Využití hybridní > techniky modelování pro predikce chování technologických procesů

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27360%2F18%3A10241531" target="_blank" >RIV/61989100:27360/18:10241531 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

čeština

Název v původním jazyce

Využití hybridní > techniky modelování pro predikce chování technologických procesů

Popis výsledku v původním jazyce

Matematické modely lze úspěšně využít při optimalizaci řízení technologických procesů. Při návrhu filosofií optimálních řízení se dají s výhodou využít přesné, ale na druhé straně velmi matematicky složité modely, které dávají výsledky řešení s velkým časovým zpožděním. Jejich off-line použití může naznačit cesty řízení, ale není možné je většinou použít pro real-time řízení technologických procesů. Některé stávající technické prostředky řízení technologických procesů umožňují využití jednodušších modelů a umělých neuronových sítí (UNS), pro které je typický velmi jednoduchý a časově nenáročný algoritmus vybavování. Úspěšnost použití modelů na bázi UNS je podmíněna jejich účelným naučením na datech, která zahrnují všechny možné varianty, které jsou reálné při řízení zvolené technologie. Aplikací obou typů modelů můžeme získat tzv. model hybridní, kdy náročný přesný model slouží k naučení jednoduchého neuronového modelu v off-line režimu. Jednoduchý neuronový model může být následně implementován do řídicích algoritmů reálného technologického procesu.

Název v anglickém jazyce

Prediction hybrid modelling techniques to conduct technological processes

Popis výsledku anglicky

Mathematical models can be successfully used to optimize technological process control. When designing optimal control philosophies, it is advantageous to use accurate, but on the other hand very mathematically complex models that give the results of the solution with a long time lag. Their off-line use can show of driving directions, but it is not possible to use them for real-time control of technological processes. Some existing technological process control technologies allow for the use of simpler models and artificial neural networks (ANN), for which a simple and time-consuming algorithm for typing is typical. The success of using ANN-based models is conditional on their effective learning on data that includes all possible options that are realistic in the management of the chosen technology. Applying both types of models, we can get a so-called hybrid model, where a demanding, accurate model is used to teach a simple neural model in off-line mode. A simple neural model can then be implemented into real-process control algorithms.

Druh

J_ost - Ostatní články v recenzovaných periodicích

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název periodika

Slévárenství

ISSN

0037-6825

e-ISSN

—

Svazek periodika

LXVI

Číslo periodika v rámci svazku

7-8

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

4

Strana od-do

268-271

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—