Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: uczenie iteracyjne

Sortuj według:

Ogranicz wyniki do:

Iterative learning fault-tolerant control for the networked control systems with initial state disturbance

Xingjian Fu, Qianjun Zhao

Bulletin of the Polish Academy of Sciences. Technical Sciences

2022

Vol. 70, nr 3

art. no. e140934

The iterative learning fault-tolerant control strategies with non-strict repetitive initial state disturbances are studied for the linear discrete networked control systems (NCSs) and the nonlinear discrete NCSs. In order to reduce the influence of the initial state disturbance in iteration, for the linear NCSs, considering the external disturbance and actuator failure, the iterative learning fault-tolerant control strategy with impulse function is proposed. For the nonlinear NCSs, the external disturbance, packet loss and actuator failure are considered, the iterative learning fault-tolerant control strategy with random Bernoulli sequence is provided. Finally, the proposed control strategies are used for simulation research for the linear NCSs and the nonlinear NCSs. The results show that both strategies can reduce the influence of the initial state disturbance on the tracking effect, which verifies the effectiveness of the given method.

Control of PID parameters by iterative learning based on neural network

Karkar Nora, Nadjet Zarroug, Yamina Tighilt, Benmhamed Khier

Przegląd Elektrotechniczny

2021

R. 97, nr 4

158--161

Iterative learning refers to the development, analysis and implementation of methods that allow a machine to evolve through a learning process, and thus perform tasks that are difficult or impossible to perform by more conventional algorithmic.Learning is a dynamic and iterative process for modifying the parameters of a network in response to the stimuli it receives from its environment. The type of learning is determined by how parameter changes occur. In this article , we contribute to the design and development of an algorithm, that can optimize the parameters of a PID controller for the control of repetitive system, using the iterative learning approach based on neural network. The theoretical are illustrated by simulation. The results of simulations prove clearly the efficiency of the control by iterative learning based on neural network.

Uczenie się iteracyjne odnosi się do rozwoju, analizy i wdrażania metod, które pozwalają maszynie rozwiązywać problem w procesie uczenia się, a tym samym wykonywać zadania, które są trudne lub niemożliwe do wykonania przy użyciu bardziej konwencjonalnego algorytmu. Rodzaj uczenia się zależy od tego, jak zachodzą zmiany parametrów. W tym artykule zaprojektowano i opracowano algorytmu, który może zoptymalizować parametry regulatora PID, wykorzystując podejście iteracyjnego uczenia się w oparciu o sieć neuronową. Wyniki symulacji jednoznacznie dowodzą skuteczności sterowania poprzez iteracyjne uczenie się w oparciu o sieć neuronową.