Temat: Predictive - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Suboptimal Non-linear Predictive Control Based on MLP and RBF Neural Models with Measured Disturbance Compensation
Autorzy:: Ławryńczuk, M.
Powiązania:: https://bibliotekanauki.pl/articles/384285.pdf
Data publikacji:: 2008
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: predictive control
neural networks
linearisation
quadratic programming
Opis:: This paper is concerned with a computationally efficient (suboptimal) non-linear Model Predictive Control (MPC) algorithm based on two types of neural models: Multilayer Perceptron (MLP) and Radial Basis Function (RBF) structures. The model takes into account not only controlled but also the uncontrolled input of the process, i.e. the measured disturbance. The algorithm is computationally efficient, because it results in a quadratic programming problem, which can be effectively solved on-line by means of a numerically reliable software subroutine. Moreover, the algorithm gives good closed-loop control performance, comparable to that obtained in the fully-fledged non-linear MPC technique, which hinges on non-linear, usually non-convex optimisation.
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2008, 2, 2; 54-64
1897-8649
2080-2145
Pojawia się w:: Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Fault Sensitivity of Explicit DMC and GPC Algorithms
Autorzy:: Gawkowski, P.
Ławryńczuk, M.
Marusak, P.
Powiązania:: https://bibliotekanauki.pl/articles/384867.pdf
Data publikacji:: 2009
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: dependability
fault injection
process control
predictive control
Opis:: This paper studies dependability of software implementation of DMC (Dynamic Matrix Control) and GPC (Generalised Predictive Control) Model Predictive Control (MPC) algorithms. Explicit formulation of algorithms is considered in which the control laws are calculated off-line. Dependability is evaluated using software implemented fault injection approach. Tests are performed in the control system of a remotely controlled robot vehicle used in nuclear plants.
Źródło:: Journal of Automation Mobile Robotics and Intelligent Systems; 2009, 3, 1; 52-56
1897-8649
2080-2145
Pojawia się w:: Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

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

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Efektywny obliczeniowo algorytm wielowymiarowej regulacji predykcyjnej dla modeli typu wejście-wyjście
A computationally efficient multivariable predictive control algorithm for input-output models
Autorzy:: Ławryńczuk, M.
Tatjewski, P.
Powiązania:: https://bibliotekanauki.pl/articles/154561.pdf
Data publikacji:: 2003
Wydawca:: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:: regulacja predykcyjna
modele liniowe
metoda najmniejszych kwadratów
model predictive control
least squares method
Opis:: W pracy przedstawiono kompletne wyprowadzenie algorytmu regulacji predykcyjnej wielowymiarowych procesów liniowych modelowanych za pomocą dyskretnych równań różnicowych. W przeciwieństwie do algorytmu GPC, prognozowana trajektoria wymuszona i swobodna sygnałów wyjściowych wyznaczana jest bez potrzeby rozwiązania macierzowego równania diofantycznego. W przypadku braku ograniczeń zmiennych procesowych zadanie optymalizacji funkcji kryterialnej rozwiązuje się numerycznie efektywną metodą najmniejszych kwadratów. Omówiono również sposób wyprowadzenia analitycznego przwa regulacji.
This paper develops a predictive control algorithm for multivariable processes modelled by means of linear input-output models. Unlike the GPC algorithm, predicted forced and free trajectories are calculated without the necessity of solving a matrix Diophantine equation. In the unconstrained case the optimal input profile, using a numerically reliable least-squares method, is derived as an analytical formula, calculated beforehand.
Źródło:: Pomiary Automatyka Kontrola; 2003, R. 49, nr 9, 9; 10-14
0032-4140
Pojawia się w:: Pomiary Automatyka Kontrola
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: Elman neural network for modeling and predictive control of delayed dynamic systems
Autorzy:: Wysocki, A.
Ławryńczuk, M.
Powiązania:: https://bibliotekanauki.pl/articles/229646.pdf
Data publikacji:: 2016
Wydawca:: Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:: dynamic models
process control
model predictive control
neural networks
Elman neural network
delayed systems
Opis:: The objective of this paper is to present a modified structure and a training algorithm of the recurrent Elman neural network which makes it possible to explicitly take into account the time-delay of the process and a Model Predictive Control (MPC) algorithm for such a network. In MPC the predicted output trajectory is repeatedly linearized on-line along the future input trajectory, which leads to a quadratic optimization problem, nonlinear optimization is not necessary. A strongly nonlinear benchmark process (a simulated neutralization reactor) is considered to show advantages of the modified Elman neural network and the discussed MPC algorithm. The modified neural model is more precise and has a lower number of parameters in comparison with the classical Elman structure. The discussed MPC algorithm with on-line linearization gives similar trajectories as MPC with nonlinear optimization repeated at each sampling instant.
Źródło:: Archives of Control Sciences; 2016, 26, 1; 117-142
1230-2384
Pojawia się w:: Archives of Control Sciences
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 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

Zmień widok

na półce

Skocz do pozycji: 7.

