Informacja

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

Wyszukujesz frazę "Tiliouine, H." wg kryterium: Wszystkie pola


Wyświetlanie 1-4 z 4
Tytuł:
Intelligent Turbogenerator Controller Based On Artificial Neural Network
Inteligentny regulator turbogeneratora oparty na sieci neuronowej
Autorzy:
Tiliouine, H.
Powiązania:
https://bibliotekanauki.pl/articles/157331.pdf
Data publikacji:
2011
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
regulator napięcia
stabilizator systemowy
turbogenerator
sieci neuronowe
neural network
voltage controller
power system stabilizer
Opis:
The paper presents a design of an intelligent controller based on neural network (ICNN). The ICNN ensures at the same time two fundamental functions: the maintaining of generator voltage at the desired value and the damping of the electromechanical oscillations. Its performance is evaluated on a single machine infinite bus power system through computer simulations. The dynamic and transient operation of the proposed controller is compared with the operation of the conventional excitation control system composed of a conventional automatic voltage regulator (CAVR) and a conventional power system stabilizer (CPSS) as recommended in the IEEE standard. The proposed ICNN exhibits better performance.
W artykule przedstawiono projekt inteligentnego regulatora opartego na sieci neuronowej, przeznaczonego do sterowania generatorem synchronicznym pracującym w systemie elektroenergetycznym. Proponowany regulator realizuje jednocześnie dwie podstawowe funkcje: utrzymanie napięcia generatora na zadanej wartości oraz tłumienie kołysań elektromechanicznych. Regulator zbudowany jest w oparciu dwie sieci neuronowe: Emulator (lub Identyfikator) i właściwy regulator. Emulator wykorzystywany jest do predykcji parametrów wyjściowych generatora (napięcie, moc), a regulator minimalizuje zadaną funkcję celu. Efektywność regulatora została oceniona na podstawie badań symulacyjnych w układzie jednomaszynowym pracującym w systemie elektroenergetycznym. Dynamiczne działanie proponowanego regulatora porównano z dynamicznym działaniem klasycznego układu regulacji, składającego się z konwencjonalnego regulatora napięcia i konwencjonalnego stabilizatora systemowego - zgodnie z zaleceniami standardu IEEE. Na podstawie tego porównania stwierdzono, że proponowany regulator jest bardziej efektywny. Zapewnia duże tłumienie kołysań elektromechanicznych jednocześnie przy zapewnieniu szybkiej regulacji napięcia generatora. Dodatkowo ten regulator charakteryzuje się prostą strukturą.
Źródło:
Pomiary Automatyka Kontrola; 2011, R. 57, nr 3, 3; 244-248
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparative study of learning methods for artificial neural network
Badania porównawcze metod uczenia sieci neuronowej
Autorzy:
Tiliouine, H.
Powiązania:
https://bibliotekanauki.pl/articles/153863.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
metody uczenia
sieć neuronowa
neuronowy regulator napięcia
learning methods
artificial neural network (ANN)
neural voltage controller
Opis:
The paper presents a comparative study of various learning methods for artificial neural network. The methods are: the backpropagation BP, the recursive least squares RLS, the Zangwill's method ZGW and the method based on evolutionary algorithm EA. The study consists of evaluating the learning effectiveness of these methods and selecting the most efficient one to be used in the designing of an adaptive neural voltage controller for a synchronous generator.
W artykule przedstawiono wyniki badań porównawczych metod uczenia sieci neuronowych takich jak: metoda propagacji wstecznej błędów, rekurencyjna metoda najmniejszych kwadratów, metoda Zangwill'a, metoda algorytmów ewolucyjnych. Celem tych badań jest dobieranie najefektywniejszej metody uczenia do projektowania adaptacyjnego neuronowego regulatora napięcia generatora synchronicznego.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 4, 4; 117-121
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Transient stability improvement of turbogenerator using fuzzy control
Poprawa stabilnosci dynamicznej turbogeneratora z wykorzystaniem sterowania rozmytego
Autorzy:
Tiliouine, H.
Powiązania:
https://bibliotekanauki.pl/articles/151996.pdf
Data publikacji:
2003
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
regulator rozmyty
rozmyty stabilizator systemowy
stabilność dynamiczna
turbogenerator
fuzzy controller
fuzzy power system stabilizer (PSS)
transient stability
Opis:
The paper develops an adaptive fuzzy control system for a turbogenerator. The control system consists of a voltage controller and a power system stabilizer. The parameters of the proposed control system were optimized using genetic algorithms and are updated on line to get an optimum performance of the power system. Simulation tests of the study power system due to three-phase short-circuit or small deviation of the infinite bus voltage is presented. Moreover, a comparison between the power system response using fuzzy control strategy and conventional control is obtained.
W artykule omówiono model rozmytego i adaptacyjnego układu regulacji turbogeneratora. Model ten składa się z: regulatora napięcia i stabilizatora systemowego. Parametry proponowanego modelu układu regulacji zostały zoptymalizowane wykorzystując algorytm genetyczny i są dostrajane w czasie pracy turbozespołu w celu uzyskania optymalnego stanu pracy. Przedstawiono badania symulacyjne przejętego układu jednomaszynowego przy trójfazowym zwarciu i małym zakłóceniu napięcia. Poza tym, porównano wyniki symulacji uzyskane z rozmytym i klasycznym układem regulacji.
Źródło:
Pomiary Automatyka Kontrola; 2003, R. 49, nr 12, 12; 51-53
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Adaptive neural voltage controller with tunable activation gain
Adaptacyjny neuronowy regulator napięcia z nastrojonym współczynnikiem wzmocnienia funkcji przynależności
Autorzy:
Tiliouine, H.
Powiązania:
https://bibliotekanauki.pl/articles/153867.pdf
Data publikacji:
2007
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
turbogenerator
adaptacyjny neuronowy regulator napięcia
współczynnik wzmocnienia aktywacji
adaptive neural voltage controller (ANVC)
activation gain
Opis:
In this paper an adaptive neural voltage controller (ANVC) for turbogenerator, with tunable activation function gain is developed. It combines both traditional neural model and neural model with activation gain depending on the operating conditions of the plant. Simulation results evaluating the performance of the ANVC under different operating conditions and disturbances are presented. These results are compared to that obtained with a fixed activation gain neural controller (the traditional one) and to that obtained with conventional (analog) controller.
W artykule przedstawiono model adaptacyjnego neuronowego regulatora napięcia dla turbogeneratora z nastrojonym współczynnikiem wzmocnienia funkcji przynależności. Ten model jest kombinacją klasycznego neurono-wego modelu i neuronowego modelu z współczynnikiem wzmocnienia funkcji przynależności zależnym od warunków pracy obiektu. Przedsta-wiono, także wyniki symulacji mające na celu badania efektywności proponowanego regulatora dla różnych zakłóceń i różnych warunków pracy turbogeneratora. Te wyniki porównano z wynikami uzyskanymi z regula-torem o stałym współczynnikiem wzmocnienia funkcji przynależności oraz z wynikami uzyskanymi z regulatorem analogowym.
Źródło:
Pomiary Automatyka Kontrola; 2007, R. 53, nr 4, 4; 114-116
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    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