Ogromna złożoność problematyki diagnozowania środowiska implikuje nieodzowność ujęcia systemowego. Problem sformułowano w wielowymiarowej przestrzeni stanów. Badanie trajektorii zmian stanów pozwala na określanie właściwości środowiska: zdolności adaptacyjnych, akumulacyjnych. stabilności, opóźnień reakcji na zakłócenia i in. oraz na uwzględnianie jego zmiennej wrażliwości. Dostępne informacje o środowisku są w znacznej mierze niepełne i niedokładne, stosowane są pojęcia słabo zdefiniowane i nieprecyzyjne. Diagnozowanie środowiska wymaga wykorzystania metod łączących doświadczenia i modele nauk biologicznych, fizycznych i technicznych, wspomaganych nowoczesnymi metodami matematyki i informatyki, w tym przede wszystkim modeli sztucznej inteligencji. Zastosowana metodologia stanowi podstawę ekoinformatyki. Przedstawione ujęcie pozwala na uwzględnienie także niepewności diagnostycznej, szczególnie istotnej w diagnozowaniu środowiska.
EN
A huge complexity of environment diagnostics involves indispensability of system approach. The problem has been formulated in multidimension space of states. Investigation of the trajectory of the state changes enables determination of environment properties such as: ability to the adaptation, accumulation, stability, reaction delay on disturbances etc as well as consideration of its sensibility altering. Characteristic features of environmental data are heterogeneity and uncertainty; the data are mostly incomplete and imprecise, and the used terms inaccurate defined. Environmental diagnostics needs to utilise the methods that join experiences and models of biology, physics and technology supported with the new tools of mathematics and informatics, first of all the artificial intelligence. The applied methodology can be regarded as the ecological informatics or ecoinfomatics. The presented approach allows to take under consideration the uncertainty, the problem of great significance in environmental diagnostics.
W artykule przedstawiono metodę oceny i prognozowania jakości powietrza opartą na modelu sztucznej sieci neuronowej. Metoda ta ze względu na dobre właściwości uogólniające i szybkie osiąganie wyników nadaje się do rozwiązywania zadań predykcyjnych, których przykładem jest prognozowanie sytuacji ostrzegawczych. Dla rozwiązania postawionego zadania zaproponowano czterowarstwową, jednokierunkową sieć neuronową. Sieć tego typu jest obiecującym narzędziem oceny i prognozowania powietrza, zwłaszcza w sytuacjach podwyższonych stężeń zanieczyszczeń wpływających niekorzystnie na zdrowie ludzi i otaczające środowisko.
EN
The paper deals on the air pollution assessment and forecasting method based on artificial neural network. For solving the problem the four-layer, feed-forward neural network is proposed. The method has good properties of generalisation and high speed of operation. In this aspect artificial neural network can be regarded as good instrument for prediction of smog state. The chosen type of the network seems to be the promised tool for assessment and forecasting of states, which influence people health and the surrounded environment.
Przedstawiono technologię unieszkodliwiania odpadów stanowiącą alternatywę dla technologii spalania konwencjonalnego. Przeznaczona jest ona głównie do unieszkodliwiania substancji i odpadów najbardziej niebezpiecznych, które ze względu na swą toksyczność wymagają maksymalnego stopnia destrukcji. Omówiona została budowa typowej instalacji plazmowej, zasada działania i procesy w niej zachodzące oraz zostały wymienione zalety i wady technologii.
EN
The paper deals with the plasma treatment of wastes as a neutralization method alternative for classical combustion. The destination of the method is the neutralization of particularly hazardous materials and wastes, which because of theirs toxicity require the highest level of destruction. The typical plasma installation, the principles of processes and operation as well advantages and faults of the method are described.
In the paper, simplified models of signals are introduced. The set of signals belonging to the class considered is divided into abstract subsets. Every subset of signals has a representative signal of a very simple form. These representative signals are next used as simplified models of signals and they can be applied to very complicated considerations in systems theory and control theory. For example, they are applied to designing high precision, state feedback control systems. In consequence, such systems approximate (for large gain in feedback loop) the inverse operation to the plant P considered. For solving this problem, the sum of differences of state variables of system and state of control signal are taken into consideration. Based on the simplified models of signals the linear combination of the state variables of system and state of control signal (not only sum of difference) can be used. This is important if the gain in the feedback tends to infinity. A scheme of such systems is presented in the paper.
Problem of optimal system controlling a motion of the plant consisting of twomasses connected with a non-linear spring is considered in the paper. For example such plants can be motorcars with trailer or dumb barge pulling by ship. The irregular motion of elements of such plants influences negative on consume energy. In addition, because of safety, the speed of motion should be limited. As a criterion of quality we take the energy of the error signals. Till now the two mass problem (benchmark problem) was considered for linear cases only. The novelty of our work is generalisation of this problem (using the describing function method) for non-linear cases. The H control theory (robust control) is firstly adapted to cope with non-linear plants. High effectiveness of the optimal controller has been confirmed by computer simulation in MATLAB.
PL
W pracy rozważany jest układ sterujący, optymalizujący ruch obiektu składającego się z dwóch elementów o znacznych masach połączonych nieliniową sprężyną. Obiektami takimi są np. samochody z przyczepami lub barki wodne ciągnięte przez statki. Nieregularności ruchu elementów takich obiektów powodują duże straty energii w napędzie i, ze względu na bezpieczeństwo, zmuszają do ograniczania prędkości ruchu, co wydłuża czas trwania transportu. Kryterium jakości jest zużycie energii określone sygnałem błędu. Dla znalezienia optymalnego regulatora przeprowadzono harmoniczną linearyzację układu i dla zlinearyzowanego równania zastosowano metody optymalizacji bazujące na metodach przestrzeni Banacha H i H2 (robust control). Wysoka skuteczność regulatora wyznaczonego opisaną metodą potwierdzona została symulacją komputerową. Dodatkowym efektem zastosowanego sterowania jest zapewnienie stabilności układu.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.