Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first previous next last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-880c6717-6c0f-4921-bfdc-f937835978fd

Czasopismo

Przegląd Elektrotechniczny

Tytuł artykułu

Adaptacyjny regulator neuronowo-rozmyty z rekurencjami i warstwą tranzycji Petriego w sterowaniu napędem elektrycznym

Autorzy Derugo, P.  Kacerka, J.  Szabat, K. 
Treść / Zawartość http://pe.org.pl/
Warianty tytułu
EN Adaptive neuro-fuzzy regulator with Recursions and Petri Transition layer in electric drive control
Języki publikacji PL
Abstrakty
PL Celem artykułu jest przeprowadzenie analizy możliwości wykorzystania Warstwy Tranzycji Petriego w adaptacyjnych regulatorach neuronowo-rozmytych z rekurencjami zwiększającymi wymiar bazy reguł regulatora. Zastosowanie rekurencji prowadzi do zmiany funkcji sterującej regulatora, co przy odpowiednim doborze rekurencji oraz parametrów regulatora prowadzi do poprawy wskaźników jakości sterowania. Niestety w przypadku regulatorów N-F z rekurencjami od wyjścia do wejścia lub innymi rozwiązaniami powodującymi zwiększenie liczby wejść regulatora, a tym samym wymiaru bazy reguł znacząco wzrasta złożoność obliczeniowa rozważanych algorytmów. Zastosowanie WTP pozwala na obniżenie kosztu numerycznego algorytmu. Jednoczesne zastosowanie zarówno rekurencji jak i WTP pozwala na jednoczesną poprawę wskaźników jakości sterowania bez zwiększania, a nawet przy zmniejszeniu kosztu numerycznego algorytmu. Rozważania teoretyczne zostały poparte badaniami symulacyjnymi jak i eksperymentalnymi. Zaproponowano także metodologię doboru nastaw regulatora.
EN This article aims to analyze the possibility of using Petri Transition Layer in the adaptive neuro-fuzzy controllers with recursions increasing number of controllers rules. The use of recursion leads to a change of control function, and an appropriate selection of recursion and controller parameters leads to improved control quality indicators. Unfortunately, in the case of NF controllers with output to input recursion or other solutions that cause an increase in the number of controller inputs, the dimension of the controllers rules base significantly increases the computational complexity of the algorithm. At the same time the use of PTL reduces the numerical cost of the algorithm. Simultaneous use of both recursion and PTL enables simultaneous improvements in quality control without increasing, and even while reducing the cost of numerical algorithm. Theoretical considerations have been supported by studies and experimental simulation. Also methodology of tuning of controller parameters was proposed.
Słowa kluczowe
PL warstwa Petriego   regulator neuronowo-rozmyty   regulator adaptacyjny   rekurencja  
EN Petri layer   neuro-fuzzy controler   numerical complexity   recursion  
Wydawca Wydawnictwo SIGMA-NOT
Czasopismo Przegląd Elektrotechniczny
Rocznik 2016
Tom R. 92, nr 4
Strony 79--84
Opis fizyczny Bibliogr. 19 poz., rys., tab., wykr.
Twórcy
autor Derugo, P.
  • Politechnika Wrocławska, Katedra Maszyn Napędów i Pomiarów Elektrycznych, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław, piotr.derugo@pwr.wroc.pl
autor Kacerka, J.
  • Politechnika Łódzka, Instytut Automatyki, Zakład Teorii Sterowania, 90-924 Łódź, ul. B. Stefanowskiego 18/22, jaroslaw.kacerka@p.lodz.pl
autor Szabat, K.
  • Politechnika Wrocławska, Katedra Maszyn Napędów i Pomiarów Elektrycznych, Wybrzeże Wyspiańskiego 27, 50-370 Wrocław, krzysztof.szabat@pwr.wroc.pl
