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 "neural controller" wg kryterium: Wszystkie pola

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 27
Tytuł:
Indirect adaptive neural controller of nonlinear systems using auto-tuning neuron
Autorzy:
Chang, W.-D.
Hwang, R.-C.
Hsieh, J.-G.
Powiązania:
https://bibliotekanauki.pl/articles/206236.pdf
Data publikacji:
2003
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
sterowanie adaptacyjne pośrednie
podejście Lapunowa
sterowanie nadzorcze
mechanizm adaptacyjny
auto-tuning neuron
indirect adaptive control
Lyapunov approach
supervisory control
adaptation mechanism
Opis:
In this paper, a novel indirect adaptive neural controller using only two auto-tuning neurons is developed for a class of nonlinear systems. Unlike traditional multi-layered neural controllers, the structure of the proposed controller is very simple and practicable. There are three adjustable parameters in each auto-tuning neuron. Two such auto-tuning neurons used in our proposed indirect adaptive controller are used to track on-line the desired signal. The adaptation law for adjusting these parameters is developed based on the Lyapunov approach. Moreover, the stability of the overall closed-loop system can be analyzed and guaranteed by introducing the additional supervisory controller and the technique of modified adaptation law with projection. Finally, the tracking control of the inverted pendulum system is presented to illustrate the proposed method.
Źródło:
Control and Cybernetics; 2003, 32, 2; 313-327
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural controller for the selection of recycled components in polymer-gypsy mortars
Autorzy:
Kłosowski, Grzegorz
Klepka, Tomasz
Nowacka, Agnieszka
Powiązania:
https://bibliotekanauki.pl/articles/117954.pdf
Data publikacji:
2018
Wydawca:
Polskie Towarzystwo Promocji Wiedzy
Tematy:
neural networks
gypsum-polymers
rubber regranulate
sieci neuronowe
gips-polimery
regranulat gumowy
Opis:
This study presents research on the development of an intelligent controller that allows optimal selection of rubber granules, as an admixture recycling component for polymer-gypsy mortars. Based on the results of actual measurements, neural networks capable of predicting the setting time of gypsum mortar, as well as determining the bending and compressive strength coefficients were trained. A number of simulation experiments were carried out, thanks to which the characteristics of setting times and strength of mortars containing different compositions of recycling additives were determined. Thanks to the obtained results, it was possible to select the rubber admixtures optimally both in terms of the percentage share as well as in relation to the diameter of the granules.
Źródło:
Applied Computer Science; 2018, 14, 2; 48-59
1895-3735
Pojawia się w:
Applied Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Design of a multivariable neural controller for control of a nonlinear MIMO plant
Autorzy:
Bańka, S.
Dworak, P.
Jaroszewski, K.
Powiązania:
https://bibliotekanauki.pl/articles/330790.pdf
Data publikacji:
2014
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
MIMO multivariable control system
nonlinear system
neural control
wielowymiarowy układ sterowania
układ nieliniowy
sterowanie neuronowe
Opis:
The paper presents the training problem of a set of neural nets to obtain a (gain-scheduling, adaptive) multivariable neural controller for control of a nonlinear MIMO dynamic process represented by a mathematical model of Low-Frequency (LF) motions of a drillship over the drilling point at the sea bottom. The designed neural controller contains a set of neural nets that determine values of its parameters chosen on the basis of two measured auxiliary signals. These are the ship’s current forward speed measured with respect to water and the systematically calculated difference between the course angle and the sea current (yaw angle). Four different methods for synthesis of multivariable modal controllers are used to obtain source data for training the neural controller with parameters reproduced by neural networks. Neural networks are designed on the basis of 3650 modal controllers obtained with the use of the pole placement technique after having linearized the model of LF motions made by the vessel at its nominal operating points in steady states that are dependent on the specified yaw angle and the sea current velocity. The final part of the paper includes simulation results of system operation with a neural controller along with conclusions and final remarks.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2014, 24, 2; 357-369
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A stability based neural networks controller design method
Autorzy:
Song, J.
Xu, X.
He, X.
