Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "control network system" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Neural network simulation in running of acetic acid synthesis unit while start-up
    Nejjroetevoe modelirovanie dlja upravlenija kolonnojj sinteza uksusnojj kisloty v period puska
    Autorzy:
    Porkuian, O.
    Samojlova, Z.
    Powiązania:
    https://bibliotekanauki.pl/articles/792304.pdf
    Data publikacji:
    2013
    Wydawca:
    Komisja Motoryzacji i Energetyki Rolnictwa
    Tematy:
    neural network
    artificial neural network
    automated control system
    acetic acid
    MATLAB software
    Źródło:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa; 2013, 13, 3
    1641-7739
    Pojawia się w:
    Teka Komisji Motoryzacji i Energetyki Rolnictwa
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Active Noise Control Algorithm Based on a Neural Network and Nonlinear Input-Output System Identification Model
    Autorzy:
    Krukowicz, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/178040.pdf
    Data publikacji:
    2010
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    active noise control
    neural network
    system identification
    nonlinear phenomena
    Opis:
    The development of digital signal processors and the increase in their computing capabilities bring opportunities to employ algorithms with multiple variable parameters in active noise control systems. Of particular interest are the algorithms based on artificial neural networks. This paper presents an active noise control algorithm based on a neural network and a nonlinear input-output system identification model. The purpose of the algorithm is an active noise control system with a nonlinear primary path. The algorithm uses the NARMAX system identification model. The neural network employed in the proposed algorithm is a multilayer perceptron. The error backpropagation rule with adaptive learning rate is employed to update the weight of the neural network. The performance of the proposed algorithm has been tested by numerical simulations. Results for narrow-band input signals and nonlinear primary path are presented below.
    Źródło:
    Archives of Acoustics; 2010, 35, 2; 191-202
    0137-5075
    Pojawia się w:
    Archives of Acoustics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptive control scheme based on the least squares support vector machine network
    Autorzy:
    Mahmoud, T. K.
    Powiązania:
    https://bibliotekanauki.pl/articles/930155.pdf
    Data publikacji:
    2011
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    modelowanie systemu
    system nieliniowy
    system sterowania
    sieć neuronowa
    maszyna wektorów wspierających
    support vector machine (SVM)
    neural network
    nonlinear system modeling
    nonlinear system control
    pH control
    Opis:
    Recently, a new type of neural networks called Least Squares Support Vector Machines (LS-SVMs) has been receiving increasing attention in nonlinear system identification and control due to its generalization performance. This paper develops a stable adaptive control scheme using the LS-SVM network. The developed control scheme includes two parts: the identification part that uses a modified structure of LS-SVM neural networks called the multi-resolution wavelet least squares support vector machine network (MRWLS-SVM) as a predictor model, and the controller part that is developed to track a reference trajectory. By means of the Lyapunov stability criterion, stability analysis for the tracking errors is performed. Finally, simulation studies are performed to demonstrate the capability of the developed approach in controlling a pH process.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2011, 21, 4; 685-696
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Energy-efficient modes for management of biotechnical objects based on natural disturbances prediction
    Metody efektywnego energetycznie zarządzania obiektami biotechnicznymi na podstawie przewidywanych zakłóceń naturalnych
    Autorzy:
    Lysenko, V.
    Golovinskyi, B.
    Reshetiuk, V.
    Shcherbatiuk, V.
    Shtepa, V.
    Powiązania:
    https://bibliotekanauki.pl/articles/56247.pdf
    Data publikacji:
    2015
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Wydawnictwo Szkoły Głównej Gospodarstwa Wiejskiego w Warszawie
    Tematy:
    energy-efficient mode
    management
    biotechnical object
    control system
    statistical decision
    neural network
    agriculture
    Opis:
    Nowadays overwhelming majority of biotechnical objects in agriculture, such as poultry houses, greenhouses etc., function under the mode of stabilization of technological parameters (air temperature, humidity etc.). This approach leads to excess consumption of energy resources (electrical energy, natural gas). Intelligent control based on using different strategies (not only stabilization), prediction and consideration of natural disturbances on biotechnical objects, physiological features of biological objects (poultry, plants etc.) allows to reduce energy consumption. The paper presents specific knowledge concerning promising areas of control systems of biotechnical objects, methodological bases for specialized algorithmic-mathematical software construction based on the methods of game theory and statistical solutions, neural networks (including genetic algorithm), filtering the noise components of information signals.
