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 "Lawryńczuk, M." wg kryterium: Autor

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-6 z 6
    Tytuł:
    A family of model predictive control algorithms with artificial neural networks
    Autorzy:
    Ławryńczuk, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/929631.pdf
    Data publikacji:
    2007
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    sterowanie predykcyjne
    sieć neuronowa
    optymalizacja
    linearyzacja
    programowanie kwadratowe
    predictive control
    neural networks
    optimisation
    linearisation
    quadratic programming
    Opis:
    This paper details nonlinear Model-based Predictive Control (MPC) algorithms for MIMO processes modelled by means of neural networks of a feedforward structure. Two general MPC techniques are considered: the one with Nonlinear Optimisation (MPC-NO) and the one with Nonlinear Prediction and Linearisation (MPC-NPL). In the first case a nonlinear optimisation problem is solved in real time on-line. In order to reduce the computational burden, in the second case a neural model of the process is used on-line to determine local linearisation and a nonlinear free trajectory. Single-point and multi-point linearisation methods are discussed. The MPC-NPL structure is far more reliable and less computationally demanding in comparison with the MPC-NO one because it solves a quadratic programming problem, which can be done efficiently within a foreseeable time frame. At the same time, closed-loop performance of both algorithm classes is similar. Finally, a hybrid MPC algorithm with Nonlinear Prediction, Linearisation and Nonlinear optimisation (MPC-NPL-NO) is discussed.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2007, 17, 2; 217-232
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Efficient nonlinear predictive control based on structured neural models
    Autorzy:
    Ławryńczuk, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/907652.pdf
    Data publikacji:
    2009
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    sterowanie procesami
    sterowanie predykcyjne
    sieć neuronowa
    optymalizacja
    linearyzacja
    process control
    model predictive control
    neuron network
    optimisation
    linearisation
    Opis:
    This paper describes structured neural models and a computationally efficient (suboptimal) nonlinear Model Predictive Control (MPC) algorithm based on such models. The structured neural model has the ability to make future predictions of the process without being used recursively. Thanks to the nature of the model, the prediction error is not propagated. This is particularly important in the case of noise and underparameterisation. Structured models have much better long-range prediction accuracy than the corresponding classical Nonlinear Auto Regressive with eXternal input (NARX) models. The described suboptimal MPC algorithm needs solving on-line only a quadratic programming problem. Nevertheless, it gives closed-loop control performance similar to that obtained in fully-fledged nonlinear MPC, which hinges on online nonconvex optimisation. In order to demonstrate the advantages of structured models as well as the accuracy of the suboptimal MPC algorithm, a polymerisation reactor is studied.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2009, 19, 2; 233-246
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Nonlinear predictive control based on neural multi-models
    Autorzy:
    Ławryńczuk, M.
    Tatjewski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/907773.pdf
    Data publikacji:
    2010
    Wydawca:
    Uniwersytet Zielonogórski. Oficyna Wydawnicza
    Tematy:
    sterowanie procesami
    sterowanie predykcyjne
    sieć neuronowa
    optymalizacja
    linearyzacja
    process control
    model predictive control
    neural networks
    optimisation
    linearisation
    Opis:
    This paper discusses neural multi-models based on Multi Layer Perceptron (MLP) networks and a computationally efficient nonlinear Model Predictive Control (MPC) algorithm which uses such models. Thanks to the nature of the model it calculates future predictions without using previous predictions. This means that, unlike the classical Nonlinear Auto Regressive with eXternal input (NARX) model, the multi-model is not used recurrently in MPC, and the prediction error is not propagated. In order to avoid nonlinear optimisation, in the discussed suboptimal MPC algorithm the neural multi-model is linearised on-line and, as a result, the future control policy is found by solving of a quadratic programming problem.
    Źródło:
    International Journal of Applied Mathematics and Computer Science; 2010, 20, 1; 7-21
    1641-876X
    2083-8492
    Pojawia się w:
    International Journal of Applied Mathematics and Computer Science
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    A computationally efficient stable dual-mode type nonlinear predictive control algorithm
    Autorzy:
    Ławryńczuk, M.
    Tadej, W.
    Powiązania:
    https://bibliotekanauki.pl/articles/971003.pdf
    Data publikacji:
    2008
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    linearyzacja
    optymalizacja
    stabilność
    nonlinear model predictive control
    dual-mode model predictive control
    process control
    linearisation
    optimisation
    quadratic programming
    stability
    constraints
    terminal set
    Opis:
    This paper describes a computationally efficient (sub-optimal) nonlinear predictive control algorithm. The algorithm uses a modified dual-mode approach which guarantees closed-loop stability. In order to reduce the computational burden, instead of online nonlinear optimisation used in the classical dual-mode control scheme, a nonlinear model of the plant is linearised on-line and a quadratic programming problem is solved. Calculation of the terminal set and implementation steps of the algorithm are detailed, especially for input-output models, which are widely used in practice.
