Prediktivní řízení s nelineárním autoregresivním modelem.

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F05%3APU50363" target="_blank" >RIV/00216305:26220/05:PU50363 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—

Jazyk výsledku
angličtina
Název v původním jazyce
Generalized Predictive Control with a Non-linear Autoregressive Model
Popis výsledku v původním jazyce
This paper presents a solution to computation of predictive control using non-linear auto-regressive models. For the non-linear model a neural network is used as a perspective tool for modelling of dynamic systems. However, the described approach is applicable to any type of auto-regressive model. The model is not linearized in the operating point, but in each control optimization step the model's derivative is computed (linearization) for all points in the prediction horizon. The method can be usedd inreal-time control. This is verified by porting the algorithm directly to the PLC.
Název v anglickém jazyce
Generalized Predictive Control with a Non-linear Autoregressive Model
Popis výsledku anglicky
This paper presents a solution to computation of predictive control using non-linear auto-regressive models. For the non-linear model a neural network is used as a perspective tool for modelling of dynamic systems. However, the described approach is applicable to any type of auto-regressive model. The model is not linearized in the operating point, but in each control optimization step the model's derivative is computed (linearization) for all points in the prediction horizon. The method can be usedd inreal-time control. This is verified by porting the algorithm directly to the PLC.

Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BC - Teorie a systémy řízení
OECD FORD obor
—

Rok uplatnění
2005
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)