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 "radial basis function" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-15 z 24
Tytuł:
Lan interconnection unit based on an artificial neural network
Autorzy:
Jalab, Hamid A.
Powiązania:
https://bibliotekanauki.pl/articles/1955324.pdf
Data publikacji:
2006
Wydawca:
Politechnika Gdańska
Tematy:
LAN bridge
neural networks
radial basis function (RBF)
Opis:
This paper presents the design of an intelligent interconnection unit based on an artificial neural network (ANN), used when two local area networks (LAN) with different IEEE 802 standard protocols are connected. The proposed ANN is used to activate execution of suitable procedures bridging 802.X LAN and 802.Y LAN.
Źródło:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2006, 10, 3; 339-346
1428-6394
Pojawia się w:
TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Stokes flow in lid-driven cavity under inclined magnetic field
Autorzy:
Gürbüz-Çaldag, M.
Çelik, E.
Powiązania:
https://bibliotekanauki.pl/articles/38695704.pdf
Data publikacji:
2022
Wydawca:
Instytut Podstawowych Problemów Techniki PAN
Tematy:
radial basis function
MHD
Stokes flow
inclination angle
Opis:
Stokes flow in a lid-driven cavity under the effect of an inclined magnetic field is studied. The radial basis function (RBF) approximation is employed to the magnetohydrodynamic (MHD) equations which include Navier-Stokes equations of fluid dynamics and Maxwell’s equations of electromagnetics through Ohm’s law with the Stokes approximation. Numerical results are obtained for the moderate Hartmann number (0 ≤ M ≤ 80) and different angles of a magnetic field (0 ≤ α ≤ π). It is found that the increase in the Hartmann number causes the development of new vortices under the main flow due to the impact of a magnetic field. However, the type of the inclination angle (acute or obtuse) determines the location of the vortices.
Źródło:
Archives of Mechanics; 2022, 74, 6; 549-564
0373-2029
Pojawia się w:
Archives of Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Training RBF NN Using Sine-Cosine Algorithm for Sonar Target Classification
Autorzy:
Wang, Yixuan
Yuan, LiPing
Khishe, Mohammad
Moridi, Alaveh
Mohammadzade, Fallah
Powiązania:
https://bibliotekanauki.pl/articles/1953523.pdf
Data publikacji:
2020
Wydawca:
Polska Akademia Nauk. Czasopisma i Monografie PAN
Tematy:
classifiers
radial basis function neural network
sine-cosine algorithm
sonar
Opis:
Radial basis function neural networks (RBF NNs) are one of the most useful tools in the classification of the sonar targets. Despite many abilities of RBF NNs, low accuracy in classification, entrapment in local minima, and slow convergence rate are disadvantages of these networks. In order to overcome these issues, the sine-cosine algorithm (SCA) has been used to train RBF NNs in this work. To evaluate the designed classifier, two benchmark underwater sonar classification problems were used. Also, an experimental underwater target classification was developed to practically evaluate the merits of the RBF-based classifier in dealing with high-dimensional real world problems. In order to have a comprehensive evaluation, the classifier is compared with the gradient descent (GD), gravitational search algorithm (GSA), genetic algorithm (GA), and Kalman filter (KF) algorithms in terms of entrapment in local minima, the accuracy of the classification, and the convergence rate. The results show that the proposed classifier provides a better performance than other compared classifiers as it classifies the sonar datasets 2.72% better than the best benchmark classifier, on average.
