Wyniki wyszukiwania - Biblioteka Nauki

1

Analiza porównawcza klasycznych oraz neuronowych algorytmów identyfikacji obiektu dynamicznego na przykładzie wymiennika ciepła

100%

Bartecki K.

|

1998

|

tom z. 47

93-109

PL

W artykule przedstawiono porównanie klasycznych oraz bazujących na teorii sztucznych sieci neuronowych algorytmów identyfikacji. Wykorzystano dane pomiarowe uzyskane w czasie badań doświadczalnych dynamiki przeciwprądowego wymiennika ciepła pracującego w rzeczywistym węźle cieplnym. Oprócz analizy porównawczej wymienionych algorytmów podjęto próbę określenia wpływu struktury modelu neuronowego na jakość identyfikacji. Zaprezentowano także strukturę typowej sieci rekurencyjnej wykorzystywanej w zagadnieniach modelowania nieliniowych systemów dynamicznych. Badania identyfikacyjne, procedury uczenia sieci oraz badania symulacyjne przeprowadzono w oparciu o wyspecjalizowane biblioteki pakietu MATLAB, takie jak Simulink, System Identification Toolbox oraz Neural Network Toolbox.

EN

The comparison analysis of classical and neural dynamic system identification algorithms is presented. The measurement data obtained during experimental research of a heat exchanger operating at a heat distribution centre were used in the process of the identification. Furthermore, the influence of the network architecture on identification results was tested. The structure of a typical recurrent network is also describend. The simulation, identification and network learing procedures were performed using MATLAB with Simulink, System Identification and Neural Network Toolboxes.

2

Steady-state analysis for a class of hyperbolic systems with boundary inputs

100%

Bartecki K.

Archives of Control Sciences

|

2013

|

tom Vol. 23, no. 3

295--310

EN

Results of a steady-state analysis performed for a class of distributed parameter systems described by hyperbolic partial differential equations defined on a one-dimensional spatial domain are presented. For the case of the system with two state variables and two boundary inputs, the analytical expressions for the steady-state distribution of the state variables are derived, both in the exponential and in the hyperbolic form. The influence of the location of the boundary inputs on the steady-state response is demonstrated. The considerations are illustrated with a practical example of a shell and tube heat exchanger operating in parallel- and countercurrent-flow modes.

3

PCA-based approximation of a class of distributed parameter systems: classical vs. neural network approach

100%

Bartecki K.

|

2012

|

tom Vol. 60, nr 3

651-660

EN

In this article, an approximation of the spatiotemporal response of a distributed parameter system (DPS) with the use of the principal component analysis (PCA) is considered. Based on a data obtained by the numerical solution of a set of partial differential equations, a PCA-based approximation procedure is performed. It consists in the projection of the original data into the subspace spanned by the eigenvectors of the data covariance matrix, corresponding to its highest eigenvalues. The presented approach is carried out using both the classical PCA method as well as two different neural network structures: two-layer feed-forward network with supervised learning (FF-PCA) and single-layer network with unsupervised, generalized Hebbian learning rule (GHA-PCA). In each case considered, the effect of the approximation model structure represented by the number of eigenvectors (or, in the neural case, units in the network projection layer) on the mean square approximation error of the spatiotemporal response and on the data compression ratio is analysed. As shown in the paper, the best approximation quality is obtained for the classical PCA method as well as for the FF-PCA neural approach. On the other hand, an adaptive learning method for the GHA-PCA network allows to use it in e.g. an on-line identification scheme.

4

Klasyczna i neuronowa analiza głównych składowych na przykładzie zadania kompresji obrazu

100%

Bartecki K.

Pomiary Automatyka Kontrola

|

2013

|

tom R. 59, nr 1

34--37

PL

W artykule omówiono zastosowanie analizy składników głównych (PCA) w zadaniu kompresji stratnej sygnału na przykładzie kompresji obrazu. Zadanie zrealizowano z wykorzystaniem klasycznej metody PCA oraz dwóch rodzajów sieci neuronowych: jednokierunkowej, dwuwarstwowej sieci z uczeniem nadzorowanym i jednowarstwowej sieci z uczeniem nienadzorowanym. W każdym z przypadków przeanalizowano wpływ struktury modelu PCA na wartości współczynnika kompresji oraz średniokwadratowego błędu kompresji.

