Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 8

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  neural controller
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W pracy dokonano oceny efektów implementacji neuronowego regulatora prędkości uczonego w czasie rzeczywistym według algorytmu RPROP (ang. Resilient backPROPagation ) z układem: jednopętlowym WRM (ang. Without Reference Model), dwupętlowym MFC (ang. Model Following Control) i MRAC (ang. Model Reference Adaptive Control) dla napędu bezpośredniego z silnikiem synchronicznym z magnesami trwałymi (ang. PMSM) oraz zmiennym momentem bezwładności i obciążenia w funkcji kąta położenia wału silnika. Przeprowadzono liczne badania symulacyjne i eksperymentalne na podstawie których dokonano oceny właściwości regulacyjnych układu regulacji prędkości obrotowej.
EN
The evaluation of the implementation of the real-time neural speed controller according to the RPROP (Resilient backPROPagation) algorithm was performed with a single-loop WRM (Without Reference Model), MFC (Model Following Control) and Model Reference Adaptive Control (MRAC) for direct drive with PMSM motor with variable inertia and load torque. Numerous simulations and experiments have been performed, the basis of which the control system have been evaluated.
PL
Niniejszy artykuł przedstawia strukturę sterowania prędkością układu napędowego z silnikiem PMSM. Pierwsza część opisywanego projektu dotyczyła konstrukcji rzeczywistego stanowiska laboratoryjnego. Istotnym założeniem, w tym etapie prac, była redukcja kosztów poprzez implementację algorytmu sterowania w tanim procesorze ARM. Kolejnym zadaniem była analiza działania adaptacyjnego regulatora prędkości, opartego o model sieci radialnej (Radial Basis Function), której współczynniki wagowe podlegały adaptacji w trybie on-line. Podczas projektowania regulatora zastosowano metaheurystyczny algorytm BAT.
EN
This article presents speed control structure of electrical drive with PMSM motor. First part of project is related to hardware construction of real drive. Important assumption was cost reduction of experimental platform. For this purpose the control algorithm was implemented in low-cost programmable device (ARM processor). Next stage of work was focused on design and analysis of adaptive speed controller, this part of control structure was based on Radial Basis Function neural network. Additionally, metaheuristic BAT algorithm was applied for optimization of selected elements of neural controller.
3
Content available remote Adaptacyjny regulator neuronowy dla układu dwumasowego
PL
W publikacji opisano adaptacyjny regulator neuronowy zastosowany w sterowaniu prędkością napędu elektrycznego z połączeniem sprężystym. Algorytm wykorzystuje informację o dwóch zmiennych stanu związanych z układem dwumasowym – prędkości: maszyny napędzającej oraz obciążenia. Zaprezentowane zostały wyniki badań symulacyjnych oraz eksperymentalnych, które wykonano na stanowisku laboratoryjnym z wykorzystaniem karty dSPACE 1103.
EN
In this publication adaptive neural controller used for speed control of electrical drive with elastic connection is presented. Analyzed control algorithm is based on two state variables of two-mass system: motor and load speeds. In paper simulations and experimental results (done on laboratory stand using dSPACE1103 card) are presented.
PL
W artykule przedstawiono analizę działania neuronowych regulatorów prędkości trenowanych off-line, zaimplementowanych w układzie napędowym z połączeniem elastycznym. Testom poddano sterowanie z modelem odwrotnym (Direct Inverse Control) oraz sterowanie z modelem wewnętrznym (Internal Model Control). Istotnym założeniem prowadzonych badań był brak adaptacji modeli neuronowych w trakcie działania struktury sterowania. Zaprezentowano wyniki badań symulacyjnych oraz eksperymentalnych zrealizowanych dla znamionowych oraz zmienionych parametrów obiektu.
EN
In this paper analysis of neural speed controllers implemented in electrical drive with elastic connection is presented. Two control structures were tested: Direct Inverse Control and Internal Model Control. Important assumption in described application is lack of weights adaptation during work of the drive. Simulations and experimental tests prepared for nominal and changed values of parameters are shown.