Powiązania:
https://bibliotekanauki.pl/articles/206120.pdf
Data publikacji:
1998
Wydawca:
Polska Akademia Nauk. Instytut Badań Systemowych PAN
Tematy:
sieć neuronowa
stabilność
sterowanie nieliniowe
neural networks control
nonlinear control
sliding mode
stability
Opis:
The use of neural networks in control systems can be seen as a natural step in the evolution of control methodology to meet new challenges. Many attempts have been made to apply the neural networks to deal with non-linearities and uncertainties of the control systems. Research in neural network applications to control can be classified according to the major methods depending on structures of the control system, such as NN-based NON-linear System Identification, NN-based Supervised Control, NN-based Direct Control, NN-based Indirect Control, NN-based Adaptive Control, NN-based Self-learning Control, NN-based Fuzzy Control, and NN Variable Structure Control. All these control methods cannot, however, effectively guarantee system stability, i.e. none of these neural network controls, except for NN-based Variable Structure Control, is based on system stability. This also limits the application and development of the neural networks in control theory. The paper shows the effort to solve this difficulty and give a way for the design method of the stability based neural networks controller using Lyapunov second stability theorem. This kind of controller can not only guarantee system stability, but also fully compensate for the influence of system uncertainties and non-linearities.Simulation results also show the effectiveness of the controller.
Źródło:
Control and Cybernetics; 1998, 27, 1; 119-133
0324-8569
Pojawia się w:
Control and Cybernetics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neurocontrolled car speed system
Autorzy:
Nakonechnyi, Markiyan
Ivakhiv, Orest
Świsulski, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/27314203.pdf
Data publikacji:
2022
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
neural controller
PID-algorithm of control
dynamic object
neural networks
electric car
speed control
Opis:
The features of the synthesis of neural controllers for the car speed control system are considered in this article. The task of synthesis is to determine the weight coefficients of neural networks that provide the implementation of proportional and proportional-integralderivative control laws. The synthesis of controllers is based on an approach that uses a reversed model of the standard. A model of the car speed control system with the use of permitting subsystems has been developed, with the help of the synthesized controller that is connected under certain specified conditions. With the iterative programming and mathematical modeling environment in MATLAB, and using the Simulink package, a structural scheme for controlling the speed of the car was constructed and simulated using synthesized neural controllers.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2022, 16, 3; 13--21
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural network-PID controller for roll fin stabilizer
Autorzy:
Ghassemi, H.
Dadmarzi, F. H.
Ghadimi, P.
Ommani, B.
Powiązania:
https://bibliotekanauki.pl/articles/259283.pdf
Data publikacji:
2010
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
Fin stabilizer
neural network
PID control
restoring force
Opis:
Fin stabilizers are very effective devices for controlling the ship roll motion against external wave-generated moments. Lift forces due to flow around fin with an angle of attack produce anti - roll moment. Therefore control of attack angle plays important role in reducing roll of ships. This paper presents results of using a combined neural network and PID for roll control of ship with small draught. Numerical results are given of around-fin flow analysis with considering free surface effect modelled by neural network and imposed to controlling loop. Hydraulic machinery constraints are also considered in the modelling. The obtained results show good performance of the controller in reducing roll amplitude in random seas. The approach can be used for any irregular sea conditions.
Źródło:
Polish Maritime Research; 2010, 2; 23-28
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neuronowy regulator prędkości obrotowej odporny na zmiany bezwładności
A neural speed controller robust to inertia changes
Autorzy:
Jakubowski, M.
Nowakowski, K.
Zawirski, K.
Powiązania:
https://bibliotekanauki.pl/articles/157600.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
regulator neuronowy
sterowanie neuronowe
sztuczna inteligencja
uczenie maszynowe
PID
neural controller
neural controlling
artificial intelligence
machine learning
Opis:
W ramach niniejszej pracy zaprezentowany został neuronowy regulator prędkości obrotowej odporny na zmiany bezwładności. Celem pracy było opracowanie struktury regulatora oraz dobór optymalnego algorytmu uczenia. Stworzony regulator sterował pracą silnika prądu stałego. Metodologia prowadzonych badań zakładała zbadanie działania układu w szerokim zakresie zmian momentu obciążenia oraz bezwładności. Projektowanie przeprowadzono w taki sposób, aby badany układ napędowy wykazywały dobre właściwości regulacyjne w szerokim zakresie zmiany bezwładności obciążenia. Proces syntezy regulatora został szczegółowo opisany w ramach niniejszej pracy. Analizie poddano szereg badań symulacyjnych, w ramach których rozpatrywano wybrane wskaźniki jakości dla różnych wartości bezwładności oraz momentu obciążenia. Dokonano także analizy porównawczej badanego regulatora neuronowego z optymalnie nastrojonym klasycznym regulatorem PID. Uzyskane wyniki symulacyjne zostały przeniesione na grunt implementacji fizycznego obiektu sterowania.
