PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Tytuł artykułu

Zastosowanie regulatorów neuronowego i rozmytego do sterowania poziomem wody w układzie kaskadowym dwóch zbiorników

Treść / Zawartość
Identyfikatory
Warianty tytułu
EN
Use of neural and fuzzy controllers to control water level in two-tank cascade system
Języki publikacji
PL
Abstrakty
PL
W artykule przedstawione zostały regulatory zbudowane w oparciu o metody sztucznej inteligencji. Klasyczny regulator PID zastosowany do sterowania poziomem wody w układzie kaskadowym dwóch zbiorników zastąpiony został regulatorami rozmytym i neuronowym. Struktura regulatora rozmytego działającego w oparciu o logikę rozmytą wzorowana była na klasycznym liniowym regulatorze PID. Regulator neuronowy jest równoważnikiem regulatora rozmytego zbudowanym w oparciu o sztuczną sieć neuronową o radialnych funkcjach bazowych (RBF). Wstępne badania układów sterowania z rozważanymi regulatorami wykonane zostały w środowisku obliczeniowym MATLAB/Simulink z użyciem modeli symulacyjnych. Badania docelowe przeprowadzone były w układzie fizycznym, w którym algorytmy sterowania zaprogramowane zostały w mikrokontrolerze sygnałowym TMS320F28335, wykorzystanym do automatycznego sterowania poziomem wody w dolnym zbiorniku. Przy porównaniu uzyskanych wyników pod uwagę wzięty został również klasyczny regulator liniowy PID.
EN
This paper presents controllers built according to the methods of artificial intelligence. The classic PID controller used to control the level of water in a cascade of two tanks was replaced with regulators: fuzzy and neural. The structure of fuzzy controller acting on the fuzzy logic was base on a classical linear PID controller. A neural controller is equivalent to a fuzzy controller based on artificial neural network having radial base functions (RBF). Preliminary testing of control systems with the controllers considered were made in computing simulation MATLAB/Simulink. The final investigations were conducted in the target physical system in which the control algorithms were programmed in the signal processor TMS320F28335, used for automatic control of the water level in the lower tank. In comparing the results obtained the classic linear PID controller was considered.
Rocznik
Strony
123--138
Opis fizyczny
Bibliogr. 14 poz., rys., tab.
Twórcy
autor
  • Akademia Morska w Gdyni
Bibliografia
  • [1] Chen S., Cowan C. F. N., Grant P. M., Orthogonal least squares learning algorithm for radial basis functions networks, ‘IEEE Transactions on Neural Networks’, 1991, Vol. 2, No 2, pp. 302–309.
  • [2] Katayama R., Kajitani Y., Kuwate K., Nishida Y., Self generating radial basis function as neuro-fuzzy model and its applications to nonlinear prediction of chaotic time series, Procedings of 2nd IEEE International Conference on Fuzzy Systems, San Francisco, USA, Vol. 1, pp. 407–414.
  • [3] Kęska J., Sterowanie obiektem rzeczywistym przy użyciu cyfrowego procesora sygnałowego, praca inżynierska, Akademia Morska, Gdynia 2010.
  • [4] Lee T. H., Nie J. H., Tan W. K., A self-organizing fuzzified basis function network control system applicable to nonlinear serwomechanisms, ‘Mechatronics’, 1995, Vol. 5, No 6, pp. 695–713.
  • [5] Linkens D. A., Nie J., Fuzzified RBF network-based learning control: structure and self-construction, Proceedings of IEEE International Conference on Neural Networks, San Francisco, 28 March — 1 April 1993, pp. 1016–1021.
  • [6] Pozorski K., Filtracja optymalna sygnałów pomierzonych w układzie kaskadowym dwóch zbiorników, praca magisterska, Akademia Morska, Gdynia 2012.
  • [7] Texas Instruments, Code Composer Studio IDE Getting Started Guide. User’s Guide, 2005.
  • [8] Texas Instruments, TMS320F2835 Digital Signal Processor Data Manual, 2010.
  • [9] Tomera M., Kęska J., Kasprowicz A., Sterowanie poziomem wody w kaskadzie dwóch zbiorników przy użyciu mikrokontrolera TMS320F28335, „Zeszyty Naukowe” Wydziału Elektrotechniki i Automatyki PG, 2011, nr 30, s. 123–132.
  • [10] Tomera M., Porównanie jakości pracy trzech algorytmów typu PID: liniowego, rozmytego i neuronowego, „Automatyka — Elektryka — Zakłócenia”, 2011, nr 6, s. 59–77, www.elektro-innowacje.pl.
  • [11] Tomera M., Talaśka M., Porównanie jakości pracy regulatorów stanu i PID w układzie kaskadowym dwóch zbiorników (przyjęty do druku w „Zeszytach Naukowych” Wydziału Elektrotechniki i Automatyki PG, 2012).
  • [12] Yager R. R., Filev D. P., Podstawy modelowania i sterowania rozmytego, WNT, Warszawa 1995.
  • [13] Yamaguchi T., Takagi T., Mita T., Self-organizing control using fuzzy neural networks, ‘International Journal of Control’, 1992, Vol. 56, No 2, pp. 415–439.
  • [14] Zadeh L. A., Outline of a new approach to the analysis of complex systems and decision processes, ‘IEEE Transactions Systems Man., and Cybernetics’, 1973, Vol. SMC-3, No 1, pp. 28–43.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-article-BWM8-0040-0010
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.