    Źródło:
    Control and Cybernetics; 2008, 37, 1; 99-132
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Struktury i algorytmy współdziałania regulacji predykcyjnej i bieżącej optymalizacji ekonomicznej
    Structures and algorithms of co-operation of predictive control and on-line economic optimisation
    Autorzy:
    Ławryńczuk, M.
    Marusak, P.
    Tatjewski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/153748.pdf
    Data publikacji:
    2007
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    regulacja predykcyjna
    optymalizacja
    aproksymacja
    linearyzacja
    systemy nieliniowe
    sterowanie z ograniczeniami
    predictive control
    optimisation
    approximation
    linearisation
    nonlinear control systems
    constrained control
    Opis:
    Celem pracy jest omówienie zagadnienia współpracy algorytmów regulacji predykcyjnej z nieliniową optymalizacją ekonomiczną. Problem ten jest szczególnie istotny wówczas, gdy dynamika zmian zakłóceń jest porównywalna z dynamiką procesu, ponieważ zastosowanie klasycznej warstwowej (hierarchicznej) struktury sterowania z rzadko powtarzaną optymalizacją ekonomiczną może nie być efektywne. Omawiane są dwie klasy struktur. W pierwszym przypadku stosuje się pomocniczą optymalizację ekonomiczną, której zadaniem jest aktualizacja punktu pracy poprzedzająca każdą interwencję algorytmu regulacji predykcyjnej. W dodatkowym liniowym lub kwadratowym zadaniu optymalizacji ekonomicznej stosuje się aktualizowaną na bieżąco liniową, liniowo-kwadratową lub odcinkowo-liniową aproksymację modelu. W drugim przypadku zadanie optymalizacji ekonomicznej i algorytm regulacji predykcyjnej są zintegrowane w pojedynczym problemie optymalizacji. Aby ograniczyć nakład obliczeń stosuje się aktualizowaną na bieżąco liniową lub liniowo-kwadratową aproksymację modelu, dzięki czemu otrzymuje się zadanie optymalizacji ekonomicznej w postaci problemu programowania kwadratowego.
    The paper is concerned with co-operation of model predictive control (MPC) algorithms with nonlinear economic optimisation. The problem is particularly important when dynamics of disturbances is comparable with dynamics of the process itself, since in such cases application of the classical multilayer (hierarchical) structure with infrequent economic optimisation may be not efficient. Two classes of control structures are investigated. In the first class an additional simplified optimisation is used which recalculates the operating point as frequently as the MPC controller executes. In the supplementary linear or quadratic programming optimisation problem approximate linear, linear-quadratic (updated on-line) or piecewise-linear models of the process are used. In the second class the economic optimisation and MPC manipulated variables computational load, approximate linear or linear-quadratic (updated on-line) models are used, then the resulting optimisation problem is of quadratic programming type.
    Źródło:
    Pomiary Automatyka Kontrola; 2007, R. 53, nr 10, 10; 55-61
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Cooperation of model predictive control with steady-state economic optimisation
    Autorzy:
    Ławryńczuk, M.
    Marusak, P. M.
    Tatjewski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/971007.pdf
    Data publikacji:
    2008
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    sterowanie optymalne
    optymalizacja
    predictive control
    optimal control
    optimisation
    economic steady-state optimisation
    nonlinear control systems
    constrained control
    Opis:
    The problem of cooperation of Model Predictive Control (MPC) algorithms with steady-state economic optimisation is investigated in this paper. It is particularly important when the dynamics of disturbances is comparable with the dynamics of the process, since in such a case the classical hierarchical multilayer structure is likely to be not efficient and give the economic yield smaller than expected. This is because the economic nonlinear optimisation problem cannot be then solved on-line to update the optimal operating point as frequently as needed. On the other hand, simple target set-point optimisation based on linear models can be also insufficiently accurate. This paper introduces approximate formulations of the target set-point optimisation problem which tightly cooperates with the MPC and is solved as frequently as the MPC controller executes. Linear, linear-quadratic and piecewise-linear formulations are discussed, tuning guidelines are also given.
    Źródło:
    Control and Cybernetics; 2008, 37, 1; 133-158
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-6 z 6

      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