Wyniki wyszukiwania - BazTech

1

Event-triggered adaptive neural network trajectory tracking control for underactuated ships under uncertain disturbance

Su Wenxue, Zhang Qiang, Liu Yufeng

Polish Maritime Research

|

2023

|

nr 3

119--131

EN

An adaptive neural network (NN) event-triggered trajectory tracking control scheme based on finite time convergence is proposed to address the problem of trajectory tracking control of underdriven surface ships. In this scheme, both NNs and minimum learning parameters (MLPS) are applied. The internal and external uncertainties are approximated by NNs. To reduce the computational complexity, MLPs are used in the proposed controller. An event-triggered technique is then incorporated into the control design to synthesise an adaptive NN-based event-triggered controller with finite-time convergence. Lyapunov theory is applied to prove that all signals are bounded in the tracking system of underactuated vessels, and to show that Zeno behavior can be avoided. The validity of this control scheme is determined based on simulation results, and comparisons with some alternative schemes are presented.

2

Exploration and mining learning robot of autonomous marine resources based on adaptive neural network controller

Pan L.

Polish Maritime Research

|

2018

|

S 3

78--83

EN

To study the autonomous learning model of the learning robot for marine resource exploration, an adaptive neural network controller was applied. The motion characteristics of autonomous learning robots were identified. The mathematical model of the multilayer forward neural network and its improved learning algorithm were studied. The improved Elman regression neural network and the composite input dynamic regression neural network were further discussed. At the same time, the diagonal neural network was analysed from the structure and learning algorithms. The results showed that for the complex environment of the ocean, the structure of the composite input dynamic regression network was simple, and the convergence was fast. In summary, the identification method of underwater robot system based on neural network is effective.

3

Adaptive neural speed control of the induction motor drive

Kamiński M., Orłowska-Kowalska T.

Przegląd Elektrotechniczny

|

2013

|

R. 89, nr 2a

21--24

EN

In this paper adaptive neural controllers implemented in the speed and flux control loops of the induction motor drive are presented. Feedforward networks with sigmoidal neurons in the hidden layer are applied. Parameters of the neural network structure are updated on-line according to the Backpropagation algorithm. Described adaptive controllers provide the accurate control with fast response of the drive system to the reference speed signal. Important advantage of the proposed controllers is its simplified structure, reduced number of parameters adjusted in the design process (without direct dependency on parameter of the motor). In this paper results of tests showing correct work of the described control structure of the induction motor are presented.

PL

W artykule przedstawiono adaptacyjny neuronowy regulator zastosowany w pętli sterowania prędkością oraz strumieniem wirnika silnika indukcyjnego. Zastosowany regulator bazuje na sieci neuronowej bez sprzężeń zwrotnych z sigmoidalnymi funkcjami aktywacji w warstwie ukrytej. Parametry (współczynniki wagowe) sieci neuronowej są aktualizowane on-line zgodnie z algorytmem wstecznej propagacji błędu. Opisane regulatory adaptacyjne umożliwiają precyzyjne sterowanie i szybkie odpowiedzi układu na zadane trajektorie prędkości. Istotną zaletą proponowanego rozwiązania jest uproszczona struktura regulatorów oraz zredukowana liczba parametrów wyznaczanych w procesie projektowania (niezależnych bezpośrednio od parametrów silnika). W artykule zamieszczono wyniki badań prezentujących poprawną pracę opisywanych regulatorów.

4

An adaptive network for diesel engines testing

Zubkov E., Galiullin L.

Logistyka

|

2010

|

nr 6

EN

An adaptive neural network for fuzzy inference system (ANFIS) for testing internal combustion engines (ICE) is presented. The proposed ANFIS automatically obtains fuzzy rules for controlling ICE at the testing. Number of layers and theirs neurons was designed. The ANFIS was developed using MathWorks MatLab. Experimental results indicated that ANFIS has satisfactory precision for engine testing.

PL

Artykuł przedstawia zastosowanie rozmytej sieci neuronowej do badania silników spalinowych. Sieć ta w trakcie badania silnika spalinowego w sposób automatyczny generuje przyporządkowane mu rozmyte reguły wnioskowania. Liczba warstw oraz odpowiadająca im liczba neuronów w każdej warstwie została dobrana w sposób eksperymentalny. Siec została zaimplementowana w oparciu o pakiet Matlab. Przeprowadzone eksperymenty wykazały zadowalającą efektywność działania sieci.