Źródło:
Archives of Acoustics; 2020, 45, 4; 753-764
0137-5075
Pojawia się w:
Archives of Acoustics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Neural Network Model for Control of Operating Modes of Crushing and Grinding Complex
Autorzy:
Kalinchyk, Vasyl
Meita, Olexandr
Pobigaylo, Vitalii
Borychenko, Olena
Kalinchyk, Vitalii
Powiązania:
https://bibliotekanauki.pl/articles/2174915.pdf
Data publikacji:
2022
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
classification
modelling
neural network
radial basis function network
RBF
multilayer perceptron
MLP
Opis:
This article investigates the application of neural network models to create automated control systems for industrial processes. We reviewed and analysed works on dispatch control and evaluation of equipment operating modes and the use of artificial neural networks to solve problems of this type. It is shown that the main requirements for identification models are the accuracy of estimation and ease of algorithm implementation. It is shown that artificial neural networks meet the requirements for accuracy of classification problems, ease of execution and speed. We considered the structures of neural networks that can be used to recognise the modes of operation of technological equipment. Application of the model and structure of networks with radial basis functions and multilayer perceptrons for identifying the mode of operation of equipment under given conditions is substantiated. The input conditions for constructing neural network models of two types with a given three-layer structure are offered. The results of training neural models on the model of a multilayer perceptron and a network with radial basis functions are presented. The estimation and comparative analysis of models depending on model parameters are made. It is shown that networks with radial basis functions offer greater accuracy in solving identification problems. The structural scheme of the automated process control system with mode identification based on artificial neural networks is offered.
Źródło:
Rocznik Ochrona Środowiska; 2022, 24; 26--40
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Radial Basis Function Neural Network based on Growing Neural Gas Network applied for evaluation of oil agglomeration process efficiency
Autorzy:
Marcin, Kamiński
Stanisławski, Radosław
Bastrzyk, Anna
Powiązania:
https://bibliotekanauki.pl/articles/1450770.pdf
Data publikacji:
2020
Wydawca:
Politechnika Wrocławska. Oficyna Wydawnicza Politechniki Wrocławskiej
Tematy:
oil agglomeration modeling
dolomite
Radial Basis Function Neural Network
Growing Neural Gas Network
Opis:
In this study, the neural model for modeling of oil agglomeration of dolomite in the presence of anionic and cationic surfactants (sodium oleate and dodecylammonium hydrochloride) was implemented. The effect of surfactants concentration, oil dosage, time of mixing, pH, and mixing speed of the impeller in the process recovery were investigated using Radial Basis Function Neural Network (RBFNN). A significant problem in this modeling, was the selection of the structure of the neural network. In algorithms based on the RBFNN, the issue mentioned relates to the number of nodes in the determination of the hidden layer. Also, the distribution of functions in data space is significant. In the proposed solution, at this stage of the neural model design, the Growing Neural Gas Network (GNGN) was implemented. Such a procedure introduced automation of the calculation process. The centers were obtained from the GNGN and the structure (number of radial neurons) can be approximated based on a simple searching algorithm. The idea of the data calculations was implemented as an original algorithm that can be easily transferred to Matlab, Python, or Octave software. The values predicted from the neural networks model were in good agreement with the experimental data. Thus, the RBFNN-GNGN model used in this study, can be employed as a reliable and accurate method to predict, and in the future to optimize the performance of oil agglomeration process.
Źródło:
Physicochemical Problems of Mineral Processing; 2020, 56, 6; 194-205
1643-1049
2084-4735
Pojawia się w:
Physicochemical Problems of Mineral Processing
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie radialnych funkcji bazowych do analizy akustycznych drgań własnych kabiny pojazdu
Application of Radial Basis Function Method to the acoustic eigenvalues problem analysis of vehicle cabin
Autorzy:
Majkut, L.
Olszewski, R.
Powiązania:
https://bibliotekanauki.pl/articles/310747.pdf
Data publikacji:
2017
Wydawca:
Instytut Naukowo-Wydawniczy "SPATIUM"
Tematy:
analiza akustyczna
eksploatacja pojazdów
radialne funkcje bazowe
acoustic analysis
exploitation vehicle
radial basis function
Opis:
W artykule opisano możliwości zastosowania Metody Funkcji Radialnych do wyznaczania akustycznych częstotliwości drgań własnych w przestrzeniach ograniczonych. Porównano metodyki popularnych narzędzi obliczeniowych takich jak Metoda Elementów Skończonych i Metoda Elementów Brzegowych wraz ze wskazaniem wad i zalet do Metody Funkcji Radialnych.