EN

In the paper, lossy data compression techniques based on the principal component analysis (PCA) are considered on the example of image compression. The presented task is performed using the classical PCA method based on the eigen-decomposition of the image covari-ance matrix as well as two different kinds of artificial neural networks. The first neural structure used is a two-layer feed-forward network with supervised learning shown in Fig.1, while the second one is a single-layered network with unsupervised Hebbian learning. In each case considered, the effect of the PCA model structure on the data compression ratio and the mean square reconstruction error is analysed. The compression results for a Hebbian neural network with K=4 PCA units are presented in Figs. 2, 3 and 4. They show that only 4 eigenvectors are able to capture the main features of the processed image, giving as a result high value of the data compression ratio. However, the reconstructed image quality is not sufficient from a practical point of view. Therefore, selection of the appropriate value for K should take into account the tradeoff between a sufficiently high value for the compression ratio and a reasonably low value for the image reconstruction error. The summary results for both classical and neural PCA compression approaches obtained for different number of eigenvectors (neurons) are compared in Fig. 5. The author concludes that a positive aspect of using neural networks as a tool for extracting principal components from the image data is that they do not require calculating the correlation matrix explicitly, as in the case of the classical PCA-based approach.

5

Niektóre osobliwości aproksymacji neuronowej na przykładzie odwrotnego zadania kinematyki

100%

Bartecki K.

Pomiary Automatyka Kontrola

|

2010

|

tom R. 56, nr 6

589-592

PL

W artykule wskazano na pewne charakterystyczne aspekty związane z zastosowaniem jednokierunkowych sieci neuronowych jako uniwersalnych układów aproksymujących złożone zależności nieliniowe. Zaprezentowany przykład dotyczy klasycznego problemu z dziedziny robotyki -tzw. odwrotnego zadania kinematyki. Zademonstrowano wpływ właściwego doboru struktury sieci, jej algorytmu uczenia oraz wzorców uczących na jakość aproksymacji neuronowej.

EN

Characteristic features of feedforward artificial neural networks, acting as universal function approximators, are presented. The problem under consideration concerns inverse kinematics of a two-link planar manipulator (Fig. 1). As shown in this paper, a two-layer, feedforward neural network is able to learn the nonlinear mapping between the end effector position domain and the joint angle domain of the manipulator (Fig. 2). However, a necessary condition for achieving the required approximation quality is proper selection of the network structure, especially with respect to the number of nonlinear, sigmoidal units in its hidden layer. Using too few neurons in this layer results in underfitting (Fig. 3), while too many neurons bring the problem of overfitting (Figs 6 and 7). The effect of learning algorithm efficiency as well as proper choice of learning data set on the network performance is also demonstrated (Fig. 8). Apart from the general conclusions concerning neural approximation, the presented results show also the possibility of neural control of robotic manipulator trajectory.

6

Transfer function–based impulse response analysis for a class of hyperbolic systems of balance laws

100%

Bartecki K.

Control and Cybernetics

|

2015

|

tom Vol. 44, no. 3

327--355

EN

Results of the impulse response analysis for a class of dynamical systems, described by two weakly coupled linear partial diﬀerential equations of hyperbolic type, deﬁned on a one-dimensional spatial domain are presented. For the case of two boundary inputs of the Dirichlet type, the analytical expressions for the impulse response functions are derived based on the inverse Laplace trans form of the 2×2 transfer function matrix of the system. The inﬂuence of the boundary inputs conﬁguration on the impulse response functions is demonstrated. The considerations are illustrated with a practical example of a thin-walled double-pipe heat exchanger operating in parallel- and countercurrent-ﬂow modes, which correspond to the analyzed boundary conditions.

