Adaptivní regulátory s neuronovými sítěmi pro krátkou periodu vzorkování
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F08%3APU73499" target="_blank" >RIV/00216305:26220/08:PU73499 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Adaptive Controllers by Using Neural Network Based Identification for Short Sampling Period
Popis výsledku v původním jazyce
The use of short sampling period in adaptive control has not been described properly when controlling the real process by adaptive controller. 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. 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 domain.
Název v anglickém jazyce
Adaptive Controllers by Using Neural Network Based Identification for Short Sampling Period
Popis výsledku anglicky
The use of short sampling period in adaptive control has not been described properly when controlling the real process by adaptive controller. 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. 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 domain.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
BC - Teorie a systémy řízení
OECD FORD obor
—
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2008
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
INTERNATIONAL JOURNAL of CIRCUITS, SYSTEMS and SIGNAL PROCESSING
ISSN
1998-0140
e-ISSN
—
Svazek periodika
1
Číslo periodika v rámci svazku
1
Stát vydavatele periodika
US - Spojené státy americké
Počet stran výsledku
6
Strana od-do
—
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—