Neural Network Approach to Railway Stand Lateral Skew Control

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21220%2F14%3A00226709" target="_blank" >RIV/68407700:21220/14:00226709 - isvavai.cz</a>

Výsledek na webu

<a href="http://airccj.org/CSCP/vol4/csit41928.pdf" target="_blank" >http://airccj.org/CSCP/vol4/csit41928.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.5121/csit.2014.4228" target="_blank" >10.5121/csit.2014.4228</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Neural Network Approach to Railway Stand Lateral Skew Control

Popis výsledku v původním jazyce

The paper presents a study of an adaptive approach to lateral skew control for an experimental railway stand. The preliminary experiments with the real experimental railway stand and simulations with its 3-D mechanical model, indicates difficulties of model-based control of the device. Thus, use of neural networks for identification and control of lateral skew shall be investigated. This paper focuses on real-data based modelling of the railway stand by various neural network models, i.e; linear neuralunit and quadratic neural unit architectures. Furthermore, training methods of these neural architectures as such, real-time-recurrent-learning and a variation of back-propagation-through-time are examined, accompanied by a discussion of the produced experimental results.

Název v anglickém jazyce

Neural Network Approach to Railway Stand Lateral Skew Control

Popis výsledku anglicky

The paper presents a study of an adaptive approach to lateral skew control for an experimental railway stand. The preliminary experiments with the real experimental railway stand and simulations with its 3-D mechanical model, indicates difficulties of model-based control of the device. Thus, use of neural networks for identification and control of lateral skew shall be investigated. This paper focuses on real-data based modelling of the railway stand by various neural network models, i.e; linear neuralunit and quadratic neural unit architectures. Furthermore, training methods of these neural architectures as such, real-time-recurrent-learning and a variation of back-propagation-through-time are examined, accompanied by a discussion of the produced experimental results.

Druh

D - Stať ve sborníku

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název statě ve sborníku

Computer Science & Information Technology

ISBN

—

ISSN

2231-5403

e-ISSN

—

Počet stran výsledku

13

Strana od-do

327-339

Název nakladatele

AIRCC Publishing Corporation

Místo vydání

Chennai, Tamil Nadu

Místo konání akce

Sydney

Datum konání akce

21. 2. 2014

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—