In the paper the possibility of Radial Basis Function Method for the calculation of acoustic eigenvalues is described. The proposed method is compared with other numerical methods of wave acoustic. The advantages and disadvantages of Finite Element Method and Boundary Element Method are described and compared to proposed Radial Basis Function Method.
Źródło:
Autobusy : technika, eksploatacja, systemy transportowe; 2017, 18, 12; 1110-1113, CD
1509-5878
2450-7725
Pojawia się w:
Autobusy : technika, eksploatacja, systemy transportowe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie metody funkcji radialnych do analizy akustycznych drgań własnych
Application radial basis function method for solve acoustical eigen value problem
Autorzy:
Majkut, L.
Olszewski, R.
Powiązania:
https://bibliotekanauki.pl/articles/251177.pdf
Data publikacji:
2013
Wydawca:
Instytut Naukowo-Wydawniczy TTS
Tematy:
metoda funkcji radialnych
drgania własne
kabina pojazdu
radial basis function method
eigenvalues
vehicle cabin
Opis:
W artykule opisano możliwości zastosowania Metody Funkcji Radialnych do wyznaczania akustycznych częstotliwości drgań własnych w przestrzeniach ograniczonych. Porównano metodyki popularnych narzędzi obliczeniowych takich jak Metoda Elementów Skończonych i Metoda Elementów Brzegowych wraz ze wskazaniem wad i zalet do Metody Funkcji Radialnych.
In the paper the possibility of Radial Basis Function Method for the calculation of acoustic eigenvalues is described. The proposed method is compared with other numerical methods of wave acoustic. The advantages and disadvantages of Finite Element Method and Boundary Element Method are described and compared to proposed Radial Basis Function Method.
Źródło:
TTS Technika Transportu Szynowego; 2013, 10; 1109-1115, CD
1232-3829
2543-5728
Pojawia się w:
TTS Technika Transportu Szynowego
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Free vibration of structures by radial basis function – pseudospectral method
Autorzy:
Krowiak, A.
Powiązania:
https://bibliotekanauki.pl/articles/128260.pdf
Data publikacji:
2014
Wydawca:
Politechnika Poznańska. Instytut Mechaniki Stosowanej
Tematy:
meshless methods
radial basis function
pseudospectral methods
metody bezsiatkowe
radialna funkcja bazowa
metoda pseudospektralna
Opis:
The paper deals with the use of the radial basis function-pseudospectral method in vibration analysis of twodimensional mechanical structures. The method combines meshless features of radial basis function (RBF) with efficiency and simplicity of the pseudospectral method. In present work the main emphasis is laid on appropriate assumption of the interpolant for the sought function due to the number of the boundary conditions in analysed problem. This interpolation function enables to obtain the weighting coefficients for derivative approximation in a governing equation. The method is applied to free vibration analysis of arbitrarily shaped membrane and plate.
Źródło:
Vibrations in Physical Systems; 2014, 26; 113-120
0860-6897
Pojawia się w:
Vibrations in Physical Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
ANN-based failure modeling of classes of aircraft engine components using radial basis functions
Modelowanie uszkodzeń elementów silnika samolotowego w oparciu o sztuczne sieci neuronowe o radialnych funkcjach bazowych
Autorzy:
Al-Garni, Ahmed
Abdelrahman, Wael
Abdallah, Ayman
Powiązania:
https://bibliotekanauki.pl/articles/301913.pdf
Data publikacji:
2019
Wydawca:
Polska Akademia Nauk. Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne PAN
Tematy:
neural network
radial basis function
Reliability
engine components
sieć neuronowa
radialna funkcja bazowa
niezawodność
elementy silnika
Opis:
The objective of this research is to present a model to predict failure of two categories of critical aircraft engine components; nonrotating components such as valves and gearboxes, and rotating components such as engine turbines. The work utilizes Weibull regression and artificial neural networks employing Back Propagation (BP) as well as Radial Basis Functions (RBF). The model utilizes training failure data collected from operators of turboprop aircraft working in harsh desert conditions, where sand erosion is a detrimental factor in reducing turbine life. Accordingly, the model is more suited for accurate prediction of life of critical components of such engines. The algorithm, which uses Radial Basis Function (RBF) NN, uses a closest point specifier. The activation is based on the deviation of the earlier prototype from the input vector. Two earlier models are used for comparison purposes; namely Weibull regression modeling and Feed-Forward BP network. Comparison results show that the failure times represented by RBF are in better compromise with actual failure data than both earlier modeling methods. Moreover, the technique has comparatively higher efficiency as the neuron’s number in each layer of ANN is reduced, to decrease computation time, with minimum effect on the accuracy of results.
