regulaci reaktorové pece
Rok: 2009
Druh publikace: článek ve sborníku
Název zdroje: Proceedings of XXXIVth Seminary ASR 2009 Instruments and Control
Název nakladatele: Vysoká škola báňská-Technická univerzita Ostrava
Místo vydání: Ostrava
Strana od-do: 34
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Užití umělých neuronových sítí při regulaci reaktorové pece Reaktorová pec je zařízení sloužící k vyhřívání chemického reaktoru. Obvykle pracuje v širokém rozsahu teplot (20 - 800 °C) a její vlastnosti se během pracovního režimu nelineárně mění, což je třeba zohlednit při návrhu jejího řízení. Článek dále popisuje problematiku návrhu regulace reaktorové pece, která rozvíjí klasický návrh řízení s vnitřním modelem tak, aby mohl být využit nelineární model řízené soustavy a nelineární regulátor. Po stručném popisu vlastností reaktorové pece následuje popis tvorby neuronového modelu soustavy, popis tvorby jejího inverzního modelu a nakonec sestavení celého regulačního obvodu. Ke zvýšení kvality regulace byl regulační obvod ještě osazen jednoduchým fuzzy regulátorem pro odstranění drobné trvalé regulační odchylky. Reaktorová pec;umělé neuronové sítě
eng Reactor Furnace Control Using Neural Networks Paper deals with a problem of reactor furnace control. Furnace is made for chemical reactor heating. The reactor provides measurements of oxidative and reductive qualities of catalyzers which depend on changing temperature. It is necessary to consider a nonlinear furnace behavior, because of huge range of reactor temperature (20-800°C). Firstly, the nonlinear mathematical model was derived, the unknown parameters were estimated and the model was verified. Then the model was realized as a block diagram in MATLAB Simulink. The second part of the paper deals with a controller design of the furnace. Internal Model Control (IMC) is evolved and improved to use nonlinear mathematical model of the real system and nonlinear controller (see figure 1). After a brief theory which describes neural model derivation, inverse model and the controller design, control experiments are plotted and compared to control using PID controller. Reactor furnace;Artifitial neural networks

Katedry

Služby

Jak nás najdete?

zobrazit na mapy.cz

Často hledáte

© 2023 Univerzita Pardubice, Studentská 95, 532 10 Pardubice 2
Telefon: 466 036 111, 466 036 112, 466 036 113
Správce webu, RSS
ID datové schránky: f5vj9hu
Prohlášení o přístupnosti
CC BY-NC-ND 4.0 CZ