Řízení aktivního magnetického ložiska s automatickou paralelní kompenzací
Popis výsledku
V tomto příspěvku je popsáno řízení aktivního magnetického ložiska pomocí analyticky navrženého lineárního PD regulátoru s nelineární kompenzací vytvořenou pomocí automatické aproximace. Koeficienty (parametry) jsou získávany pomocí metody Continuous Action Reinforcement Learnint Automata (CARLA). Pro implementaci je použit modifikovaný algoritmus, který aktualizuje parametry učení na základě předchozího průběhu učení. Cíl učení je formulován jako dosažení minimální hodnoty kvadrátu chyby řízení. Popsanný koncept řízení je ověřen simulační studií. Je ukázáno, že je možné dosáhnout významného zlepšení chování systému.
Klíčová slova
Key words: continuous action reinforcement learning automataactive magnetic bearing
Identifikátory výsledku
Kód výsledku v IS VaVaI
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
The active magnetic bearing control with automatic parallel compensation
Popis výsledku v původním jazyce
The active magnetic bearing control through analytically designed linear PD regulator, with parallel nonlinear compensation represented by automatic approximator is described in this contribution. Coefficient (parameter) values come from actions of Continuous Action Reinforcement Learning Automata (CARLAs). Modified algorithm for automata implementation is used which continuously updates learning parameters according to former learning process. The goal of this on-line training is formulated as achievemment of minimum mean square of control error. Described concept of control is proved by simulation study. It is shown that the significant improvement of whole system behavior can be achieved.
Název v anglickém jazyce
The active magnetic bearing control with automatic parallel compensation
Popis výsledku anglicky
The active magnetic bearing control through analytically designed linear PD regulator, with parallel nonlinear compensation represented by automatic approximator is described in this contribution. Coefficient (parameter) values come from actions of Continuous Action Reinforcement Learning Automata (CARLAs). Modified algorithm for automata implementation is used which continuously updates learning parameters according to former learning process. The goal of this on-line training is formulated as achievemment of minimum mean square of control error. Described concept of control is proved by simulation study. It is shown that the significant improvement of whole system behavior can be achieved.
Klasifikace
Druh
Jx - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
JD - Využití počítačů, robotika a její aplikace
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2005
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Inženýrská mechanika - Engineering Mechanics
ISSN
1210-2717
e-ISSN
—
Svazek periodika
2005
Číslo periodika v rámci svazku
12-3
Stát vydavatele periodika
CZ - Česká republika
Počet stran výsledku
7
Strana od-do
149-155
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—
Základní informace
Druh výsledku
Jx - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP
JD - Využití počítačů, robotika a její aplikace
Rok uplatnění
2005