Celem pracy jest przedstawienie modelu służącego do predykcji uszkodzeń dwóch kategorii krytycznych elementów silnika samolotowego: elementów nieobrotowych, takich jak zawory i skrzynie biegów oraz elementów obrotowych, takich jak turbiny silnika. W pracy wykorzystano regresję Weibulla i sztuczne sieci neuronowe oparte na propagacji wstecznej oraz radialnych funkcjach bazowych (RBF). Model wykorzystuje dane o błędach zebrane od operatorów samolotów turbośmigłowych pracujących w trudnych warunkach pustynnych, gdzie erozja powodowana przez piasek stanowi szkodliwy czynnik ograniczający żywotność turbin. Prezentowany model jest więc szczególnie przydatny do trafnego prognozowania żywotności krytycznych elementów takich silników. Algorytm, który wykorzystuje sieci neuronowe o radialnych funkcjach bazowych, używa specyfikatora najbliższego punktu. Aktywacja bazuje na odchyleniu wcześniejszego prototypu od wektora wejściowego. Dwa wcześniejsze modele oparte na regresji Weibulla (Weibull regression modeling) oraz sieciach typu Feed-Forward Backpropagation wykorzystano do badań porównawczych. Wyniki porównania pokazują, że czasy uszkodzeń odwzorowane przez RBF pozostają w większej zgodzie z rzeczywistymi danymi o uszkodzeniach niż w przypadku obu wcześniejszych metod modelowania. Co więcej, technika ta ma porównywalnie większą efektywność, ponieważ liczba neuronów w każdej warstwie sieci neuronowej została zredukowana tak aby zmniejszyć czas obliczeń, przy minimalnym wpływie na dokładność wyników.
Źródło:
Eksploatacja i Niezawodność; 2019, 21, 2; 311-317
1507-2711
Pojawia się w:
Eksploatacja i Niezawodność
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Meshless local radial point interpolation (MLRPI) for generalized telegraph and heat diffusion equation with non-local boundary conditions
Autorzy:
Shivanian, E.
Khodayari, A.
Powiązania:
https://bibliotekanauki.pl/articles/279501.pdf
Data publikacji:
2017
Wydawca:
Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej
Tematy:
non-local boundary condition
meshless local radial point interpolation (MLRPI) method
local weak formulation
radial basis function
telegraph equation
Opis:
In this paper, the meshless local radial point interpolation (MLRPI) method is formulated to the generalized one-dimensional linear telegraph and heat diffusion equation with non-local boundary conditions. The MLRPI method is categorized under meshless methods in which any background integration cells are not required, so that all integrations are carried out locally over small quadrature domains of regular shapes, such as lines in one dimensions, circles or squares in two dimensions and spheres or cubes in three dimensions. A technique based on the radial point interpolation is adopted to construct shape functions, also called basis functions, using the radial basis functions. These shape functions have delta function property in the frame work of interpolation, therefore they convince us to impose boundary conditions directly. The time derivatives are approximated by the finite difference time- -stepping method. We also apply Simpson’s integration rule to treat the non-local boundary conditions. Convergency and stability of the MLRPI method are clarified by surveying some numerical experiments.
Źródło:
Journal of Theoretical and Applied Mechanics; 2017, 55, 2; 571-582
1429-2955
Pojawia się w:
Journal of Theoretical and Applied Mechanics
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Face Recognition Using Canonical Correlation, Discrimination Power, and Fractional Multiple Exemplar Discriminant Analyses
Autorzy:
Hajiarbabi, M.
Agah, A.