    Aktualnie większość biotechnicznych obiektów w rolnictwie, takich jak kurniki, szklarnie i inne, funkcjonują z uwzględnieniem metody stabilizacji technologicznych parametrów środowiska (temperatura powietrza, wilgotność powietrza itp.). Takie podejście prowadzi do nadmiernego zużycia źródeł energii (energii elektrycznej, gazu). Inteligentna kontrola i sterowanie bazujące na wykorzystaniu różnych strategii (nie tylko strategii stabilizacji), przewidywaniu i uwzględnianiu naturalnych zakłóceń w obiektach biotechnicznych, a także fizjologicznych cech obiektów biologicznych (drób, materiał roślinny itp.) pozwalają na zmniejszenie zużycia energii. W artykule przedstawiono szczegółową wiedzę dotyczącą obszarów włączenia systemów kontroli obiektów biotechnicznych, metodologicznie bazujących na specjalistycznym oprogramowaniu algorytmiczno-matematycznym z uwzględnieniem metod teorii gier i statystycznych rozwiązań, sieci neuronowych (uwzględniając algorytm genetyczny) filtrujących elementy składowe sygnałów informacyjnych.
    Źródło:
    Annals of Warsaw University of Life Sciences - SGGW. Agriculture; 2015, 65 Agric.Forest Eng.
    0208-5712
    Pojawia się w:
    Annals of Warsaw University of Life Sciences - SGGW. Agriculture
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Input constraints handling in an MPC/feedback linearization scheme
    Autorzy:
    Deng, J.
    Becerra, V. M.
    Stobart, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/907653.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    sterowanie predykcyjne
    sterowanie odwrotne
    sieć neuronowa
    system nieliniowy
    predictive control
    feedback linearization
    neural network
    nonlinear system
    constraints
    Opis:
    The combination of model predictive control based on linear models (MPC) with feedback linearization (FL) has attracted interest for a number of years, giving rise to MPC+FL control schemes. An important advantage of such schemes is that feedback linearizable plants can be controlled with a linear predictive controller with a fixed model. Handling input constraints within such schemes is difficult since simple bound contraints on the input become state dependent because of the nonlinear transformation introduced by feedback linearization. This paper introduces a technique for handling input constraints within a real timeMPC/FL scheme, where the plant model employed is a class of dynamic neural networks. The technique is based on a simple affine transformation of the feasible area. A simulated case study is presented to illustrate the use and benefits of the technique.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2009, 19, 2; 219-232
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Mechatronic systems in mining roadheaders - examples of solutions
    Systemy mechatroniczne w górniczych kombajnach chodnikowych - przykłady rozwiązań
    Autorzy:
    Jasiulek, D.
    Świder, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/277124.pdf
    Data publikacji:
    2013
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    systemy mechatroniczne
    górniczy kombajn chodnikowy
    system sterowania
    sztuczna sieć neuronowa
    mechatronic systems
    mining roadheaders
    numerical techniques
    control system
    neural network
    Opis:
    In the process of control of mining machines the problems with development of a classical mathematical model describing phenomena that accompany operation of these machines are presented. These problems are the result of specificity of the process of driving the roadways and the direct reason to undertake trials to use artificial intelligence technologies in modelling of phenomena, which occur during rock-drivage of roadways. The following problems are presented in the paper: -state-of-the-art control systems used in roadheaders, -possibilities of use of artificial neural networks in control systems of mining machines (on the example of a roadheader), -model tests with use of data recorded during drivage of roadway with use of a roadheader, -determination of cutting resistance with use of an artificial neural network to determine the value of set angular speed of a roadheader’s cutter jib in the plane parallel to the roadway floor. Presented model tests are the result of R&D projects associated with designing of an intelligent control system of the roadheader, which are realized at the KOMAG Institute of Mining Technology and at the Faculty of Mechanical Engineering of the Silesian University of Technology.
