Predictive control using artificial neural networks with online adaptation of predictor
Project goals
Project involves predictive control using artificial neural networks. It is especially aimed to the predictor problem based on artificial neural network. Nowadays, most of predictive control methods with artificial neural network as a predictor use onlyoffline identified predictor. It is caused by the fact that usage of artificial neural networks in control algorithms significantly increases computational demands of the controller as a whole. What is more, the online identification of the predictor computational cost increases even more. However usage of the offline identified predictor has many disadvantages. Main drawback is high demands for the predictor accuracy and offline identification is useless for t-variant processes. Therefore, this projectwill be focused on developing suitable predictor based on artificial neural network while its computational demands enable usage in predictive controllers of nonlinear processes. At the same time, the structure and properties of the artificial
Keywords
Public support
Provider
Czech Science Foundation
Programme
Post-graduate (doctorate) grants
Call for proposals
Postdoktorandské granty 7 (SGA02007GA1PD)
Main participants
—
Contest type
VS - Public tender
Contract ID
102/07/P137
Alternative language
Project name in Czech
Prediktivní řízení pomocí umělých neuronových sítí s online adaptací prediktoru
Annotation in Czech
Projekt se zabývá prediktivním řízením pomocí umělých neuronových sítí. Konkrétně je zaměřen na problematiku prediktoru založeného na umělé neuronové síti. V současné době většina metod prediktivního řízení s umělou neuronovou sítí jako prediktorem používá pouze offline identifikaci prediktoru. Je to způsobeno tím, že použití umělých neuronových sítí v řídících algoritmech výrazně navyšuje výpočetní náročnost celého regulátoru a průběžná (online) identifikace prediktoru výpočetní náročnost ještě více zvyšuje. Avšak použití offline identifikovaného prediktoru má mnoho nevýhod. Jsou to především vysoké požadavky na jeho přesnost, resp. na kvalitu offline identifikace, dále také nevhodnost takovéhoto regulátoru pro řízení t-variantních systémů. Proto těžiště projektu spočívá v nalezení vhodného prediktoru na bázi umělé neuronové sítě, jehož výpočetní náročnost umožní nasazení v prediktivních regulátorech při řízení nelineárních systémů. Současně musí struktura a vlastnosti umělé neuronové sítě
Scientific branches
Completed project evaluation
Provider evaluation
U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)
Project results evaluation
.
Solution timeline
Realization period - beginning
Jan 1, 2007
Realization period - end
Dec 31, 2009
Project status
U - Finished project
Latest support payment
Apr 22, 2009
Data delivery to CEP
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data delivery code
CEP10-GA0-GP-U/03:3
Data delivery date
Mar 1, 2016
Finance
Total approved costs
830 thou. CZK
Public financial support
830 thou. CZK
Other public sources
0 thou. CZK
Non public and foreign sources
0 thou. CZK
Basic information
Recognised costs
830 CZK thou.
Public support
830 CZK thou.
100%
Provider
Czech Science Foundation
CEP
BC - Theory and management systems
Solution period
01. 01. 2007 - 31. 12. 2009