7

Transmitancje operatorowe pewnej klasy układów typu hiperbolicznego z wejściami brzegowymi

100%

Bartecki K.

Pomiary Automatyka Kontrola

|

2014

|

tom R. 60, nr 1

49--52

PL

W artykule przedstawiono ogólną postać transmitancji operatorowych pewnej klasy układów o parametrach rozłożonych, opisanych dwoma równaniami różniczkowymi cząstkowymi typu hiperbolicznego. Zakładając istnienie w układzie dwóch wejść o charakterze wymuszeń brzegowych typu Dirichleta oraz dwóch wyjść rozłożonych wzdłuż osi zmiennej przestrzennej, przedstawiono wyrażenia opisujące transmitancje operatorowe układu dla dwóch różnych konfiguracji sygnałów wejściowych. Rozważania zilustrowano praktycznym przykładem wymiennika ciepła pracującego w układach: współ- oraz przeciwprądowym.

EN

Transfer function models for a class of distributed parameter systems described by the two hyperbolic partial differential equations defined on a one-dimensional finite spatial domain are considered. Assuming two boundary inputs of Dirichlet type, the closed-form expressions for the individual elements of the 22 transfer function matrix are proposed based on the decoupled canonical representation of the system. The influence of the location of the boundary inputs on the transfer function representation is demonstrated for two different input configurations. The first one is the so-called congruent arrangement, for which both inputs act on the system at the same spatial position, l=0 (Fig. 1). The second one is the incongruent arrangement, where both inputs act on the system at its opposite ends, l=0 and l=L, respectively (Fig. 2). The considerations are illustrated with a practical example of a shell and tube heat exchanger operating in parallel- and countercurrent-flow modes (Fig. 3), which correspond to the two abovementioned boundary input configurations. Based on the transfer function model, both frequency and time responses of the system can be determined, which can be useful e.g. in the case of the model-based fault detection scheme.

8

Implementacja sztucznej sieci neuronowej w architekturze równoległej z wykorzystaniem protokołu MPI

63%

Bartecki K. , Czorny M.

Pomiary Automatyka Kontrola

|

2011

|

tom R. 57, nr 6

638-640

PL

W artykule wskazano na pewne aspekty związane z implementacją jednokierunkowej sieci neuronowej w architekturze równoległej z wykorzystaniem standardu przesyłania komunikatów MPI. Zaprezentowany przykład zastosowania sieci dotyczy klasycznego problemu aproksymacji funkcji. Zbadano wpływ liczby uruchamianych procesów na efektywność procedury uczenia i działania sieci oraz zademonstrowano negatywny wpływ opóźnień powstałych przy przesyłaniu danych za pomocą sieci LAN.

EN

In the paper some characteristic features concerning feed-forward neural network implementation in parallel computer architecture using MPI communication protocol are investigated. Two fundamental methods of neural network parallelization are described: neural (Fig. 1) as well as synaptic parallelization (Fig. 2). Based on the presented methods, an original application implementing feed-forward multilayer neural network was built. The application includes: a Java runtime interface (Fig. 3) and a computational module based on the MPI communication protocol. The simulation tests consisted in neural network application to classical problem of nonlinear function approximation. Effect of the number of processes on the network learning efficiency was examined (Fig. 4, Tab. 1). The negative effect of transmission time delays in the LAN is also demonstrated in the paper. The authors conclude that computational advantages of neural networks parallelization on a heterogeneous cluster consisting of several personal computers will become apparent only in the case of very complex neural networks, composed of many thousands of neurons.

9

Estimation of driving characteristics by the application of elman's recurrent neural network

63%

Augustynowicz A. , Bartecki K.

Archives of Transport

|

2006

|

tom Vol. 18, iss. 4

5-13

EN

In this paper, a method of estimating different driving characteristics is presented. Elman's recurrent neural network is proposed to be used as a dynamical model of the driver's type, based on the active accelerator pedal position and other signals. The results can be treated as the first step towards further investigations.

