Wyniki wyszukiwania - BazTech

1

Modeling and simulation of a novel neural PLL controller for circuit of series resonant inverter in high frequency induction heating

Bouadi Abed, Naim Houcine, Della Krachai Mohamed, Fares Redouane, Bouchiba Guelta

Przegląd Elektrotechniczny

|

2022

|

R. 98, nr 4

67--71

EN

This paper investigates of a novel PLL (Phase-Locked Loop) with neural control technology of induction magnetic heating system model at high power and high frequency, using neural controller to replace the traditional Low-Pass Filter (LPF). The PLL which control the inverter with SIT (Static Induction Transistor)-load-neural PLL assembly, the purpose of the PLL is to track the resonant frequency of the system. The continuation of the frequency by the conventional PLL has a certain delay and a large phase difference between the input signal of the PLL, and the output of the LPF. Therefore, to overcome this problem, we resorted to the networks of artificial neurons within the limits of what concerns us, the interest in them is justified by the characteristics they possess. To improve the control accuracy and response time. For more, the neural-controlled PLL controller for induction heating supply system have been analyzed and compared. A complete simulation model of the induction heating control system is obtained by Matlab/Simulink 6.5 software. The simulation results shows the effectiveness and superiority of this proposed neural PLL control system.

PL

W artykule zbadano nowy model PLL (Pętla Fazowa) z technologią neuronowego sterowania modelem indukcyjnego magnetycznego systemu grzewczego przy dużej mocy i wysokiej częstotliwości, przy użyciu sterownika neuronowego zastępującego tradycyjny filtr dolnoprzepustowy (LPF). PLL, które sterują falownikiem za pomocą zespołu SIT (Static Induction Transistor)-obciążenie-neural PLL, celem PLL jest śledzenie częstotliwości rezonansowej systemu. Kontynuacja częstotliwości przez konwencjonalny PLL ma pewne opóźnienie i dużą różnicę faz między sygnałem wejściowym PLL a wyjściem LPF. Dlatego, aby przezwyciężyć ten problem, sięgnęliśmy po sieci sztucznych neuronów w granicach tego, co nas dotyczy, zainteresowanie nimi jest uzasadnione posiadanymi przez nie cechami. Aby poprawić dokładność sterowania i czas reakcji. Co więcej, przeanalizowano i porównano sterowany neuronowo sterownik PLL do systemu zasilania nagrzewaniem indukcyjnym. Kompletny model symulacyjny układu sterowania nagrzewaniem indukcyjnym uzyskuje się za pomocą oprogramowania Matlab/Simulink 6.5. Wyniki symulacji pokazują skuteczność i wyższość proponowanego neuronowego systemu sterowania PLL.

2

Neural control of robotic manipulation in contact with environment

Gierlak Piotr

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2022

|

z. 197, t. 2

201-212

EN

This article presents the synthesis of the neural motion control system of robot in the case of disturbances of constraints limiting the movement, which are the result of flexibility and disturbances of the contact surface. A synthesis of the control law is presented, in which the knowledge of the robot’s dynamics and the parameters of a susceptible environment is not required. Moreover, the stability of the system is guaranteed in the case of an inaccurately known surface of the environment. This was achieved by introducing an additional module to the control law in directions normal to the surface of the environment. This additional term can be interpreted as the virtual viscotic resistance and spring force acting on the robot. This approach ensured the self-regulation of the robot’s interaction force with the compliant environment, limiting the impact of the geometrical inaccuracy of the environment.

3

Design of a multivariable neural controller for control of a nonlinear MIMO plant

Bańka S., Dworak P., Jaroszewski K.

