What Results from Applying Conventional Controllers to MATLAB Neural Network Demos

• Autorzy: Gessing R.

Warianty tytułu

PL

Co wynika z zastosowania konwencjonalnych regulatorów do przykładów MATLABA z sieci neuronowych

• Języki publikacji: EN

Abstrakty

EN

It is shown that appropriate conventional controllers applied to strongly nonlinear plants taken from MATLAB Neural Network (NN) Control Systems Demos are significantly better than NN controllers appearing in these Demos. Moreover the conventional controllers operate well for significantly larger changes of the reference signal without the need of their re-tuning. The applied conventional controllers fulfill the demands of formulated in the present paper the Criterion RD1 (Relative Degree =1).

PL

W pracy pokazano, że odpowiednie konwencjonalne regulatory zastosowane do silnie nieliniowych obiektów występujących w programach demonstracyjnych MATLABA z sieci neuronowych dają znacznie lepsze wyniki niż regulatory neuronowe występujące w tych programach. Co więcej regulatory konwencjonalne pracują dobrze dla znacznie większych zmian wartości zadanej bez potrzeby ich przestrajania. Okazuje się, że opisane w niniejszej pracy regulatory neuronowe nie są w stanie pracować poprawnie dla takich samych zmian wartości zadanej, nawet po ich ponownym przyuczeniu. Zastosowane regulatory konwencjonalne PD i P spełniają sformułowane w pracy kryterium rzędu względnego równego jeden.

Słowa kluczowe

EN

conventional controllers; neural networks controllers; nonlinear plants; criterion of relative degree

• Wydawca: Instytut Informatyki Teoretycznej i Stosowanej Polskiej Akademii Nauk
• Czasopismo: Theoretical and Applied Informatics
• Rocznik: 2010
• Tom: Vol. 22, No. 1
• Strony: 3--17
• Opis fizyczny: Bibliogr. 8 poz., rys.

Twórcy

autor

Gessing R.

• Institute of Automatic Control, Silesian University of Technology, ul. Akademicka 16, 44-101 Gliwice, Poland,

Bibliografia

• 1. R. Gessing: Whether Feedback Itself May Replace Adaptation. Proceedings of International Symposium ”Large Scale Systems-Theory and Applications LSS2004”, July 25-28 2004, Osaka, Japan.
• 2. R. Gessing: A Feedback Structure with Higher Order Derivatives in Regulator. Proceedings of the International Control Conference ICC2006, Glasgow, Scotland United Kingdom, 30 Aug.-1 Sept. 2006, CD-Rom. 17
• 3. R. Gessing: About Equivalence Between Sliding Mode and Corresponding Continuous Control Systems. Proceedings of the International Control Conference UKACC 2008, Manchester, United Kingdom, 2-4 Sept. 2008, CD-Rom.
• 4. MATLAB 7.3, Neural Networks control Systems Demos
• 5. K. Mehrotra, C. K. Mohan, and S. Ranka: Elements of artificial neural networks. Cambridge,Mass. 1997.
• 6. J.J.E. Slotine, and W. Li: Applied Nonlinear Control, Englewood Cliffs, Prentice Hall,NJ, 1991.
• 7. A. S. Vostrikov: Synthesis of nonlinear systems by means of localization method. Novosibirsk,Novosibirsk State University, 1990 (in Russian).
• 8. V. D. Yurkevich: Design of Nonlinear Control Systems with Highest Derivative in Feedback.World Scientific, 2004.