PL

W artykule zaproponowano metodę klasyfikacji stylu jazdy kierowcy, wykorzystującą zdolność częściowo rekurencyjnej sieci Elmana do modelowania ciągów czasowych. W omawianym przypadku zadaniem sieci jest określenie bieżącego stylu jazdy na podstawie czterech zmieniających się w czasie sygnałów wejściowych, reprezentujących: położenie pedału przyspieszenia, prędkość i przyspieszenie samochodu oraz prędkość obrotową silnika. Wartość sygnału wyjściowego sieci decyduje o przynależności aktualnego stylu jazdy do jednej z trzech predefiniowanych kategorii, określonych jako: "spokojna", "neutralna" oraz "aktywna". Przedstawiona metoda może służyć do opracowania efektywnych algorytmów sterowania napędem samochodu osobowego.

10

Prawne aspekty wykorzystania metod sztucznej inteligencji dla potrzeb identyfikacji i sterowania procesami przemysłowymi

51%

Rojek R. , Bartecki K. , Korniak J.

|

2006

|

tom Vol. 317, z. 57

115-131

PL

W artykule przedstawiono wybrane aspekty zastosowania metod sztucznej inteligencji w zagadnieniach automatyki. Zawarto ogólny przegląd metod identyfikacji i sterowania opartych na sztucznych sieciach neuronowych. Wskazano także na możliwość wykorzystania logiki rozmytej do optymalizacji pracy układu napędowego samochodu.

EN

In this paper, some issues concerning application of neural networks and fuzzy logic in automatic control are presented. Neural identification and control methods are briefly reviewed. Fuzzy logic approach to powertrain control of a passenger car is also shown.

11

Wyznaczanie kluczowych wskaźników wydajności procesu produkcyjnego - część I: badania teoretyczne

51%

Bartecki K. , Król D. , Skowroński J.

Pomiary Automatyka Robotyka

|

2018

|

tom R. 22, nr 3

5--13

PL

Kluczowe wskaźniki wydajności są zdefiniowane jako zestaw metryk umożliwiających ocenę różnych aspektów funkcjonowania procesu produkcyjnego. Należą do nich m.in. takie wskaźniki, jak przepustowość linii produkcyjnej, dostępność oraz wydajność maszyn i ich operatorów, czy też jakość wytwarzanych produktów. W pierwszej części artykułu omówiono hierarchiczną, trójpoziomową strukturę wskaźników wydajności, zgodnie z którą wartości wskaźników podstawowych wyznaczane są na podstawie wskaźników bezpośrednich, na które składają się planowane wielkości charakteryzujące proces produkcyjny oraz ich wartości rzeczywiste, zmierzone bezpośrednio na stanowiskach produkcyjnych. Opierając się na wartościach wskaźników podstawowych, wyznaczane są następnie wartości wskaźników złożonych, umożliwiających syntetyczną ocenę efektywności wykorzystania maszyn oraz zasobów ludzkich zaangażowanych w proces produkcyjny. Znajomość wartości tych wskaźników umożliwia analizę bieżącej kondycji procesu produkcyjnego oraz podjęcie ewentualnych działań naprawczych. Wyniki badań przemysłowych, polegających na oryginalnej implementacji przedstawionej metody zostaną omówione w drugiej części artykułu.

EN

Key performance indicators are defined as a set of metrics allowing assessment of the production process performance. These metrics include e.g. throughput of the production line, availability and effectiveness of the machines and their operators, as well as the quality of manufactured products. The first part of the paper discusses a hierarchical, three-level structure of the performance indicators in which the values of the so-called basic indicators are determined both based on the production plans as well as from the measurements carried out directly at the production units. Based on the values of the basic indicators, the values of the comprehensive indicators are determined to be used as a synthetic assessment of the effectiveness of the use of machines and human resources. These indicators allow gathering knowledge on the current condition of the production process as well as taking possible corrective actions aimed at improving its functioning. The results of the industrial research based on the original implementation of the presented theory will be discussed in the second part of the paper.