Temat: fuzzy control systems - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Sterowanie procesem destylacji z wykorzystaniem regulatorów rozmytych
Control of distillation process using fuzzy controllers
Autorzy:: Grzelak, A.
Konkel, M.
Piotrowski, R.
Powiązania:: https://bibliotekanauki.pl/articles/277616.pdf
Data publikacji:: 2013
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: modelowanie matematyczne
system nieliniowy
sterowanie rozmyte
kolumna destylacyjna
mathematical modeling
nonlinear systems
fuzzy control systems
distillation column
Opis:: Proces destylacji jest popularnym przemysłowym sposobem rozdziału ciekłych mieszanin wieloskładnikowych. W artykule rozważana jest mieszanina etanol-woda, będąca powszechnie destylowanym produktem. Celem artykułu jest omówienie procesu projektowania i symulacyjnej analizy działania trzech układów sterowania kolumną rektyfikacyjną z wykorzystaniem rozmytych regulatorów: P, PD i PI.
Distillation is the most common unit operations in different branches of industry. In the paper a two product distillation process is considered (ethanol-water). The paper presents mathematical model of distillation column. Next, the three fuzzy controllers (P, PD, PI) are designed and implemented in MATLAB/Simulink environment. Finally, the results of simulation and a critical analysis are presented.
Źródło:: Pomiary Automatyka Robotyka; 2013, 17, 10; 172-181
1427-9126
Pojawia się w:: Pomiary Automatyka Robotyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Soft computing in model-based predictive control
Autorzy:: Tatjewski, P.
Ławryńczuk, M.
Powiązania:: https://bibliotekanauki.pl/articles/908473.pdf
Data publikacji:: 2006
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: sterowanie procesami
sterowanie predykcyjne
system nieliniowy
system rozmyty
sieć neuronowa
process control
model predictive control
nonlinear systems
fuzzy systems
neural networks
Opis:: The application of fuzzy reasoning techniques and neural network structures to model-based predictive control (MPC) is studied. First, basic structures of MPC algorithms are reviewed. Then, applications of fuzzy systems of the Takagi-Sugeno type in explicit and numerical nonlinear MPC algorithms are presented. Next, many techniques using neural network modeling to improve structural or computational properties of MPC algorithms are presented and discussed, from a neural network model of a process in standard MPC structures to modeling parts or entire MPC controllers with neural networks. Finally, a simulation example and conclusions are given.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2006, 16, 1; 7-26
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Robustifying analysis of the direct adaptive control of unknown multivariable nonlinear systems based on a new neuro-fuzzy method
Autorzy:: Theodoridis, D. C.
Boutalis, Y.S.
Christodoulou, M. A.
Powiązania:: https://bibliotekanauki.pl/articles/91598.pdf
Data publikacji:: 2011
Wydawca:: Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:: nonlinear systems
control
neuro-fuzzy dynamical system
fuzzy systems
FS
fuzzy recurrent high order neural network
F-RHONN
adaptive regulator
parameter
“Hopping”
“Modified Hopping”
modeling errors
asymptotic regulation
Opis:: In this paper, we are dealing with the problem of directly regulating unknown multivariable affine in the control nonlinear systems and its robustness analysis. The method employs a new Neuro-Fuzzy Dynamical System definition, which uses the concept of Fuzzy Systems (FS) operating in conjunction with High Order Neural Networks. In this way the unknown plant is modeled by a fuzzy - recurrent high order neural network structure (F-RHONN), which is of the known structure considering the neglected nonlinearities. The development is combined with a sensitivity analysis of the closed loop in the presence of modeling imperfections and provides a comprehensive and rigorous analysis showing that our adaptive regulator can guarantee the convergence of states to zero or at least uniform ultimate boundedness of all signals in the closed loop when a not-necessarily-known modeling error is applied. The existence and boundedness of the control signal is always assured by employing a method of parameter “Hopping” and “Modified Hopping”, which appears in the weight updating laws. Simulations illustrate the potency of the method showing that by following the proposed procedure one can obtain asymptotic regulation despite the presence of modeling errors. Comparisons are also made to simple recurrent high order neural network (RHONN) controllers, showing that our approach is superior to the case of simple RHONN’s.
Źródło:: Journal of Artificial Intelligence and Soft Computing Research; 2011, 1, 1; 59-79
2083-2567
2449-6499
Pojawia się w:: Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "fuzzy control systems" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język