Vícedimenzionální prediktivní řízení telovzdušného modelu s použitím neuronových sítí.

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

—

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

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2005

Kód důvěrnosti údajů

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

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

—