This paper presents a neural network speed controller that is robust to inertia changes. The main object of this study was to establish the structure of the controller and to create an optimal learning algorithm. Within the project, the created controller steered the operation of a DC motor. The methodology of the research involved studying the effects of the system over a wide range of load torque and inertia changes. The project was carried out in a such way that good regulatory properties over a wide range of inertia changes were performed for the drive systems. The synthesis of the controller is described in details in this paper. The analysis of series simulation studies including selected quality indicators for different values of inertia and different load torque is conducted. Moreover, the comparative analysis of the neural control and the optimally tuned classical PID controller is performed. The obtained simulation results were used for implementation of a physical control object.
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 10, 10; 840-844
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Exploration and mining learning robot of autonomous marine resources based on adaptive neural network controller
Autorzy:
Pan, L.
Powiązania:
https://bibliotekanauki.pl/articles/260396.pdf
Data publikacji:
2018
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
adaptive neural network
marine resources
learning robot
Opis:
To study the autonomous learning model of the learning robot for marine resource exploration, an adaptive neural network controller was applied. The motion characteristics of autonomous learning robots were identified. The mathematical model of the multilayer forward neural network and its improved learning algorithm were studied. The improved Elman regression neural network and the composite input dynamic regression neural network were further discussed. At the same time, the diagonal neural network was analysed from the structure and learning algorithms. The results showed that for the complex environment of the ocean, the structure of the composite input dynamic regression network was simple, and the convergence was fast. In summary, the identification method of underwater robot system based on neural network is effective.
Źródło:
Polish Maritime Research; 2018, S 3; 78-83
1233-2585
Pojawia się w:
Polish Maritime Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Synthesis of neural network controller with a reference model
Synteza regulatora neuronowego z modelem referencyjnym
Autorzy:
Nawrocka, A.
Powiązania:
https://bibliotekanauki.pl/articles/368848.pdf
Data publikacji:
2010
Wydawca:
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie. Wydawnictwo AGH
Tematy:
sterowanie predykcyjne
obiekt nieliniowy
model referencyjny
predictive control
non-linear object
reference model
Opis:
In the article there has been presented a structure of a control system with a neural network controller basing on a reference model. In the first part of the article there is a short overview of neural control models. In the following part, an identification of a non-linear object, which was a hydrostatic transmission, was conducted with the help of artificial neural networks; next, different identification structures of artificial neural networks were tested. The last stage covered a synthesis of a neural controller with a reference model and conducting simulation tests of the suggested structures in the system of the control with a non-linear object.
W artykule została przedstawiona struktura układu regulacji z neuronowym regulatorem bazującym na modelu referencyjnym. W pierwszej części znajduje się przegląd neuronowych modeli sterowania. W kolejnej części przedstawiono przeprowadzoną identyfikację za pomocą sztucznych sieci neuronowych nieliniowego obiektu, którym była przekładnia hydrostatyczna. Właściwości przekładni hydrostatycznej sprawiają, że jest ona obiektem wrażliwym na różnego rodzaju zakłócenia, które utrudniają sterowanie jej pracą. Ze względu na właściwości obiektu regulacji, tzn. nieliniowość i niestacjonarność, zastosowanie klasycznych regulatorów nie jest zadowalające. Z tego względu podjęto próbę wykorzystania zaawansowanych technologii do sterowania. Zbadano różne struktury identyfikacyjne sztucznych sieci neuronowych. Ostatni etap prac obejmował syntezę regulatora neuronowego z modelem referencyjnym oraz przeprowadzenie badań symulacyjnych zaproponowanych struktur w układzie regulacji z obiektem nieliniowym.
Źródło:
Mechanics and Control; 2010, 29, 1; 26-31
2083-6759
2300-7079
Pojawia się w:
Mechanics and Control
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
Tytuł:
Neuro-fuzzy control design of processes in chemical technologies
Autorzy:
Blahová, L.
Dvoran, J.
Kmeťová, J.
Powiązania:
https://bibliotekanauki.pl/articles/229832.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
neuro-fuzzy control
chemical reactor
neural predictive controller
ANFIS
laboratory process
Opis:
The paper presents design of neuro-fuzzy control and its application in chemical technologies. Our approach to neuro-fuzzy control is a combination of the neural predictive controller and the neuro-fuzzy controller (Adaptive Network-based Fuzzy Inference System - ANFIS). These controllers work in parallel. The output of ANFIS adjusts the output of the neural predictive controller to enhance the control performance. Such design of an intelligent control system is applied to control of the continuous stirred tank reactor and laboratory mixing process.