International Journal of Applied Mathematics and Computer Science

|

2014

|

Vol. 24, no. 2

357--369

EN

The paper presents the training problem of a set of neural nets to obtain a (gain-scheduling, adaptive) multivariable neural controller for control of a nonlinear MIMO dynamic process represented by a mathematical model of Low-Frequency (LF) motions of a drillship over the drilling point at the sea bottom. The designed neural controller contains a set of neural nets that determine values of its parameters chosen on the basis of two measured auxiliary signals. These are the ship’s current forward speed measured with respect to water and the systematically calculated difference between the course angle and the sea current (yaw angle). Four different methods for synthesis of multivariable modal controllers are used to obtain source data for training the neural controller with parameters reproduced by neural networks. Neural networks are designed on the basis of 3650 modal controllers obtained with the use of the pole placement technique after having linearized the model of LF motions made by the vessel at its nominal operating points in steady states that are dependent on the specified yaw angle and the sea current velocity. The final part of the paper includes simulation results of system operation with a neural controller along with conclusions and final remarks.

4

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

Tomera M., Kasprowicz A.

Zeszyty Naukowe Akademii Marynarki Wojennej

|

2012

|

R. 53 nr 3 (190)

123-138

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.

5

Sterowanie neuronowe bezzałogowym pojazdem podwodnym

Żak A.

Modelowanie Inżynierskie

|

2011

|

T. 10, nr 41

469-478

PL

Głównym celem artykułu jest przedstawienie wyników badań dotyczących problemów sterowania bezzałogowym pojazdem podwodnym z wykorzystaniem sztucznych sieci neuronowych. W artykule przedstawiono zagadnienia związane z sieciami neuronowymi wykorzystywanymi w procesie sterowania. Omówiono metodę sterowania ruchem pojazdu wykorzystującym technikę sztucznych sieci neuronowych. Na zakończenie przedstawiono przykładowe wyniki badań symulacyjnych przy realizacji zadania stabilizacji parametrów ruchu bezzałogowego pojazdu podwodnego poruszającego się w środowisku wodnym.

EN

The main aim of paper is to introduce the results of research concentrated on controlling remotely operated underwater vehicle using artificial neural networks. Firstly the mathematical basis of neural network used to control dynamical object were introduced. Next the proposed control system which is using technology of artificial neural network was presented. At the end the example results of research on stabilizing movements’ parameters of underwater vehicle using ROV simulator were presented. The paper is finished by summary which includes conclusions derived from results of research.

6

Dynamic external force feedback loop control of a robot manipulator using a neural compensator - Application to the trajectory following in an unknown environment

Ferguene F., Toumi R.

International Journal of Applied Mathematics and Computer Science

|

2009

|

Vol. 19, no 1

113-126

EN

Force/position control strategies provide an effective framework to deal with tasks involving interaction with the environment. One of these strategies proposed in the literature is external force feedback loop control. It fully employs the available sensor measurements by operating the control action in a full dimensional space without using selection matrices. The performance of this control strategy is affected by uncertainties in both the robot dynamic model and environment stiffness. The purpose of this paper is to improve controller robustness by applying a neural network technique in order to compensate the effect of uncertainties in the robot model. We show that this control strategy is robust with respect to payload uncertainties, position and environment stiffness, and dry and viscous friction. Simulation results for a three degrees-of-freedom manipulator and various types of environments and trajectories show the effectiveness of the suggested approach compared with classical external force feedback loop structures.

7

Modelowanie i sterowanie neuronowe MRK

Giergiel J., Trojnacki M.

Zeszyty Naukowe Katedry Mechaniki Stosowanej / Politechnika Śląska

|

2004

|

z. 23

135-142

PL

W pracy analizuje się zagadnienie sterowania neuronowego ruchem nadążnym mobilnego robota Pioneer-2DX. Syntezę neuronowego algorytmu sterowania przeprowadzono na podstawie teorii stabilności Lapunowa. Przeprowadzono symulacje komputerowe z zastosowaniem pakietu Matlab/Simulink. Wyniki badań teoretycznych zostały zweryfikowane metodą szybkiego prototypowania z wykorzystaniem środowiska Matlab/Simulink i karty dSPACE.

EN

The problem of tracking control of wheeled mobile robot (WMR) using neural network is analyzed in the work. The synthesis of control systems using second Lapunov method was carried out. As a result of synthesis the stability of designed systems was proved. A large number of computer simulations for these control systems with using Matlab/Simulink package were executed. The results of theoretical tests were verified by rapid prototypical method. Rapid prototyping environment for Pioneer robot was based of Matlab/Simulink package and dSPACE board.