TBU Publications
Repository of TBU Publications

Adaptivní řízení nelineárního realtime systému

DSpace Repository

Show simple item record


dc.title Adaptivní řízení nelineárního realtime systému cs
dc.title Adaptive Control of Nonlinear Realtime System en
dc.contributor.author Sámek, David
dc.contributor.author Chalupa, Petr
dc.relation.ispartof Advanced Technologies: Research, Development, Application
dc.identifier.isbn 3-86611-197-5
dc.date.issued 2006
dc.citation.spage 793
dc.citation.epage 812
dc.event.location Mammendorf
utb.event.state-en Germany
utb.event.state-cs Německo
dc.type bookPart
dc.language.iso en
dc.publisher PLV Pro Literatur Verlag Robert Mayer-Scholz
dc.subject adaptive control en
dc.subject artificial neural network en
dc.subject model predictive control en
dc.subject self-tuning control en
dc.description.abstract V modelovém prediktivním řízení s využitím umělých neuronových sítí je zpravidla používán off-line trénovaný prediktor. Avšak tento přístup má nevýhodu v neměnném prediktoru a je nepoužitelný pro t-variantní procesy. Tato nevýhoda může být odstraněna využitím adaptivního prediktoru, který je v případě umělé neuronové sítě naneštěstí neúměrně výpočetně náročný. Navržená metoda - ADALINE významně snižuje výpočetní náročnost modelového prediktivního regulátoru s využitím adaptivního prediktoru na bázi umělé neuronové sítě. Zkoumaná metoda je experimentálně testována a srovnávána s jinou adaptivní řídící metodou - samočinně se nastavujícím regulátorem. cs
dc.description.abstract Model predictive control using artificial neural network is usually applied with unchanging off-line trained predictor. However, this technique has a drawback in static predictor and it is useless in case of t-invariant processes. This pitfall can be removed by adaptive predictor which is unfortunately, in case of artificial neural network, immoderately computationally demanding. Proposed method - ADALINE significantly reduces computational demands of model predictive control using adaptive predictor based on artificial neural network. Investigated method is tested in experiments and compared to another adaptive control method - self-tuning control. en
utb.faculty Faculty of Technology
dc.identifier.uri http://hdl.handle.net/10563/1006142
utb.identifier.rivid RIV/70883521:28110/06:63504512!RIV07-MSM-28110___
utb.source c-riv
dc.date.accessioned 2016-04-28T10:37:50Z
dc.date.available 2016-04-28T10:37:50Z
dc.description.sponsorship Z(MSM7088352102)
utb.contributor.internalauthor Sámek, David
utb.contributor.internalauthor Chalupa, Petr
riv.obor BC
Find Full text

Files in this item

Files Size Format View

There are no files associated with this item.

Show simple item record