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

Zmień widok

na półce

Skocz do pozycji: 8.

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

Zmień widok

na półce

Skocz do pozycji: 9.

Tytuł:: An infinite horizon predictive control algorithm based on multivariable input-output models
Autorzy:: Ławryńczuk, M.
Tatjewski, P.
Powiązania:: https://bibliotekanauki.pl/articles/907410.pdf
Data publikacji:: 2004
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: sterowanie predykcyjne
horyzont nieskończony
programowanie kwadratowe
model predictive control
stability
infinite horizon
singular value decomposition
quadratic programming
Opis:: In this paper an infinite horizon predictive control algorithm, for which closed loop stability is guaranteed, is developed in the framework of multivariable linear input-output models. The original infinite dimensional optimisation problem is transformed into a finite dimensional one with a penalty term. In the unconstrained case the stabilising control law, using a numerically reliable SVD decomposition, is derived as an analytical formula, calculated off-line. Considering constraints needs solving on-line a quadratic programming problem. Additionally, it is shown how free and forced responses can be calculated without the necessity of solving a matrix Diophantine equation.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2004, 14, 2; 167-180
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: 10.

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

Zmień widok

na półce

Skocz do pozycji: 11.

Tytuł:: Stanowisko laboratoryjne do badania wielowymiarowych algorytmów regulacji
Laboratory stand for the study of multivariable control algorithms
Autorzy:: Wojtulewicz, A.
Chaber, P.
Ławryńczuk, M.
Powiązania:: https://bibliotekanauki.pl/articles/274995.pdf
Data publikacji:: 2015
Wydawca:: Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:: regulacja predykcyjna
procesy wielowymiarowe
systemy wbudowane
mikroprocesory
układy FPGA
predictive control
multiple-input multiple-output processes
embedded systems
microprocessors
FPGAs
Opis:: W pracy opisano projekt i realizację stanowiska laboratoryjnego do testowania algorytmów regulacji. Przedstawiono budowę mechaniczną oraz elektroniczną. Omówiono funkcje programowe umożliwiające sterowanie procesem. Podkreślono uniwersalność stanowiska, która polega na szerokich możliwościach konfiguracji, gdyż można badać prosty proces jednowymiarowy oraz skomplikowane procesy wielowymiarowe. Opisano możliwości zastosowania stanowiska, w szczególności do testowania algorytmów regulacji zaimplementowanych w systemach wbudowanych, wykorzystujących mikroprocesory, układy FPGA oraz sterowniki PLC. Omówiono przykład regulacji procesu za pomocą algorytmu regulacji predykcyjnej zaimplementowanego na mikroprocesorze.
The article describes the design and implementation of a laboratory test-bench which may be used to evaluate control algorithms. Mechanical and electronic details are presented. The software features that allow to control the test-bench are discussed. The test-bench is very flexible since it may be easily configured to act as a single-input single-output process and as a number of complicated multiple-input multiple-output processes. Existing possibilities of development of control algorithms implemented on embedded systems based on microprocessors, FPGAs and PLCs are discussed. Finally, an example implementation of a model predictive control algorithm on a microprocessor is detailed.
Źródło:: Pomiary Automatyka Robotyka; 2015, 19, 4; 15-20
1427-9126
Pojawia się w:: Pomiary Automatyka Robotyka
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 12.

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

Zmień widok

na półce

Skocz do pozycji: 13.

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: 14.

Tytuł:: Nonlinear state-space predictive control with on-line linearisation and state estimation
Autorzy:: Ławryńczuk, M.
Powiązania:: https://bibliotekanauki.pl/articles/330330.pdf
Data publikacji:: 2015
Wydawca:: Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:: process control
model predictive control
nonlinear state space model
extended Kalman filter
online linearization
proces sterowania
model sterowania predykcyjnego
model przestrzeni stanów
rozszerzony filtr Kalmana
Opis:: This paper describes computationally efficient model predictive control (MPC) algorithms for nonlinear dynamic systems represented by discrete-time state-space models. Two approaches are detailed: in the first one the model is successively linearised on-line and used for prediction, while in the second one a linear approximation of the future process trajectory is directly found on-line. In both the cases, as a result of linearisation, the future control policy is calculated by means of quadratic optimisation. For state estimation, the extended Kalman filter is used. The discussed MPC algorithms, although disturbance state observers are not used, are able to compensate for deterministic constant-type external and internal disturbances. In order to illustrate implementation steps and compare the efficiency of the algorithms, a polymerisation reactor benchmark system is considered. In particular, the described MPC algorithms with on-line linearisation are compared with a truly nonlinear MPC approach with nonlinear optimisation repeated at each sampling instant.
Źródło:: International Journal of Applied Mathematics and Computer Science; 2015, 25, 4; 833-847
1641-876X
2083-8492
Pojawia się w:: International Journal of Applied Mathematics and Computer Science
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "Predictive" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język