Źródło:
Archives of Control Sciences; 2012, 22, 2; 233-250
1230-2384
Pojawia się w:
Archives of Control Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Adptive heading control of underactuated unmanned surface vehicle based on improved backpropagation neural network
Autorzy:
Dong, Zaopeng
Li, Jiakang
Liu, Wei
Zhang, Haisheng
Qi, Shijie
Zhang, Zhengqi
Powiązania:
https://bibliotekanauki.pl/articles/32917278.pdf
Data publikacji:
2023
Wydawca:
Politechnika Gdańska. Wydział Inżynierii Mechanicznej i Okrętownictwa
Tematy:
underactuated unmanned surface vehicle
backpropagation neural network controller
heading control
hyperbolic tangent function
Opis:
Aiming at the challenges to the accurate and stable heading control of underactuated unmanned surface vehicles arising from the nonlinear interference caused by the overlay and the interaction of multi interference, and also the uncertainties of model parameters, a heading control algorithm for an underactuated unmanned surface vehicle based on an improved backpropagation neural network is proposed. Based on applying optimization theory to realize that the underactuated unmanned surface vehicle tracks the desired yaw angle and maintains it, the improved momentum of weight is combined with an improved tracking differentiator to improve the robustness of the system and the dynamic property of the control. A hyperbolic tangent function is used to establish the nonlinear mappings an approximate method is adopted to summarize the general mathematical expressions, and the gradient descent method is applied to ensure the convergence. The simulation results show that the proposed algorithm has the advantages of strong robustness, strong anti-interference and high control accuracy. Compared with two commonly used heading control algorithms, the accuracy of the heading control in the complex environment of the proposed algorithm is improved by more than 50%.
Źródło:
Polish Maritime Research; 2023, 1; 54-64
1233-2585
Pojawia się w:
Polish Maritime Research
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:
Neural-sliding mode augmented robust controller for autolanding of fixed wing aircraft
Autorzy:
Ismail, I.
Pashilkar, A. A.
Ayyagari, R.
Sundararajan, N.
Powiązania:
https://bibliotekanauki.pl/articles/91533.pdf
Data publikacji:
2012
Wydawca:
Społeczna Akademia Nauk w Łodzi. Polskie Towarzystwo Sieci Neuronowych
Tematy:
controller
nonlinear dynamic inversion
control signal
phase compensator
antiwindup scheme
wing aircraft
autolanding
Opis:
Neural and sliding mode controllers are generally based on the principle of nonlinear dynamic inversion. This leads to control signals containing high frequency components. This can result in actuator rate limiting due to loss of phase at higher frequencies. Large control inputs, for example due to the saturation component of the sliding mode controller can also result in position saturation of the actuator. In this paper we show that by the introduction of suitable phase compensators and an antiwindup scheme the neuralaided sliding mode controller performance can be improved. A novel scheme is proposed for the cascaded feedback controller which addresses practical requirements of both state limiting and control surface saturation respectively.
Źródło:
Journal of Artificial Intelligence and Soft Computing Research; 2012, 2, 4; 317-330
2083-2567
2449-6499
Pojawia się w:
Journal of Artificial Intelligence and Soft Computing Research
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sensorless DTC of induction motor using improved neural network switching state selector controller
Autorzy:
Messaif, I.
Berkouk, E. M.
Saadia, N.
Powiązania:
https://bibliotekanauki.pl/articles/229864.pdf
Data publikacji:
2010
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
direct torque control
NPC three-level inverter
switching table
neural point potential
neural networks
induction motor
Opis:
The paper deals with development of sensorless Direct Torque Control (DTC) system based on neural network. This network is built to solve the task of proper switching states selection based on information about electromagnetic torque and stator flux (position and magnitude) of induction motor. In fact, this technique which uses conventional switching table is not convenient for one-line and real time control for its high computation time. In order to avoid this problem a solution based on neural network is proposed. Well trained Artificial Neural Network structure can replace successfully the switching table. However, in the Neutral-Point-Clamped topology, it has an inherent problem of Neutral Point Potential (NPP) variation. In this way, a Neural Network-Direct Torque Control technique has been applied and the estimated value of the Neutral Point Potential is used, which is calculated by motor currents. This control strategy offers the possibility of selecting appropriate switching state to achieve the control of Neutral Point Potential. Simulation results verify the validity of the proposed method.
Źródło:
Archives of Control Sciences; 2010, 20, 4; 435-456
1230-2384
Pojawia się w:
Archives of Control Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 27

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