Použití neuronových sítí v adaptivním řízení při krátké periodě vzorkování

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F07%3APU69904" target="_blank" >RIV/00216305:26220/07:PU69904 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Using of Neural Network Based Identification for Short Sampling Period in Adaptive Control

Popis výsledku v původním jazyce

The new approach to analysis of on-line identification methods based on one-step-ahead prediction clears up their sensitivity to disturbances in control loop and explain why should be neural network based identification better then classical by using ofshort sampling period. The use of short sampling period in adaptive control has not been described properly when controlling the real process by adaptive controller. On one hand faster disturbance rejection due to short sampling period can be an advantage but on the other hand it brings us some practical problems. Particularly, quantization error and finite numerical precision of industrial controller must be considered in the real process control. We concentrate our attention on dealing with adverse effects that work on real-time identification of process, especially quantization. It is shown; that a neural network applied to on-line identification process produces more stable solution in the rapid sampling.

Název v anglickém jazyce

Using of Neural Network Based Identification for Short Sampling Period in Adaptive Control

Popis výsledku anglicky

The new approach to analysis of on-line identification methods based on one-step-ahead prediction clears up their sensitivity to disturbances in control loop and explain why should be neural network based identification better then classical by using ofshort sampling period. The use of short sampling period in adaptive control has not been described properly when controlling the real process by adaptive controller. On one hand faster disturbance rejection due to short sampling period can be an advantage but on the other hand it brings us some practical problems. Particularly, quantization error and finite numerical precision of industrial controller must be considered in the real process control. We concentrate our attention on dealing with adverse effects that work on real-time identification of process, especially quantization. It is shown; that a neural network applied to on-line identification process produces more stable solution in the rapid sampling.

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

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

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2007

Kód důvěrnosti údajů

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

Název statě ve sborníku

Systems Theory and Applications

ISBN

978-960-8457-90-4

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

217-222

Název nakladatele

WSEAS

Místo vydání

Řecko

Místo konání akce

Crete, Greece

Datum konání akce

23. 7. 2007

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—