PL
W ramach niniejszej pracy zaprezentowany został neuronowy regulator prędkości obrotowej odporny na zmiany bezwładności. Celem pracy było opracowanie struktury regulatora oraz dobór optymalnego algorytmu uczenia. Stworzony regulator sterował pracą silnika prądu stałego. Metodologia prowadzonych badań zakładała zbadanie działania układu w szerokim zakresie zmian momentu obciążenia oraz bezwładności. Projektowanie przeprowadzono w taki sposób, aby badany układ napędowy wykazywały dobre właściwości regulacyjne w szerokim zakresie zmiany bezwładności obciążenia. Proces syntezy regulatora został szczegółowo opisany w ramach niniejszej pracy. Analizie poddano szereg badań symulacyjnych, w ramach których rozpatrywano wybrane wskaźniki jakości dla różnych wartości bezwładności oraz momentu obciążenia. Dokonano także analizy porównawczej badanego regulatora neuronowego z optymalnie nastrojonym klasycznym regulatorem PID. Uzyskane wyniki symulacyjne zostały przeniesione na grunt implementacji fizycznego obiektu sterowania.
EN
This paper presents a neural network speed controller that is robust to inertia changes. The main object of this study was to establish the structure of the controller and to create an optimal learning algorithm. Within the project, the created controller steered the operation of a DC motor. The methodology of the research involved studying the effects of the system over a wide range of load torque and inertia changes. The project was carried out in a such way that good regulatory properties over a wide range of inertia changes were performed for the drive systems. The synthesis of the controller is described in details in this paper. The analysis of series simulation studies including selected quality indicators for different values of inertia and different load torque is conducted. Moreover, the comparative analysis of the neural control and the optimally tuned classical PID controller is performed. The obtained simulation results were used for implementation of a physical control object.
6
Content available remote Neuronowy regulator do sterowania nieliniowym obiektem cieplnym MIMO
PL
W artykule przedstawia się odporny układu regulacji MFC do regulacji temperatury i przepływu powietrza w nagrzewnicy powietrza, w którym w pętli korekcyjnej zastosowany został regulator neuronalny wytrenowany na bazie zestawu regulatorów modalnych. Prezentowany sposób realizacji układu pozwala utrzymać wysoka jakość regulacji w szerokim zakresie zmian punktów pracy układu.
EN
The paper presents a structure and a method of synthesis of a neural controller applied to controI of flow and temperature of an air in the heater. The neural controller together with the nonlinear heater model are used in the modelloop ot the Model Following Control system. Parameters of neural eontroller depend on an actual working point ot the heater, what guaranties stability and persistent high regulation quality. (A neural controller for the MIMO Thermal Plant)
7
Content available remote Adaptacyjny regulator neuronowy wykorzystujący model odwrotny obiektu
PL
W artykule przedstawiono koncepcję regulatora adaptacyjnego opartego na prostej sieci neuronowej. Do wyznaczenia sterowania wykorzystuje się model neuronowy obiektu. Na podstawie jego parametrów wyznacza się współczynniki wag regulatora neuronowego, który odpowiada odwrotnemu modelowi obiektu. Przeprowadzono symulacje komputerowe pracy proponowanego układu, a otrzymane wyniki porównano ze sterowaniem dyskretnym PID.
EN
In this paper a concept of discrete adaptive neural controller is presented. The Widrow-Hoff procedure is used for identifying and adjustment of neural network parameters, applied to compute neural a internal model control. One part of the neural network of controller is tuning in direct learning architecture. The results of simulation using a select linear plant are discussed and compared with PID discrete control.
EN
Artificial neural network (ANN) capabilities are analyzed for some problems associated with UAV motion control. A synthesis of adjust controller is carried out to minimize a difference between behavior of the controlled system (control object + adjust controller) and a reference model. An approach offered is tested computationally by solving of longitudinal short-period UAV motion control problem. Results obtained demonstrate high efficiency of the approach.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.