    W procesie sterowania maszyn górniczych występuje wiele czynników, utrudniających przygotowanie klasycznego modelu matematycznego, opisującego zjawiska towarzyszące pracy maszyny. Problemy te, wynikające ze specyfiki procesu drążenia wyrobisk, są bezpośrednią przyczyną podejmowania prób zastosowania technik sztucznej inteligencji w modelowaniu zjawisk występujących w trakcie drążenia wyrobisk korytarzowych (tuneli). W artykule zaprezentowano: - badanie stanu wiedzy z zakresu systemów sterowania kombajnów chodnikowych, - możliwości zastosowania sztucznych sieci neuronowych w układach sterowania maszyn górniczych (na przykładzie kombajnu chodnikowego), - wyniki badań procesu drążenia wyrobiska kombajnem chodnikowym, - określenie oporów skrawania z wykorzystaniem sztucznej sieci neuronowej do wyznaczenia wartości prędkości kątowej wysięgnika kombajnu chodnikowego.
    Źródło:
    Pomiary Automatyka Robotyka; 2013, 17, 1; 121-127
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Energy efficient, multicriterion intelligent control system of the electrical regimes of arc steel-melting furnace
    Energooszczędny, wielokryterialny układ inteligentny do sterowania elektrycznymi stanami pracy pieca łukowego do topienia stali
    Autorzy:
    Lozinskyy, O. Yu.
    Lozinskyy, A. O.
    Paranchuk, R. Ya.
    Paranchuk, Ya. S.
    Powiązania:
    https://bibliotekanauki.pl/articles/194136.pdf
    Data publikacji:
    2009
    Wydawca:
    Politechnika Bydgoska im. Jana i Jędrzeja Śniadeckich. Wydawnictwo PB
    Tematy:
    piec łukowy do topienia stali
    sieć neuronowa
    układ sterowania
    arc steel-melting furnace
    neural network
    control system
    Opis:
    Hierarchical structure of a system of adaptive multicriterion control of a three-phase arc steel furnace electrical modes is proposed. Models of optimal control vector synthesis were developed. Adaptation of control is performed depending on technological stages, which are identified by neural network.
    W artykule zaproponowano hierarchiczną strukturę układu adaptacyjnego do wielokryterialnego sterowania stanami pracy trójfazowego pieca łukowego do topienia stali. Opracowano modele syntezy optymalnego wektora sterowania. Adaptacja sterowania dokonuje się w zależnośći od stadiów technologicznych topienia stali, które są identyfikowane za pomocą sieci neuronowej.
    Źródło:
    Zeszyty Naukowe. Elektrotechnika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy; 2009, 14; 5-16
    0209-0570
    Pojawia się w:
    Zeszyty Naukowe. Elektrotechnika / Uniwersytet Technologiczno-Przyrodniczy w Bydgoszczy
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Application of affine NARMA model to design of adaptive power system stabilizer
    Autorzy:
    Zhou, J.
    Ke, D.
    Chung, C. Y.
    Sun, Y.
    Powiązania:
    https://bibliotekanauki.pl/articles/327256.pdf
    Data publikacji:
    2018
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    adaptive control
    affine
    NARMA model
    neural network
    power system stabilizer
    PSS
    sterowanie adaptacyjne
    sieć neuronowa
    stabilizator systemu zasilania
    Opis:
    An affine nonlinear autoregressive moving average (NARMA) model is derived from the neural network (NN) based general NARMA model in this paper, by using Taylor series expansion. The predictive error of this affine NARMA model will be quite acceptable, at least for the control purpose, if the amplitude of control input is properly limited. Therefore, an adaptive control scheme based on this model is proposed and applied to the design of adaptive power system stabilizer (APSS) since the amplitude of PSS output is usually well limited. The feature of this control scheme is that the control input can be online analytically obtained. Thus, comparing to the traditional NN based APSS (TAPSS), the affine NARMA model based APSS (AAPSS) does not need the training of a NN as neuro-controller, which may be a troublesome and time consuming step during the design. Moreover, the AAPSS can generally perform better than the TAPSS. Simulation studies on a single machine infinite bus system and a multi-machine system show that the AAPSSs can consistently well perform to damp electromechanical oscillations in the systems over a wide range of operating conditions.
    Źródło:
    Diagnostyka; 2018, 19, 2; 105-114
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies