Prediktivní vícerozměrný regulátor s neuronovou sítí.

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F06%3APU62059" target="_blank" >RIV/00216305:26220/06:PU62059 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Model Predictive Controller Based on Neural Network Used for Multi-Dimensional Control

Popis výsledku v původním jazyce

This paper presents a solution of multi-dimensional Model Predictive Control (MPC) based on feed-forward Neural Network (NN) model. Autoregressive NN model with back-propagation learning algorithm is used for system output prediction. It is able to observe system changes and adapt itself, therefore adaptive MPC controller is obtained. MPC is a kind of optimal controller, because a control action is always optimal according to the given criterion. There is shown, how to create multi-dimensional predictivve controller. Possibilities of multi-dimensional MPC were tested on laboratory physical model - hot-air tunnel. Two quantities of hot-air tunnel were controlled - the air flow and the temperature. The algorithm was implemented in MATLAB-Simulink and tested on a physical model. Communication between PC and hot-air tunnel was provided by PLC (connected via Ethernet).

Název v anglickém jazyce

Model Predictive Controller Based on Neural Network Used for Multi-Dimensional Control

Popis výsledku anglicky

This paper presents a solution of multi-dimensional Model Predictive Control (MPC) based on feed-forward Neural Network (NN) model. Autoregressive NN model with back-propagation learning algorithm is used for system output prediction. It is able to observe system changes and adapt itself, therefore adaptive MPC controller is obtained. MPC is a kind of optimal controller, because a control action is always optimal according to the given criterion. There is shown, how to create multi-dimensional predictivve controller. Possibilities of multi-dimensional MPC were tested on laboratory physical model - hot-air tunnel. Two quantities of hot-air tunnel were controlled - the air flow and the temperature. The algorithm was implemented in MATLAB-Simulink and tested on a physical model. Communication between PC and hot-air tunnel was provided by PLC (connected via Ethernet).

Druh

D - Stať ve sborníku

CEP obor

JB - Senzory, čidla, měření a regulace

OECD FORD obor

—

Projekt

<a href="/cs/project/GA102%2F06%2F1132" target="_blank" >GA102/06/1132: Softcomputingové metody v řízení</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2006

Kód důvěrnosti údajů

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

Název statě ve sborníku

East West Fuzzy Colloquium

ISBN

3-9808089-8-X

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

69-74

Název nakladatele

Rektor der Hochschule Zittau/Gorlitz

Místo vydání

Zittau

Místo konání akce

Zittau

Datum konání akce

13. 9. 2006

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—