Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 6

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

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
Zastosowanie algorytmów regulacji predykcyjnej MPC do regulacji wielu procesów nieliniowych, o różnym stopniu trudności, często umożliwia osiągniecie bardzo dobrej jakości regulacji. Jest to możliwe ze względu na odpowiednie uwzględnienie w strukturze algorytmu informacji uzyskanych z modelu procesu. Do formułowania zadania optymalizacji dla algorytmów regulacji predykcyjnej najczęściej zakładana jest stała trajektoria referencyjna dla całego horyzontu predykcji. W artykule przedstawiono możliwości poprawy jakości regulacji przez zastosowanie trajektorii referencyjnej zmiennej na horyzoncie predykcji. Podczas porównywania jakości regulacji z wykorzystaniem trajektorii referencyjnych o różnej postaci, wzięto pod uwagę dwie wielkości. Pierwszą z nich jest czas narastania wyjścia obiektu regulacji, a drugą - przeregulowanie. Badania prowadzono w układach regulacji dwóch obiektów: nieminimalnofazowego obiektu liniowego oraz nieliniowego reaktora polimeryzacji. Do regulacji w przypadku pierwszego obiektu, zastosowano algorytm DMC, a w przypadku drugiego - algorytm bazujący na modelu nieliniowym, z nieliniową predykcją i linearyzacją (NDMC-NPL). Przedstawione wyniki dobrze ilustrują możliwości wpływania, za pomocą trajektorii referencyjnych o różnych kształtach, na poprawę jakości regulacji oferowanej przez algorytmy predykcyjne.
EN
Applying model predictive control (MPC) algorithms to control many processes, of different difficulty level, often allows improving control quality. It is possible by including information received from a process model in the algorithm structure. When defining the optimization problem for the predictive control algorithms most often a time-constant reference trajectory is assumed. Possibilities of improving the control quality by applying a time reference trajectory variable on the prediction horizon are presented in the paper. Two quantities are considered when comparing control quality: the rise time of the control plant output, and the overshoot. The experiments were conducted in the control systems of two control plants: a linear nonminimumphase plant and a nonlinear polymerization reactor. In the control system of the first control plant the DMC predictive control algorithm was used. For the nonlinear reactor the NDMC-NPL algorithm based on a nonlinear model was applied. It is demonstrated that by using the reference trajectories of different shapes it is possible to improve control quality offered by the MPC control algorithms.
EN
In this paper, algorithms of the state estimation of dynamical systems, using different types of particle filters, have been presented. Three Particle Filter methods have been used: Bootstrap Filter, Auxiliary Particle Filter and Likelihood Particle Filter. These methods have been applied to two nonlinear objects, with quadratic measurement functions. The results have been additionally compared with the outcome from Kalman filters. Based on the obtained results (5 different quality indices) the estimation methods have been evaluated.
PL
W niniejszej pracy zostały przedstawione algorytmy estymacji stanu układów dynamicznych za pomocą różnych rodzajów filtrów cząsteczkowych. Zaprezentowano trzy metody filtrów cząsteczkowych: algorytm Bootstrap, pomocniczy filtr cząsteczkowy i wiarygodny filtr cząsteczkowy. Metody te zastosowano dla dwóch obiektów nieliniowych o kwadratowych funkcjach pomiarowych. Z filtrami cząsteczkowymi zostały dodatkowo zestawione metody filtru Kalmana. Na podstawie uzyskanych wyników (5 różnych wskaźników jakości) metody estymacji zostały ocenione.
PL
Wobec wielkiego zróżnicowania typów i rodzajów nieliniowych obiektów dynamicznych nie istnieje uniwersalna metoda identyfikacji ich dynamiki. Wszystkie wymagają pewnych arbitralnych założeń przez co mają ograniczone zastosowanie. Z tego powodu wciąż aktualne i ważne jest poszukiwanie nowych metod, które pozwoliły by na prostą identyfikację układów nieliniowych, nawet jeśli ograniczają się tylko do pewnej klasy obiektów. W pracy zaproponowano metodę identyfikacji dynamiki nieliniowych obiektów pierwszego i drugiego rzędu nie wymagającą stosowania specjalnych, trudnych do realizacji sygnałów testowych. Można ją stosować dla określonego typu modeli i przy zastosowaniu aproksymacji uzyskanych charakterystyk zależnościami analitycznymi.