Powiązania:
https://bibliotekanauki.pl/articles/384779.pdf
Data publikacji:
2015
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
face recognition
Canonical Correlation Analysis
Discrimination Power Analysis
Multiple Exemplar Discriminant Analysis
Radial Basis Function neural
networks
Opis:
Face recognition is a biometric identification method which compared to other methods, such as finger print identification, speech, signature, hand written and iris recognition is shown to be more noteworthy both theoretically and practically. Biometric identification methods have various applications such as in film processing, control access networks, among many. The automatic recognition of a human face has become an important problem in pattern recognition, due to (1) the structural similarity of human faces, and (2) great impact of factors such as illumination conditions, facial expression and face orientation. These have made face recognition one of the most challenging problems in pattern recognition. Appearance-based methods are one of the most common methods in face recognition, which can be categorized into linear and nonlinear methods. In this paper face recognition using Canonical Correlation Analysis is introduced, along with the review of the linear and nonlinear appearance-based methods. Canonical Correla- tion Analysis finds the linear combinations between two sets of variables which have maximum correlation with one another. Discriminant Power analysis and Fractional Multiple Discriminant Analysis has been used to extract features from the image. The results provided in this paper show the advantage of this method compared to other methods in this field.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2015, 9, 4; 18-27
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparison of MLP and RBF Neural Networks in the Task of Classifying the Diameters of Water Pipes
Autorzy:
Gvishiani, Zurab
Dawidowicz, Jacek
Powiązania:
https://bibliotekanauki.pl/articles/2174907.pdf
Data publikacji:
2022
Wydawca:
Politechnika Koszalińska. Wydawnictwo Uczelniane
Tematy:
water distribution system
hydraulic calculation
selection of diameter
water pipe
artificial neural network
radial basis function
multilayer perceptron
Opis:
Hydraulic calculations of water distribution systems are currently performed using computer programs. In addition to the basic calculation procedure, modules responsible for evaluating the obtained calculation results are introduced more and more often into the programs. This article presents the results of research on artificial neural networks with a radial base function (RBF) and a multilayer perceptron (MLP), aimed at determining whether they can be used to model the relationship between the variables describing the computational section of the water distribution system and the diameter of the water pipe. The classification capabilities of the RBF and MLP networks were analyzed according to the number of neurons in the hidden layer of the network. A comparative analysis of RBF networks with multilayer perceptron (MLP) networks was performed. The results showed that the MLP networks have much better classification properties and are better suited for the task of assessing the selected diameters of the water pipes.
Źródło:
Rocznik Ochrona Środowiska; 2022, 24; 505--519
1506-218X
Pojawia się w:
Rocznik Ochrona Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Vehicles Classification Using the HRBF Neural Network
Klasyfikacja pojazdów z wykorzystaniem sieci neuronowej HRBF
Autorzy:
Wantoch-Rekowski, R.
Powiązania:
https://bibliotekanauki.pl/articles/305921.pdf
Data publikacji:
2011
Wydawca:
Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
Tematy:
sieci neuronowe
klasyfikacja sieci
zbiór uczący
Hyper Radial Basis Function network HRBF
neural networks
networks classification
learning set
HRBF
Opis:
The paper presents the problem of using a neural network for military vehicle classification on the basis of ground vibration. One of the main elements of the system is a unit called the geophone. This unit allows to measure the amplitude of ground vibration in each direction for a certain period of time. The value of the amplitude is used to fix the characteristic frequencies of each vehicle. If we want to fix the main frequency it is necessary to use the Fourier transform. In this case the fast Fourier transform FFT was used. Since the neural network (Hyper Radial Basis Function network) was used, a learning set has to be prepared. Please find the attached results of using the HRBF neural network, which include: examples of learning, validation and test sets, the structure of the networks and the learning algorithm, learning and testing results.
