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”

Vícedimenzionální prediktivní řízení telovzdušného modelu s použitím neuronových sítí.

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F05%3APU51435" target="_blank" >RIV/00216305:26220/05:PU51435 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Multi-Dimensional Predictive Control of Hot-Air Tunnel Using a Neural Network Modell

  • Popis výsledku v původním jazyce

    Model-based predictive controller (MPC) is a kind of optimal controller based on system model. Model is used for prediction of future system output and it is used for finding an optimal control action. Control action is always optimal according to the given criterion and constraints, which can be directly implemented into control algorithm. A feed-forward neural network with back-propagation learning algorithm is used as a system model. Obtained controller is adaptive, because the neural network moddelis able to observe system changes and adapt itself. This paper presents using of a multi-dimensional model-based predictive controller for hot air tunnel control. Two quantities of hot-air tunnel are controlled - the air flow and the temperature. These quantities are controlled in feedback control loops. The algorithm was implemented in MATLAB-Simulink and tested on the physical model. Communication between PC and hot-air tunnel is provided by PLC (connected via Ethernet). The practical

  • Název v anglickém jazyce

    Multi-Dimensional Predictive Control of Hot-Air Tunnel Using a Neural Network Modell

  • Popis výsledku anglicky

    Model-based predictive controller (MPC) is a kind of optimal controller based on system model. Model is used for prediction of future system output and it is used for finding an optimal control action. Control action is always optimal according to the given criterion and constraints, which can be directly implemented into control algorithm. A feed-forward neural network with back-propagation learning algorithm is used as a system model. Obtained controller is adaptive, because the neural network moddelis able to observe system changes and adapt itself. This paper presents using of a multi-dimensional model-based predictive controller for hot air tunnel control. Two quantities of hot-air tunnel are controlled - the air flow and the temperature. These quantities are controlled in feedback control loops. The algorithm was implemented in MATLAB-Simulink and tested on the physical model. Communication between PC and hot-air tunnel is provided by PLC (connected via Ethernet). The practical

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BC - Teorie a systémy řízení

  • 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 statě ve sborníku

    12th Zittau East-West Fuzzy Colloquium

  • ISBN

    3-9808089-6-3

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    176-181

  • Název nakladatele

    R. Hampel

  • Místo vydání

    Zittau

  • Místo konání akce

    Zittau

  • Datum konání akce

    21. 9. 2005

  • Typ akce podle státní příslušnosti

    EUR - Evropská akce

  • Kód UT WoS článku