The Issue of Quantization Effect in Direct Implementation of Adaptive LQ Controller with NN Identification into PLC

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F03%3APU37886" target="_blank" >RIV/00216305:26220/03:PU37886 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

The Issue of Quantization Effect in Direct Implementation of Adaptive LQ Controller with NN Identification into PLC

Popis výsledku v původním jazyce

The direct implementation of the control algorithm from the simulation environment to the industrial process controller is the aim of many current papers. The sequence of direct implementation usually consists of three steps: simple simulation experiment, real time communication with the real process and monitoring of the control algorithm after implementation. The direct implementation enables us to describe the quantization effect. The issue of quantization effect disturbance given by A/D and D//A converters is often forgotten. This paper shows the second and the third implementation step where the first one was described in the 10th Zittau Fuzzy Colloquium. The advantage of identification based on neural networks in adaptive LQ controller that overcomes presented problem is introduced below.

Název v anglickém jazyce

The Issue of Quantization Effect in Direct Implementation of Adaptive LQ Controller with NN Identification into PLC

Popis výsledku anglicky

The direct implementation of the control algorithm from the simulation environment to the industrial process controller is the aim of many current papers. The sequence of direct implementation usually consists of three steps: simple simulation experiment, real time communication with the real process and monitoring of the control algorithm after implementation. The direct implementation enables us to describe the quantization effect. The issue of quantization effect disturbance given by A/D and D//A converters is often forgotten. This paper shows the second and the third implementation step where the first one was described in the 10th Zittau Fuzzy Colloquium. The advantage of identification based on neural networks in adaptive LQ controller that overcomes presented problem is introduced below.

Druh

D - Stať ve sborníku

CEP obor

JB - Senzory, čidla, měření a regulace

OECD FORD obor

—

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)

Rok uplatnění

2003

Kód důvěrnosti údajů

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

Název statě ve sborníku

Third EUSFLAT Proceedings

ISBN

3-9808089-4-7

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

361-366

Název nakladatele

Neuveden

Místo vydání

Zittau

Místo konání akce

Zittau

Datum konání akce

9. 9. 2003

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—