Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  obiekt dynamiczny
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
1
Content available remote Zastosowanie filtracji cząsteczkowej do estymacji stanu obiektu dynamicznego
PL
Artykuł przedstawia projekt algorytmu estymacji stanu obiektu dynamicznego, w efekcie działania którego wyznaczane są aktualne parametry stanu. W trakcie projektowania filtrów nieliniowych stosowane są pewne przybliżenia funkcji gęstości prawdopodobieństwa stanu. Teoria proponuje wiele typów aproksymacji, ale większość z nich wymaga przyjęcia dodatkowych założeń dotyczących postaci sygnału, w związku z czym nie są one w praktyce realizowane. Artykuł przedstawia metodę niegaussowskiej estymacji nieliniowej opartą na filtrze cząsteczkowym.
EN
The paper presents the design of estimation algorithm for the state of dynamic object. As a result of its actions current state parameters are determined. During the design of non-linear filters in some approximation of the probability density function of state are used. Theoretically, there are many known types of approximation, but most of them require additional assumptions about the character signal, and therefore they are not implemented in practice. In this paper nonlinear estimation method based on the particle filter was tested.
PL
Została podjęta próba implementacji sieci neuronowej w taki sposób, aby mogła ona pełnić rolę regulatora w sterowaniu obiektem dynamicznym. Badaniom zostały poddane dwie różne struktury sieci neuronowych oraz wpływ adaptacji na jakość sterowania obiektem. Aby sprawdzić poprawność działania sieci, zostały przeprowadzone symulacje ze zmiennymi parametrami obiektu w granicach 25 % od wartości dla której sieć była nauczona, a także dla różnych wymuszeń (zarówno wartości amplitud jak i typów). Głównym kryterium projektowania sieci była jak najmniejsza liczba neuronów w warstwie ukrytej.
EN
Attempt was made to implement the neural network in such a way that it can act as a regulator in the control of a dynamic object. Investigations have been made to two different structures of neural networks and impact of learning method on the quality control of the object. To verify the network, there have been done simulations with object changing parameters within 25% of the initial value for which the network was taught, as well as for different excitations (both amplitudes and shapes). The main criterion for network design was a minimum number of neurons in the hidden layer.
PL
Przedstawiony w pracy proces jest obiektem dynamicznym, którego proces identyfikacji przeprowadzono za pomocą modelu "czarnej skrzynki". W tym celu użyto narzędzia System Identyfication Toolbox w środowisku Matlab. Przeprowadzono identyfikację modelu poprzez estymację struktury i parametrów modelu. Porównano zgodność różnych postaci modeli.
EN
The object discussed in the present paper is dynamic. Its identification process was conducted with the use of a "black box" model. For this purpose The System Identification Toolbox in the Matlab environment has been used. The model identification was carried out due to the model structure and parameters' estimation. As a result, various models' forms was compared.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.