Přejít k hlavnímu obsahu

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Experimental Identification of the Non-linear Plant with RBF Neural Network
Autoři: Taufer Ivan | Drábek Oldřich
Rok: 2005
Druh publikace: kapitola v odborné knize
Název zdroje: Optimal Control of Processes Based on the Use of Informatics Method
Název nakladatele: Faculty of Manufacturing Technologies of the Technical University in Košice
Místo vydání: Prešov, Slovak Republic
Strana od-do: 237-251
Tituly:
Jazyk Název Abstrakt Klíčová slova
cze Experimentální identifikace nerlineární soustavy s využitím RBF neuronové sítě Práce se zabývá adaptivním přímým inverzním řízením nelineární soustavy s využitím RBF neuronové sítě. Síť plní funkci adaptivního regulátoru. Jeho parametry (váhy mezi výstupy RBF jed-notek ve skryté vrstvě a vstupem výstupního neuronu) jsou při poruchách působících na regulovanou soustavu přestavovány v takovém smyslu, aby hodnota regulované veličiny byla stále udržována po odeznění přechodového jevu na hodnotě žádané. Předpokladem možnosti odvození řídicího algoritmu je znalost analytického modelu řízené soustavy. Algoritmus je sice odvozen pro řízení konkrétní sou-stavy, postup lze však aplikovat i na řízení některých jiných typů soustav. Funkčnost algoritmu je ově-řena na simulovaných příkladech. radiální basická funkce, umělá neuronová síť, metoda nejmenších čtverců
eng Experimental Identification of the Non-linear Plant with RBF Neural Network The paper deals with a non-recursive and recursive algorithm derivation of estimation of the RBF neural network weights in connection with the same methods of parameters estimation of the linear difference equations. The contribution is assigned first of all to the persons concerned who are acquainted with the methods and their exploitation for adaptive control of technological processes. The detailed theoretical base of the RBF nets is not considered, attention is given chiefly to the practical utilization and verification of the algorithms using simple simulated examples. radial basic function, artificial neural network, least aquares method