EN
Because of the great diversity of types and kinds of nonlinear dynamic objects there is no universal method of identifying their dynamics. All of them require a certain arbitrary assumptions thus have limited application. For that reason still relevant and important is to search for new methods that would allow for easy identification of nonlinear systems, even if they are limited only to a certain class of objects. The simple method of identification of nonlinear dynamic properties of the first and second order are proposed in the paper. The method does not require the use of special, hard-to-implementation test signals. It can be used for certain types of models. In the proposed method some analytical dependencies are used instead of the obtained characteristics.
PL
W artykule zaprezentowano adaptacyjny układ sterowania kątem kursowym i prędkością statku opisanego nieliniowym modelem dynamicznym MIMO (ang. Multi-input, Multi-Output) o czterech stopniach swobody ruchu (ang. Four-Degrees-of-Freedom, 4-DoF). Przedstawiony model statku jest silnie nieliniowy i uwzględnia nie tylko ograniczenia saturacyjne sygnałów sterujących ale także dynamikę maszyny sterowej i napędu głównego. Głównym zadaniem zaprojektowanego adaptacyjnego regulatora LQR jest sterowanie kątem kursowym statku i jego prędkością względem wody. Poszczególne zestawy parametrów regulatora użyte w procesie adaptacji zostały wyznaczone na podstawie linearyzacji modelu statku w wybranych nominalnych punktach pracy. W końcowej części artykułu przedstawiono wyniki badań symulacyjnych zaprojektowanego regulatora w układzie z pełnym nieliniowym modelem statku.
EN
In the paper an adaptive control system for the nonlinear 4-DoF model of a container vessel is presented. The considered model of the ship includes input signals saturations and dynamics of actuators. Main goal of the presented control system is control of the course angle and speed of the ship relative to water. The system synthesis is carried out by means of LQ-optimal control method. Sets of controller parameters are designed using linearization of the considered model in the nominal steady-state operating points of the ship. The final part of the paper includes simulation results of control system operation with full nonlinear MIMO model of the container vessel.
PL
W artykule przedstawiono trzy algorytmy estymacji stanu obiektu opisanego dyskretnymi równaniami nieliniowymi. Zaprezentowane algorytmy to Rozszerzony Filtr Kalmana, Deterministycznie Próbkujący Filtr Kalmana oraz Filtr Cząsteczkowy. Skuteczność działania algorytmów zbadano metodą symulacyjną.
EN
This paper addresses the problem of state estimation for objects which are described by nonlinear discrete-time equations. Three algorithms are presented: Extended Kalman Filter, Unaccrued Kalman Filter and Particle Filter, the considered algorithms are compared by simulation means.
6
Content available remote Modelowanie rozmyte - struktury i parametry
PL
W pracy proponuje się metody modelowania charakterystyk obiektów nieliniowych w oparciu o rozmytą reprezentację wiedzy. Przedstawiono analizę struktur, mechanizmy doboru parametrów rozmytych modeli i algorytmy optymalizacji własności rozmytego modelu w układzie neuro-rozmytym. Podano również przykład heurystycznego doboru kształtu krzywych rozmywających i rozmieszczenia zbiorów rozmytych. Przedstawiono również wyniki uzyskane dla obiektu nieliniowego, jakim jest reaktor cieplny.
EN
Modelling methods of responses of nonlinear systems with use of the fuzzy knowledge representation are proposed in this paper. Analysis of structures, fuzzy model parameters tuning methods, and neuro-fuzzy optimization algorithms for fuzzy models are presented. It has been also presented an example of heuristic adjustment of fuzzification curves. As an example, results for the nonlinear system - thermal reactor - have been shown.
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.