Wpływ informacji o zmiennych stanu obiektu na jakość sterowania przez neurosterownik

• Autorzy: Lis M. , Kozierski P.

Warianty tytułu

EN

The impact of information about the state variables on the quality control of neurodriver

• Języki publikacji: PL

Abstrakty

PL

W pracy został omówiony wpływ informacji o zmiennych stanu obiektu na jakość sterowania za pomocą sieci neuronowej. Pokazano, w jaki sposób z jednej początkowej konfiguracji wag sieć za pomocą różnych zestawów sygnałów wejściowych może różnie ewoluować. Rozdział pierwszy stanowi wprowadzenie do tematyki artykułu. W rozdziale 2 omówiono cały układ, tj. obiekt, neurosterownik i obserwator. Rozdział 3 przedstawia wyniki symulacyjne. W rozdziale 4 przedstawiono wnioski.

EN

In the paper there has been shown the impact of information of the state variables on the quality control using neural network. It is shown how from one initial configuration of weights, the network may evolve differently, using various input signals. There has been proposed 3 different systems for simulations, each with different inputs to the neural network (fig. 1). Each of this 3 systems have a correspond waveform of signal evolution in time (fig. 3 – 8). As one can see, adding state variable to the control loop greatly increases neural network performance. Neural network is learning using Adaptive Interaction method. The first chapter is an introduction to the subject of the article. Chapter 2 discusses the entire system, the object, the observer and neurodriver. Chapter 3 presents the simulation results. Chapter 4 is dedicated to conclusions.

Słowa kluczowe

PL

sztuczne sieci neuronowe; neurosterownik; zmienne stanu; jakość sterowania

EN

neural network; neurodriver; state variables; quality of control

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Prace Naukowe Politechniki Śląskiej. Elektryka
• Rocznik: 2012
• Tom: z. 3-4
• Strony: 27--36
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Lis M.

• Politechnika Poznańska, Instytut Elektrotechniki i Elektroniki Przemysłowej, ul. Piotrowo 3a, 60-965 Poznań, Tel.: [phone]

autor

Kozierski P.

• Politechnika Poznańska, Instytut Automatyki i Inżynierii Informatycznej, ul. Piotrowo 3a, 60-965 Poznań, Tel.: [phone]

Bibliografia

• 1. Brandt R. D., Feng L.: Adaptive interaction and its application to neural networks, Information Sciences, Volume 121, Issues 3–4, 1999.
• 2. Doucet A., Johansen A. M.: A Tutorial on Particle Filtering and Smoothing: Fifteen years later, handbook of Nonlinear Filtering, 2009/12.
• 3. Lis M.: Sieć neuronowa jako regulator obiektu dynamicznego, Poznań University of Technology Academic Journals: Electrical Engineering, Issue 71, 2012.
• 4. Lis M.: Wpływ czasu odpowiedzi neurosterownika na jakość regulacji, Materiały konferencyjne, Warsztaty Doktoranckie 2012, Lublin, lipiec 2012.
• 5. Kandepu R., Foss B., Imsland L.: Applying the unscented Kalman filter for nonlinear state estimation, Journal of Process Control, November 2007.
• 6. Kozierski P., Lis M.: Filtr cząsteczkowy w problemie śledzenia - wprowadzenie. Studia z Automatyki i Informatyki, Tom 37, 2012.
• 7. Osowski S.: Sieci neuronowe do przetwarzania informacji, Oficyna Wyd. Politechniki Warszawskiej, Warszawa 2006.
• 8. Pajchrowski T.: Adaptacyjne sterowanie silnikiem synchronicznym o magnesach trwałych, Poznań University of Technology Academic Journals: Electrical Engineering, Issue 75, 2013.
• 9. Reidmiller M., Braun H.: A direct adaptive method for faster backpropagation learning: The RPROP algorithm, IEEE International Conference on Neural Networks, 1993.
• 10. Ribeiro M. I.: Kalman and Extended Kalman Filters: Concept, Derivation and Properties, Institute for Systems and Robotics, February 2004.