Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: genetic algorithms GA

Sortuj według:

Ogranicz wyniki do:

Forecasting the oecd fixed broadband penetration with genetic programming method, diffusion models and macro-economic indicators

Salpasaranis K., Stylianakis V.

Image Processing & Communications

2016

Vol. 21, no. 1

45--54

This paper presents the implementation of a modiﬁed Genetic Programming (GP) metod in for casting ﬁxed broadband telecommunications penetration percentage in Organisation for Economic Co-operation and Development (OECD) countries. The speciﬁc GP method combines the use of known diffusion models for technological forecasting purposes, such as Logistic, Gompertz and Bass and the GP. The combination method produces both time dependant and causal models with high performance statistical indicators. Also, multiple approaches to forecasting can be implemented, mainly with no big datasets.

Dobór nastaw regulatora PID zaimplementowanego w sterowniku PLC przy wykorzystaniu algorytmów genetycznych

Sałat R., Winiczenko R., Awtoniuk M.

Pomiary Automatyka Kontrola

2012

R. 58, nr 5

427-430

Artykuł ma na celu przedstawienie metody strojenia parametrów regulatora PID o znanej strukturze zaimplementowanego w sterowniku PLC przy użyciu algorytmów genetycznych. Strojenia regulatora rozpatrywano pod kątem obiektów o charakterystyce statycznej liniowej oraz nieliniowej. Dla każdego obiektu analizowano nastawy uzyskane przy pomocy algorytmów genetycznych oraz dwóch par innych nastaw dedykowanych do danego typu obiektu, które zostały wybrane na podstawie kryterium całkowego. Testy zostały przeprowadzone dla skoku wartości zadanej, zmiany wartości zadanej wg trajektorii, perturbacji modelu oraz zakłóceń. Dla celów przedstawienia metody jak i testów przyjęto uniwersalną strukturę algorytmu typu PI.

The paper presents a way of tuning parameters of PID regulator of known structure implemented in the PLC using genetic algorithms (Fig. 1). The tuning process was considered for objects with both linear and nonlinear characteristics (Section 2). For each object the parameters were analyzed using genetic algorithms as well as two pairs of other settings dedicated to a particular object type selected on the basis of integral index (Section 5). Objects were simulated on a PC in Matlab / Simulink connected to PLC S7-300 Siemens by DAQ card in a negative feedback loop (Fig. 2). The tests were conducted for the set point, a trajectory model, perturbations and disturbances. For purposes of presentation and testing the methods were adopted as a universal structure of the PI algorithm (Figs. 3 and 4). Comparing the values of the integral indexes one can conclude that in most cases the best quality of control can be achieved with use of genetic algorithms. These settings proved to be more effective than those dedicated to the test objects (Tables 1 and 2).