Bibliografia
[1] Jastrzębski M., Sterowanie adaptacyjne silnikiem liniowym z neuronowym kompensatorem tarcia strojonym on-line, Przegląd Elektrotechniczny, 90 (2014), nr 6, 61-66
[2] Derugo P., Szabat K., Adaptive neuro-fuzzy PID controller for nonlinear drive system, COMPEL: The International Journal for Computation and Mathematics in Electrical and Electronic Engineering 34 (2015), n.3, 792-807
[3] Li H., et al. Adaptive sliding-mode control for nonlinear active suspension vehicle systems using T–S fuzzy approach, IEEE Transactions on Industrial Electronics, 60 (2013), n.8, 3328-3338
[4] Iwasaki M., Kenta S., Yoshihiro M., High-precision motion control techniques: a promising approach to improving motion performance, IEEE Industrial Electronics Magazine, 6 (2012), n.1, 32-40
[5] Knychas S., Derugo P., Szabat K., Damping of the torsional vibration using adaptive fuzzy control system with different recurrences, IEEE 23rd International Symposium on Industrial Electronics (ISIE), (2014),
[6] Knychas, S., Szabat K., Adaptacyjny układ sterowania z rekurencyjnymi regulatorami rozmytymi dla układu napędowego o zmiennych parametrach, Przegląd Elektrotechniczny 89 (2013).
[7] Derugo P., Szabat K., Implementation of the Low Computational Cost Fuzzy PID Controller for Two-Mass Drive System, proceedings of PEMC (2014), 661-665
[8] Derugo P., et al., Sterowanie silnikiem liniowym z wykorzystaniem adaptacyjnej struktury sterowania z regulatorem rozmytym typu PID, Przegląd Elektrotechniczny, 91 (2015), nr 7, 93 -96
[9] Derugo P., Kacerka J., Jastrzębski M., Szabat K. Sterowanie silnikiem liniowym z wykorzystaniem adaptacyjnej struktury sterowania z regulatorem rozmytym typu PID, Przegląd Elektrotechniczny, 91 (2015), nr 7, 93-96
[10] Derugo P., Szabat K., Algorytm implementacji regulatora rozmytego o niskim koszcie numerycznym. Przegląd Elektrotechniczny, 90 (2014), nr 11, 235-238
[11] Szabat K., Struktury sterowania elektrycznych układów napędowych z połączeniem sprężystym, Prace Naukowe Instytutu Maszyn, Napędów i Pomiarów Elektrycznych Politechniki Wrocławskiej. Monografie 61.19 (2008).
[12] Kabziński, J., Kacerka, J.. TSK Fuzzy Modeling with Nonlinear Consequences, Artificial Intelligence Applications and Innovations, (2014), 498-507
[13] Orlowska-Kowalska T., Szabat K., Control of the drive system with stiff and elastic couplings using adaptive neuro-fuzzy approach, IEEE Transactions on Industrial Electronics, 54 (2007), n.1, 228-240
[14] Kennedy J., Eberhart R., Particle swarm optimization,. IEEE Int. Conf. on Neural Networks, (1995),
[15] Shi Y., Eberhart R.: Parameter selection in particle swarm optimization, Proc. 7th Annual Conf. on Evolutionary Programming, (1998)
[16] Kacerka J, Jastrzębski M. Rozmyte modelowanie strumienia magnetycznego, z wykorzystaniem algorytmów ewolucyjnych, materiały konferencyjne Krajowa Konferencja Automatyki, (2011), 372-379
[17] Shi Y., Eberhart R.: A modified particle swarm optimizer, Proc. of the IEEE World Congress on Computational Intelligence, (1998)
[18] Audet Ch., Dennis J. E. Jr. Analysis of generalized pattern searches. SIAM Journal on Optimization, 13 (2002), n.3, 889-903
[19] Torczon V., On the convergence of pattern search algorithms. SIAM Journal on optimization 7 (1997), n.1, 1-25
Uwagi
Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-880c6717-6c0f-4921-bfdc-f937835978fd
Identyfikatory
DOI 10.15199/48.2016.04.19