Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Artificial Neural Networks for On-Line Trained Controllers

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F01%3APU21008" target="_blank" >RIV/00216305:26220/01:PU21008 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Artificial Neural Networks for On-Line Trained Controllers

  • Popis výsledku v původním jazyce

    This paper deals with the use of artificial neural networks employed as an on-line trained controller for a real process and simulation model control. Well-known back-propagation method is used as a learning algorithm intended to minimize the differencebetween the plant?s actual response and the desired reference signal. The influence of neural network?s parameters on a controlled plant output is discussed. We also attempted to find the rules of these parameters adjustment in view of the type of a trannsfer function in Laplace transform and tested the robustness of our controller burdened with the error signal. Some simulation and real process control results are also presented to evaluate the proposed design. Discussed in the last chapter are the possibilities of creating an adaptive neural controller.

  • Název v anglickém jazyce

    Artificial Neural Networks for On-Line Trained Controllers

  • Popis výsledku anglicky

    This paper deals with the use of artificial neural networks employed as an on-line trained controller for a real process and simulation model control. Well-known back-propagation method is used as a learning algorithm intended to minimize the differencebetween the plant?s actual response and the desired reference signal. The influence of neural network?s parameters on a controlled plant output is discussed. We also attempted to find the rules of these parameters adjustment in view of the type of a trannsfer function in Laplace transform and tested the robustness of our controller burdened with the error signal. Some simulation and real process control results are also presented to evaluate the proposed design. Discussed in the last chapter are the possibilities of creating an adaptive neural controller.

Klasifikace

  • Druh

    C - Kapitola v odborné knize

  • CEP obor

    JB - Senzory, čidla, měření a regulace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA102%2F01%2F1485" target="_blank" >GA102/01/1485: Prostředí pro vývoj, modelování a aplikaci heterogenních systémů</a><br>

  • Návaznosti

    Z - Vyzkumny zamer (s odkazem do CEZ)

Ostatní

  • Rok uplatnění

    2001

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název knihy nebo sborníku

    Advances in Systems Science: Measurement, Circuits and Control

  • ISBN

    960-8052-39-4

  • Počet stran výsledku

    6

  • Strana od-do

    189-194

  • Počet stran knihy

  • Název nakladatele

    Published by WSES Press, http://www.worldses.org

  • Místo vydání

    http://www.worldses.org

  • Kód UT WoS kapitoly