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 "adaptive genetic algorithm" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Optimization of Spectrum Sensing Parameters in Cognitive Radio Using Adaptive Genetic Algorithm
    Autorzy:
    Chatterjee, S.
    Dutta, S.
    Bhattacharya, P. P.
    Roy, J. S.
    Powiązania:
    https://bibliotekanauki.pl/articles/308511.pdf
    Data publikacji:
    2017
    Wydawca:
    Instytut Łączności - Państwowy Instytut Badawczy
    Tematy:
    adaptive genetic algorithm
    bandwidth
    cognitive radio
    spectrum sensing
    throughput
    Opis:
    Quality of service parameters of cognitive radio, like, bandwidth, throughput and spectral efficiency are optimized using adaptive and demand based genetic algorithm. Simulation results show that the proposed method gives better real life solution to the cognitive radio network than other known approach.
    Źródło:
    Journal of Telecommunications and Information Technology; 2017, 1; 21-27
    1509-4553
    1899-8852
    Pojawia się w:
    Journal of Telecommunications and Information Technology
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Design and development of 3-stage determination of damage location using Mamdani-Adaptive Genetic-Sugeno model
    Autorzy:
    Sahu, S.
    Kumar, P. B.
    Parhi, D. R.
    Powiązania:
    https://bibliotekanauki.pl/articles/281979.pdf
    Data publikacji:
    2017
    Wydawca:
    Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
    Tematy:
    damage
    Mamdani FIS
    Sugeno FIS
    Adaptive Genetic Algorithm
    vibration
    natural frequencies
    Opis:
    Damage detection in structural elements like beams is one of important research areas for health monitoring. Initiation of a fault in the form of a crack or any damage puts a limitation on the service life of a structural member. So, in this paper, a method is proposed which uses the advantages of soft computing techniques like Fuzzy Inference Systems (Mamdani and Sugeno) and Adaptive Genetic Algorithm for three stage refinement of the data base generated using dynamic responses from a cracked fixed-free aluminum alloy beam element. For the crack element reference, a finite element model of a single transverse crack has been considered. The proposed method describes both Mamdani and Sugeno Fuzzy Inference Systems for training of damage parameters. In the Adaptive Genetic Algorithm, a statistics based method has been incorporated to limit the randomness of the search process. Finally, the results from the Mamdani-Adaptive Genetic-Sugeno model (MAS) are validated with the results from the experimental analysis.
    Źródło:
    Journal of Theoretical and Applied Mechanics; 2017, 55, 4; 1325-1339
    1429-2955
    Pojawia się w:
    Journal of Theoretical and Applied Mechanics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Design of a linear quadratic regulator based on genetic model reference adaptive control
    Autorzy:
    Abdullah, Abdullah I.
    Mahmood, Ali.
    Thanoon, Mohammad A.
    Powiązania:
    https://bibliotekanauki.pl/articles/27314263.pdf
    Data publikacji:
    2022
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    model reference adaptive control
    gradient approach
    Linear Quadratic Regulator
    genetic algorithm
    Opis:
    The conventional control system is a controller that controls or regulates the dynamics of any other process. From time to time, a conventional control system may not behave appropriately online; this is because of many factors like a variation in the dynamics of the process itself, unexpected changes in the environment, or even undefined parameters of the system model. To overcome this problem, we have designed and implemented an adaptive controller. This paper discusses the design of a controller for a ball and beam system with Genetic Model Reference Adaptive Control (GMRAC) for an adaptive mechanism with the MIT rule. Parameter adjustment (selection) should occur using optimization methods to obtain an optimal performance, so the genetic algorithm (GA) will be used as an optimization method to obtain the optimum values for these parameters. The Linear Quadratic Regulator (LQR) controller will be used as it is one of the most popular controllers. The performance of the proposed controller with the ball and beam system will be carried out with MATLAB Simulink in order to evaluate its effectiveness. The results show satisfactory performance where the position of the ball tracks the desired model reference.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2022, 16, 3; 75--81
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptacyjny regulator kursu statku z zastosowaniem metody backstepping
    Adaptive ship course controller with use of the backstepping method
    Autorzy:
    Witkowska, A.
    Śmierzchalski, R.