W opracowaniu przedstawiono zagadnienie wykorzystania sieci neuronowej do klasyfikacji określonych typów pojazdów na podstawie analizy amplitudy drgań gruntu. Jednym z elementów systemu do pomiaru amplitudy drgań gruntu jest geofon. Umożliwia on pomiar amplitudy drgań gruntu w wybranym kierunku dla określonego przedziału czasu. Wartość wyznaczonej amplitudy wykorzystywana jest do wyznaczenia charakterystycznych częstotliwości drgań dla poszczególnych pojazdów. Do wyznaczenia charakterystycznych częstotliwości wykorzystywana jest transformata Fouriera FFT. Do klasyfikacji wykorzystana została sieć neuronowa z radialną funkcją aktywacji, dlatego też wymagane jest przygotowanie odpowiedniego zbioru uczącego. W opracowaniu przedstawiono wyniki użycia sieci HRBF. Przedstawiono strukturę oraz zawartość zbioru uczącego.
Źródło:
Biuletyn Instytutu Systemów Informatycznych; 2011, 7; 47-52
1508-4183
Pojawia się w:
Biuletyn Instytutu Systemów Informatycznych
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Pattern Classification of Fabric Defects Using a Probabilistic Neural Network and Its Hardware Implementation using the Field Programmable Gate Array System
Klasyfikacja rodzaju defektów tkanin za pomocą probabilistycznej sztucznej sieci neuronowej oraz za pomocą systemu FPGA
Autorzy:
Hasnat, A.
Ghosh, A.
Khatun, A.
Halder, S.
Powiązania:
https://bibliotekanauki.pl/articles/234369.pdf
Data publikacji:
2017
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Biopolimerów i Włókien Chemicznych
Tematy:
classification
fabric defect
field programmable gate array (FPGA)
radial basis function
probabilistic neural network
klasyfikacja wad tkanin
probabilistyczna sieć neuronowa
Opis:
This study proposes a fabric defect classification system using a Probabilistic Neural Network (PNN) and its hardware implementation using a Field Programmable Gate Arrays (FPGA) based system. The PNN classifier achieves an accuracy of 98 ± 2% for the test data set, whereas the FPGA based hardware system of the PNN classifier realises about 94±2% testing accuracy. The FPGA system operates as fast as 50.777 MHz, corresponding to a clock period of 19.694 ns.
W pracy zaprezentowano system klasyfikacji wad tkanin przy użyciu probabilistycznej sieci neuronowej (PNN) i przy zastosowaniu systemu Field Programmable Gate Array (FPGA). PNN pozwala na osiągnięcie dokładności 98 ± 2% dla zbioru danych testowych, podczas gdy system FPGA pozwala na osiągnięcie dokładności około 94 ± 2%. System FPGA pracuje przy częstotliwości 50,777 MHz, co odpowiada 19,694 ns.
Źródło:
Fibres & Textiles in Eastern Europe; 2017, 1 (121); 42-48
1230-3666
2300-7354
Pojawia się w:
Fibres & Textiles in Eastern Europe
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Integrated fault-tolerant control of a quadcopter UAV with incipient actuator faults
Autorzy:
Kantue, Paulin
Pedro, Jimoh O.
Powiązania:
https://bibliotekanauki.pl/articles/2172129.pdf
Data publikacji:
2022
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
fault tolerant control
quadrocopter
incipient actuator fault
radial basis function
neural network
sterowanie tolerujące uszkodzenia
kwadrokopter
radialna funkcja bazowa
sieć neuronowa
Opis:
An integrated approach to the fault-tolerant control (FTC) of a quadcopter unmanned aerial vehicle (UAV) with incipient actuator faults is presented. The framework is comprised of a radial basis function neural network (RBFNN) fault detection and diagnosis (FDD) module and a reconfigurable flight controller (RFC) based on the extremum seeking control approach. The dynamics of a quadcopter subject to incipient actuator faults are estimated using a nonlinear identification method comprising a continuous forward algorithm (CFA) and a modified golden section search (GSS) one. A time-difference-of-arrival (TDOA) method and the post-fault system estimates are used within the FDD module to compute the fault location and fault magnitude. The impact of bi-directional uncertainty and FDD detection time on the overall FTC performance and system recovery is assessed by simulating a quadcopter UAV during a trajectory tracking mission and is found to be robust against incipient actuator faults during straight and level flight and tight turns.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2022, 32, 4; 601--617
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-15 z 24

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