Identyfikacja opóźnień w układach liniowych z zastosowaniem Algorytmów Mrówkowych

• Autorzy: Papliński J.

Warianty tytułu

EN

Identification of time delays in linear systems by Ant Colony Optimization

• Języki publikacji: PL

Abstrakty

PL

Identyfikacja układów liniowych MISO z opóźnionymi wejściami, ze względu na wielomodalność przestrzeni rozwiązań, może prowadzić do uzyskania tylko minimum lokalnego i błędnego modelu. Skutecznym narzędziem optymalizacji globalnej są metody sztucznej inteligencji. W pracy zaproponowano zastosowanie algorytmów mrówkowych do identyfikacji opóźnień w układach liniowych MISO. Wykorzystano przy tym klasyczny algorytm gradientowy do określania jakości otrzymanych modeli. Efektywność zaproponowanej metody została porównana z wybranymi metodami klasycznymi z wykorzystaniem badań symulacyjnych.

EN

The identification of time delays of linear systems is one of important tasks. If the system is MISO, the solution space is multi-modal and identification algorithms can find only the local optimum. One of the possibility of identification is the use of the Ant Colony Optimization methods to identify time delays. The nonlinear least-squares method is applied to find the residual parameters and quality function. The simulation results are presented in the paper.

Słowa kluczowe

PL

identyfikacja; opóźnienie transportowe; optymalizacja globalna; algorytmy mrówkowe

EN

identification; time delay; global optimization; ant colony optimization

• Wydawca: Wydawnictwo PAK
• Czasopismo: Pomiary Automatyka Kontrola
• Rocznik: 2008
• Tom: R. 54, nr 12
• Strony: 824--826
• Opis fizyczny: Bibliogr. 12 poz., rys., tab., wzory

Twórcy

autor

Papliński J.

• Instytut Automatyki Przemysłowej, Politechnika Szczecińska,

Bibliografia

• [1] Bilello C., Paola M. D., Pirrota A.: Time delay induced effects on control of non-linear systems under random excitation. Meccanica 2002, Vol. 37, pp: 207-220.
• [2] Bjorklund S., Ljung L.: A Review of Time-Delay Estimation Techniques Proceedings of the IEEE Conference on Decision and Control 2003, Vol. 3, pp. 2502-2507.
• [3] Fathalla F. A., Rihan A.: Sensitive analysis for dynamic systems with time-lag. Journal of Computational and Applied Mathematics 2003, Vol. 151 Issue: 2, pp: 445-462.
• [4] Richard J. P.: Time-delay systems: an overview of some recent advances and open problems. Automatica 2003, Vol. 39, pp: 1667-1694.
• [5] Chen B. -S., Hung J. -C.: A global estimation for multichannel time-delay and signal parameters via genetic algorithm. Signal Processing 2001, Vol. 81 (5), s. 1061-1067.
• [6] Previdi F., Lovera M. Identification of non-linear parametrically varying models using separable least squares. Int. J. Control, 2004, Vol. 77, no. 16, pp. 1382-1392.
• [7] Westwick D. T., Kearney R. E. Separable least squares identification of nonlinear Hammerstein models: application to stretch reflex dynamics. Annals of Biomedical Engineering, 2001, Vol. 29, pp: 707-718.
• [8] Iemura H., Yang Z., Kanae S., Wada K.. Identification of continous-time systems with unknow time delays by global nonlinear least-squares method. IFAC Workshop on adaptation and lerning in control and signal processing. Yokohama, Japan 2004.
• [9] Chen X., Wang M.: Global optimization methods for time delay estimation. Proceedings of the World Congress on Intelligent Control and Automation (WCICA) 2004, Vol. 1 s. 212-215.
• [10] Tsutsui S., Pelikan M., Ghosh A.: Performance of Aggregation Pheromone System on Unimodal and Multimodal Problems. Proceedings of the 2005 IEEE CEC, vol.1, pp.880-887.
• [11] Papliński J. P.: Identyfikacja na bieżąco opóźnienia w układach nieminimalno-fazowych z zastosowaniem algorytmów mrówkowych, materiały konferencyjne Modelowanie i Symulacja, Kościelisko, 19-23 czerwca 2006.
• [12] Agosta W. C., Chemical communication – the Language of Pheromone. W. H. Freeman and Company, New York, 1992.