Algorytmy regulacji predykcyjnej i optymalizacji punktu pracy procesów

• Autorzy: Ławryńczuk, M.
• Języki publikacji: PL

Abstrakty

PL

Algorytmy automatycznej regulacji są powszechnie stosowane w wielu dziedzinach. Najprostszym przykładem może być zadanie regulacji dopływu paliwa do urządzenia grzewczego tak, aby temperatura panująca w pomieszczeniu była stała, pomimo zmian temperatury zewnętrznej. Automatyczną regulację można wykorzystywać także w procesach sterowania biostabilizacją odpadów komunalnych.

Słowa kluczowe

PL

algorytm regulacji predykcyjnej; biostabilizacja odpadów; odpad komunalny; automatyka

• Czasopismo: Przegląd Komunalny
• Rocznik: 2013
• Tom: nr 6
• Strony: 60--63
• Opis fizyczny: (Z. Kom.), Bibliogr. 16 poz., rys.

Twórcy

autor

Ławryńczuk, M.

• Instytut Automatyki i Informatyki Stosowanej, Wydział Elektroniki i Technik Informacyjnych, Politechnika Warszawska

Bibliografia

• 1. Camacho E. F., Bordons C.: Model Predictive Control. Londyn 1999.
• 2. Maciejowski J. M.: Predictive control with constraints. Harlow 2002.
• 3. Tatjewski P.: Sterowanie zaawansowane obiektów przemysłowych, struktury i algorytmy. Warszawa 2002.
• 4. Qin S. J., Badgwell T. A.: A survey of industrial model predictive control technology. „Control Engineering Practice” 7/2003.
• 5. Ortega J. G., Camacho E. F.: Mobile robot navigation in a partially structured static environment, using neural predictive control. „Control Engineering Practice” 12/1996.
• 6. Keviczky T., Balas G. J.: Receding horizon control of an F-16 aircraft: a comparative study. „Control Engineering Practice” 9/2006.
• 7. Brdyś M. A., Grochowski M., Gmiński T. i in.: Hierarchical predictive control of integrated wastewater treatment systems. „Control Engineering Practice” 6/2008.
• 8. Stadler K. S., Poland J., Gallestey E.: Model predictive control of a rotary cement kiln. „Control Engineering Practice” 1/2011.
• 9. Arahal M. R., Berenguel M., Camacho E. F.: Neural identification applied to predictive control of a solar plant. „Control Engineering Practice” 3/1998.
• 10. Marami B., Haeri M.: Implementation of MPC as an AQM controller. „Computer Communications” 2/2010.
• 11. Ławryńczuk M., Marusak P., Tatjewski P.: Efficient predictive control algorithms based on soft computing approaches: application to glucose concentration stabilization [w:] Novel Algorithms and Techniques in Telecommunications, Automation and Industrial Electronics pod red. M. Iskandera, V. Kapila, M.A. Karima. Berlin 2010.
• 12. Ławryńczuk M.: A family of model predictive control algorithms with artificial neural networks. „International Journal of Applied Mathematics and Computer Science” 2/2007.
• 13. Ławryńczuk M.: Modelling and nonlinear predictive control of a yeast fermentation biochemical reactor using neural networks. „Chemical Engineering Journal” 2/2008.
• 14. Ławryńczuk M.: Explicit nonlinear predictive control of a distillation column based on neural models. „Chemical Engineering and Technology” 10/2009.
• 15. Ławryńczuk M.: Online set-point optimisation cooperating with predictive control of a yeast fermentation process: a neural network approach. „Engineering Applications of Artificial Intelligence” 6/2011.
• 16. Ławryńczuk M.: On-line set-point optimisation and predictive control using neural Hammerstein models. „Chemical Engineering Journal” 1/2011.