    Powiązania:
    https://bibliotekanauki.pl/articles/157277.pdf
    Data publikacji:
    2012
    Wydawca:
    Stowarzyszenie Inżynierów i Techników Mechaników Polskich
    Tematy:
    autopilot
    sterowanie adaptacyjne
    backstepping
    projektowanie prawa sterowania
    adaptive control
    nonlinear control
    backstepping method
    genetic algorithm
    Opis:
    W układach morskich aplikacja nieliniowych technik adaptacyjnych do sterowania ruchem statku jest obecnie niezbędna aby uwzględnić występujące niepewności strukturalne i parametryczne. Jest to szczególnie istotne, ponieważ dynamika statku zależy od dużej masy i wpływu zakłóceń środowiskowych zarówno addytywnych jak i multiplikatywnych, wywołanych przez fale, wiatry i prądy oceaniczne. Artykuł obejmuje zagadnienie projektowania adaptacyjnego układu regulacji kursem statku morskiego. Zaproponowany algorytm sterowania opiera się na adaptacyjnej metodzie backstepping z prawem adaptacji parametrów modelu statku wyprowadzonym w oparciu o teorię II funkcji Lapunowa. W artykule została przeprowadzona analiza poprawności oraz jakości zaprojektowanego regulatora adaptacyjnego. Zbadano zdolność śledzenia zmian wartości zadanej kursu oraz zbieżność do rzeczywistych wartości parametrów. Istotnym problemem w metodzie backstepping jest uwzględnienie na etapie projektowania, urządzenia wykonawczo-sterującego jakim jest maszyna sterowa, ze względu na nieliniową dynamikę opisaną za pomocą nieliniowości z nasyceniem. Algorytmy sterowania dostępne zarówno w literaturze jak i zastosowaniach morskich zazwyczaj zaniedbują dynamikę maszyny sterowej. Przy opracowaniu algorytmu sterowania przyjęty został uproszczony model matematyczny dynamiki statku, natomiast badania symulacyjne wykonano z pełnowymiarowym modelem statku typu B-481.
    The paper deals with issues concerning the advanced ship course control system. The control algorithm suggested in the work is based on the backstepping method and a genetic algorithm. The ship course adaptive controller configuration was designed with use of the backstepping procedure [see section 2]. The controller version (17) includes the adaptation block of ship model parameters (23)-(25). The adaptation of ship model parameters to the updating law derived on a basis of II Function Lyapunov theory enables us to obtain good adaptation properties of the system in the presence of the so-called parametric uncertainties, e.g. connected with the influence of environmental disturbances, such as wind or a sea wave. The adjustable parameters of the obtained nonlinear steering structures (Fig. 1.) were tuned up in order to optimize the system operation. A genetic algorithm was used for optimization. The quality of operation of the obtained steering structures was analyzed by conducting simulation experiments on a simplified (1)-(4) and complex simulation model of a ship of type B-481, [see Sections 3,4]. The results of computer simulation experiments showed the high quality of control and system stability of such steering (Figs. 2, 3, 4). The considered system realizes basic tasks, such as: stabilization of the system, the tuning of controller amplification, adaptation of the system to changing environmental conditions.
    Źródło:
    Pomiary Automatyka Kontrola; 2012, R. 58, nr 8, 8; 750-753
    0032-4140
    Pojawia się w:
    Pomiary Automatyka Kontrola
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptive robust PID sliding control of a liquid level system based on multi-objective genetic algorithm optimization
    Autorzy:
    Mahmoodabadi, M. J.
    Taherkhorsandi, M.
    Talebipour, M.
    Powiązania:
    https://bibliotekanauki.pl/articles/206697.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Instytut Badań Systemowych PAN
    Tematy:
    sliding mode control
    PID control
    adaptive control
    genetic algorithm
    multi-objective optimization
    liquid level system
    Opis:
    Adaptive robust PID sliding mode control optimized by means of multi-objective genetic algorithm is presented in this paper to control a three-tank liquid level system with external disturbances. While PID constitutes a reliable and stable controller, when compared to sliding mode control (SMC); robustness and tracking performance of SMC are higher than those of the PID control. To use the unique features of both controllers, optimal sliding mode control is executed in terms of a supervisory controller to enhance the performance of optimal adaptive PID control and to provide the necessary control inputs. After the design of the control law, control coefficients of all four involved controllers are optimized by using the multi-objective genetic algorithm so as to minimize errors and the input of the controller. Simulations illustrate that the adaptive robust PID sliding controller based on multi-objective genetic algorithm optimization provides a superior response in comparison to the results obtained separately by PID control, sliding mode control, and adaptive PID control, respectively.
