Informacja

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

Wyszukujesz frazę "Luzar, M." wg kryterium: Autor


Wyświetlanie 1-2 z 2
Tytuł:
Robust fault-tolerant control for a multi-tank system
Odporne sterowanie tolerujące uszkodzenia układem wielu zbiorników
Autorzy:
Buciakowski, M.
Witczak, M.
Luzar, M.
Powiązania:
https://bibliotekanauki.pl/articles/151300.pdf
Data publikacji:
2014
Wydawca:
Stowarzyszenie Inżynierów i Techników Mechaników Polskich
Tematy:
fault diagnosis
fault identification
robust estimation
nonlinear systems
virtual sensor
diagnostyka błędu
identyfikacja uszkodzenia
estymacja odporna
systemy nieliniowe
czujnik wirtualny
Opis:
The paper deals with the problem of robust fault-tolerant control for non-linear discrete-time systems. The main part of this paper describes sensor a fault diagnosis scheme using virtual sensors, which recover the measurement of the fault sensor based on the fault-free ones. The virtual sensor is designed in such a way that a prescribed attenuation level is achieved with respect to the fault estimation error while guaranteeing the convergence of the robust observer underlying the virtual sensor. The subsequent part of the paper deals with the design of robust controller as well as the proposed fault-tolerant control scheme. The final part of the paper shows the experimental results regarding the multi-tank system, which confirm the effectiveness of proposed approach.
Artykuł przedstawia problem odpornego sterowania tolerującego uszkodzenia układem nieliniowym w czasie dyskretnym. Głowna część artykułu opisuję diagnostykę czujników pomiarowych z wykorzystaniem wirtualnych czujników. Wirtualny czujnik został zaprojektowany w taki sposób, aby dla określonego poziomu tłumienia zakłóceń uzyskać możliwie mały błąd estymacji stanu oraz zapewnić dobra zbieżność obserwatora, na którym bazuje wirtualny czujnik. Kolejna część artykułu opisuję metodę projektowania odpornego regulatora oraz proponowaną metodę detekcji uszkodzeń. W końcowej części artykułu przedstawiono wyniki eksperymentalne dotyczące układu wielu zbiorników. Zastosowany układ wielu zbiorników charakteryzuję się nieliniowością, przez co może zostać wykorzystany do weryfikacji przedstawionych w artykule techniki sterowania tolerującego uszkodzenia. Przedstawione wyniki potwierdzają skuteczność proponowanego podejścia bazującego na detekcji uszkodzeń czujników pomiarowych z wykorzystaniem wirtualnych czujników pomiarowych. Wyniki obrazują działanie układu w przypadku wystąpienia uszkodzenia przy braku sterowania tolerującego uszkodzenia oraz działanie układu w przypadku zastosowania sterowania tolerującego uszkodzenia.
Źródło:
Pomiary Automatyka Kontrola; 2014, R. 60, nr 1, 1; 39-44
0032-4140
Pojawia się w:
Pomiary Automatyka Kontrola
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Prediction of corrections for the Polish time scale UTC(PL) using artificial neural networks
Autorzy:
Luzar, M.
Sobolewski, Ł.
Miczulski, W.
Korbicz, J.
Powiązania:
https://bibliotekanauki.pl/articles/202125.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
neural network
prediction methods
national timescale
atomic clock
Opis:
In this paper, the effectiveness of using Artificial Neural Networks (ANNs) for predicting the corrections of the Polish time scale UTC(PL) (Universal Coordinated Time) is presented. In particular, prediction results for the different types of neural networks, i.e., the MLP (MultiLayer Perceprton), the RBF (Radial Basis Function) and the GMDH (Group Method of Data Handling) are shown. The main advantages and disadvantages of using such types of neural networks are discussed. The prediction of corrections is performed using two methods: the time series analysis method and the regression method. The input data were prepared suitable for the above mentioned methods, based on two time series, ts1 and ts2. The designation of prediction errors for specified days and the influence of data quantity for the prediction error are considered. The paper consists of five sections. After Introduction, in Sec. 2, the theoretical background for different types of neural networks is presented. Section 3 shows data preparation for the appropriate type of neural network. The experimental results are presented in Sec. 4. Finally, Sec. 5 concludes the paper.
Źródło:
Bulletin of the Polish Academy of Sciences. Technical Sciences; 2013, 61, 3; 589-594
0239-7528
Pojawia się w:
Bulletin of the Polish Academy of Sciences. Technical Sciences
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-2 z 2

    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