Sieć neuronowa jako regulator obiektu dynamicznego

• Autorzy: Lis M.

Warianty tytułu

EN

Usage of neural network as dynamic object controller

• Konferencja: Computer Applications in Electrical Engineering 2012 (23-24.04.2012; Poznań, Polska)
• Języki publikacji: PL

Abstrakty

PL

Została podjęta próba implementacji sieci neuronowej w taki sposób, aby mogła ona pełnić rolę regulatora w sterowaniu obiektem dynamicznym. Badaniom zostały poddane dwie różne struktury sieci neuronowych oraz wpływ adaptacji na jakość sterowania obiektem. Aby sprawdzić poprawność działania sieci, zostały przeprowadzone symulacje ze zmiennymi parametrami obiektu w granicach 25 % od wartości dla której sieć była nauczona, a także dla różnych wymuszeń (zarówno wartości amplitud jak i typów). Głównym kryterium projektowania sieci była jak najmniejsza liczba neuronów w warstwie ukrytej.

EN

Attempt was made to implement the neural network in such a way that it can act as a regulator in the control of a dynamic object. Investigations have been made to two different structures of neural networks and impact of learning method on the quality control of the object. To verify the network, there have been done simulations with object changing parameters within 25% of the initial value for which the network was taught, as well as for different excitations (both amplitudes and shapes). The main criterion for network design was a minimum number of neurons in the hidden layer.

Słowa kluczowe

PL

sieć neuronowa; obiekt dynamiczny; BTPM; adaptive interaction

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Poznan University of Technology Academic Journals. Electrical Engineering
• Rocznik: 2012
• Tom: No. 71
• Strony: 17--24
• Opis fizyczny: Bibliogr. 6 poz., rys., tab.

Twórcy

autor

Lis M.

• Politechnika Poznańska

Bibliografia

• [1] Brandt R. D., Feng Lin, Adaptive interaction and its application to neural networks, Information Sciences, Volume 121, Issues 3—4, 2 December 1999.
• [2] Osowski S., Sieci Neuronowe do Przetwarzania Informacji, Oficyna Wyd. Politechniki Warszawskiej, Warszawa 2006.
• [3] Qiaoge Liu, Mengyin Fu, Zhihong Deng, Adaptive Inverse Control for Nonlinear System, International Journal of Information and Systems Sciences, Volume 1, Number 3-4, 2005.
• [4] Saikalis G., Feng Lin, Adaptive Neural Network Control by Adaptive Interaction, Proceedings of the 2001 American Control Conference, 2001.
• [5] Xinyu Wang, Junwei Lei, Hongyun Yu, Design of RBF Neural Controller with Differencial Reconstruction and PID Conpensation for a Class of Nonlinear System with Linear Input Unmodeled Dynamics, International Conference on Neural Networks and Brain, 2005.
• [6] Żurada J., Barski M., Jędruch W., Sztuczne sieci neuronowe. Podstawy teorii i zastosowania, Wydawnictwo PWN, Warszawa 1996.