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 "regulator neuronowy" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Adaptacyjne sterowanie silnikiem synchronicznym o magnesach trwałych
    Adaptive permanent magnet synchronous motor control
    Autorzy:
    Pajchrowski, T.
    Powiązania:
    https://bibliotekanauki.pl/articles/377198.pdf
    Data publikacji:
    2013
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    silnik synchroniczny o magnesach trwałych
    regulator neuronowy
    sztuczna sieć neuronowa
    układ napędowy
    RPROP
    Opis:
    W artykule przedstawiono wyniki symulacyjne adaptacyjnego regulatora prędkości z zastosowaniem sztucznej sieci neuronowej dla napędu z silnikiem synchronicznym o magnesach trwałych. Omówiona została struktura sztucznej sieci neuronowej oraz metoda uczenia regulatora prędkości w czasie rzeczywistym. Model układu został opracowany w języku Matlab. Parametry regulatora są optymalizowane on-line według algorytmu RPROP. Przedstawione wyniki badań symulacyjnych ilustrują poprawne działanie adaptacyjnej regulacji prędkości na zmianę parametrów układu napędowego, takich jak moment bezwładności.
    This paper presents the results of simulation of adaptive speed controller using an artificial neural network for permanent magnet synchronous motor drive. Discusses the structure of the artificial neural network and the method of learning the speed controller in real time. Model system has been developed in Matlab. The controller parameters are optimized on-line by RPROP algorithm. The simulation results illustrate the proper operation of the adaptive speed control to change the parameters of the drive system, such as the moment of inertia.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2013, 75; 127-133
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    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:
    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:
    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
      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