    Źródło:
    Control and Cybernetics; 2017, 46, 3; 227-246
    0324-8569
    Pojawia się w:
    Control and Cybernetics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Comparative Study of Optimised Artificial Intelligence Based First Order Sliding Mode Controllers for Position Control of a DC Motor Actuator
    Autorzy:
    Nyong-Bassey, B. E.
    Akinloye, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/385114.pdf
    Data publikacji:
    2016
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    adaptive fuzzy control
    DC motor position control
    genetic algorithm
    particle swarm optimization (PSO)
    sliding mode control
    Opis:
    This paper aims at critically reviewing various sliding mode control measures applied to Permanent Magnet DC Motor actuator for position control. At first, a hybrid sliding mode controller was examined with its advantages and disadvantages. Then, the smooth sliding mode controller in the same manner. The shortcomings of the two methods were overcome by proper switch design and also using tanh-sinh hyperbolic function. The sliding mode controller switches on when either disturbance or noise is detected. Genetic Algorithm Computational tuning technique is employed to optimize the gains of the controllers for optimal response.The performance of the proposed controller architecture, as well as the reviewed controllers, have been compared for performance evaluation with respect to several operating conditions. This includes load torque disturbance injection, noise injection in a feedback loop, motor nonlinearity exhibited by parameters variation, and a step change in reference input demand.
    Źródło:
    Journal of Automation Mobile Robotics and Intelligent Systems; 2016, 10, 3; 58-71
    1897-8649
    2080-2145
    Pojawia się w:
    Journal of Automation Mobile Robotics and Intelligent Systems
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    An adaptive particle swarm optimization algorithm for robust trajectory tracking of a class of under actuated system
    Autorzy:
    Kumar, V. E.
    Jerome, J.
    Powiązania:
    https://bibliotekanauki.pl/articles/141105.pdf
    Data publikacji:
    2014
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    inverted pendulum
    LQR controller
    particle swarm optimization (PSO)
    genetic algorithm
    adaptive inertia weight factor
    state feedback control
    Opis:
    This paper presents an adaptive particle swarm optimization (APSO) based LQR controller for optimal tuning of state feedback controller gains for a class of under actuated system (Inverted pendulum). Normally, the weights of LQR controller are chosen based on trial and error approach to obtain the optimum controller gains, but it is often cumbersome and tedious to tune the controller gains via trial and error method. To address this problem, an intelligent approach employing adaptive PSO (APSO) for optimum tuning of LQR is proposed. In this approach, an adaptive inertia weight factor (AIWF), which adjusts the inertia weight according to the success rate of the particles, is employed to not only speed up the search process but also to increase the accuracy of the algorithm towards obtaining the optimum controller gain. The performance of the proposed approach is tested on a bench mark inverted pendulum system, and the experimental results of APSO are compared with that of the conventional PSO and GA. Experimental results prove that the proposed algorithm remarkably improves the convergence speed and precision of PSO in obtaining the robust trajectory tracking of inverted pendulum.
    Źródło:
    Archives of Electrical Engineering; 2014, 63, 3; 345-365
    1427-4221
    2300-2506
    Pojawia się w:
    Archives of Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Adaptacyjna metoda wyznaczania ekonomicznych m-diagnozowalnych struktur opiniowania diagnostycznego typu PMC
    An adaptive method of determining m-diagnosable diagnosis structures under the PMC model
    Autorzy:
    Strzelecki, Ł.
    Renczewski, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/273369.pdf
    Data publikacji:
    2008
    Wydawca:
    Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
    Tematy:
    diagnostyka systemowa
    diagnozowalność
    struktury opiniowania diagnostycznego
    przeliczanie
    algorytm genetyczny
    m-diagnosable diagnosis structures
    determining structures
    adaptive method
    genetic algorithm
    PMC
    Opis:
    W artykule rozpatrzono problemy występujące przy komputerowym wyznaczaniu ekonomicznych struktur opiniowania diagnostycznego (SOD) typu PMC. Przedstawiono adaptacyjną metodę umożliwiającą efektywne wyznaczanie optymalnych SOD spełniających wybrane kryteria, zapisane w postaci macierzy (uogólnionych) kosztów.
    In the paper the problem of determining m-diagnosable diagnosis structures under the PMC model was investigated. On the base of same selected properties of m-diagnosable diagnosis structures a new (genetic) algorithm for computer generating such structures with a good time complexity was proposed.
    Źródło:
    Biuletyn Instytutu Automatyki i Robotyki; 2008, R. 14, nr 25, 25; 139-153
    1427-3578
    Pojawia się w:
    Biuletyn Instytutu Automatyki i Robotyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      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