Publikace detail

Two Approaches to Neural Network Predictive Control

Autoři: Doležel Petr | Mareš Jan | Taufer Ivan

Rok: 2010

Druh publikace: článek ve sborníku

Název zdroje: Proceedings of XXXVth Seminary ASR 2010 Instruments and Control

Název nakladatele: Vysoká škola báňská-Technická univerzita Ostrava

Místo vydání: Ostrava

Strana od-do: 47-54

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Dva přístupy k prediktivnímu řízení pomocí umělých neuronových sítí	Umělé neuronové sítě představují efektivní prostředek k modelování nelineárních systému. Využití těchto modelů pro řízení je však omezené, protože většina klasických metod řízení vyžaduje model v jiném tvaru. V článku jsou představeny dvě moderní techniky založené na prediktivním řízení, které mohou neuronový model využít. Techniky jsou implementovány na simulovanou soustavu a porovnány.	PID regulátor;umělá neuronová síť;prediktivní řízení
eng	Two Approaches to Neural Network Predictive Control	Artificial neural networks represent effective tool for even highly nonlinear systems modelling. However, possibilities of neural model usage in process control are limited because control techniques in use (mostly based on discrete PID controllers applying) cannot employ neural models. Anyway, some control techniques with neural models were published already. There are described two approaches to predictive control with neural model, in this paper. The first one is the common approach and it is included in Neural Network Toolbox of Matlab. However, the second one is little bit more sophisticated. That technique joins idea of predictive control with robustness and goodwill of PID controller. That is, the second technique aims to tune discrete PID controller online through knowledge of controlled system neural model. Both techniques will be compared and rated.	Neural Network; Predictive Control

Vyhledávání

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte