Sliding Window Recursive Neural Networks Learning Algorithm and its Application on the Identification in Adaptive PID

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F10%3APU88339" target="_blank" >RIV/00216305:26220/10:PU88339 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Sliding Window Recursive Neural Networks Learning Algorithm and its Application on the Identification in Adaptive PID

Popis výsledku v původním jazyce

This article deals with the implementation of the adaptive PID controller based on the principle of forced separation imposed on the identification and system control. Original implementation of both Gauss-Newton (GN) and Levenberg-Marquardt (LM) algorithms operating in recursive learning mode over exponential-sliding finite data window for modelling of nonlinear dynamic systems is suggested. Their dynamics can be represented by a feed forward neural network. Synthesis of the PID controller is achievedusing the Ziegler-Nichols method which utilizes the linearized ARX model of the neural network at the working point of the process. Benefits of the suggested algorithms are illustrated in the example simulations on the mathematical model.

Název v anglickém jazyce

Sliding Window Recursive Neural Networks Learning Algorithm and its Application on the Identification in Adaptive PID

Popis výsledku anglicky

This article deals with the implementation of the adaptive PID controller based on the principle of forced separation imposed on the identification and system control. Original implementation of both Gauss-Newton (GN) and Levenberg-Marquardt (LM) algorithms operating in recursive learning mode over exponential-sliding finite data window for modelling of nonlinear dynamic systems is suggested. Their dynamics can be represented by a feed forward neural network. Synthesis of the PID controller is achievedusing the Ziegler-Nichols method which utilizes the linearized ARX model of the neural network at the working point of the process. Benefits of the suggested algorithms are illustrated in the example simulations on the mathematical model.

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

<a href="/cs/project/GA102%2F09%2F1680" target="_blank" >GA102/09/1680: Evoluční návrh řídicích algoritmů</a><br>

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2010

Kód důvěrnosti údajů

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

Název statě ve sborníku

17th Zittau East-West Fuzzy Colloquium

ISBN

978-3-9812655-4-5

ISSN

—

e-ISSN

—

Počet stran výsledku

8

Strana od-do

—

Název nakladatele

Neuveden

Místo vydání

Theodor-Korner-Allee 16 D-02763 Zittau

Místo konání akce

Zittau

Datum konání akce

15. 9. 2010

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—