Adaptivní regulátory s neuronovými sítěmi pro krátkou periodu vzorkování

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

—

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.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

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

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2008

Kód důvěrnosti údajů

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

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

—