Artificial Neural Network with Radial Basis Function in Model Predictive Control of Chemical Reactor

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28110%2F09%3A63509302" target="_blank" >RIV/70883521:28110/09:63509302 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Artificial Neural Network with Radial Basis Function in Model Predictive Control of Chemical Reactor

Popis výsledku v původním jazyce

This paper describes the application of artificial neural network with radial basis function as a predictor in model predictive control. Radial basis function neural networks are known for their fast training. Thus, this type of artificial neural networks offers promising way how to reduce computational cost during offline predictor training and eventual online adaptation. The features of this type of artificial neural network are presented in simulations in MATLAB/Simulink on the nonlinear system control. The aim of this paper is to suggest one approach how to solve nonlinear prediction problem using artificial neural network respecting computational demands of the predictor..

Název v anglickém jazyce

Artificial Neural Network with Radial Basis Function in Model Predictive Control of Chemical Reactor

Popis výsledku anglicky

This paper describes the application of artificial neural network with radial basis function as a predictor in model predictive control. Radial basis function neural networks are known for their fast training. Thus, this type of artificial neural networks offers promising way how to reduce computational cost during offline predictor training and eventual online adaptation. The features of this type of artificial neural network are presented in simulations in MATLAB/Simulink on the nonlinear system control. The aim of this paper is to suggest one approach how to solve nonlinear prediction problem using artificial neural network respecting computational demands of the predictor..

Druh

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

CEP obor

JP - Průmyslové procesy a zpracování

OECD FORD obor

—

Projekt

—

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2009

Kód důvěrnosti údajů

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

Název periodika

Quarterly Mechanincs

ISSN

1734-8927

e-ISSN

—

Svazek periodika

28

Číslo periodika v rámci svazku

3

Stát vydavatele periodika

PL - Polská republika

Počet stran výsledku

6

Strana od-do

—

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—