Thông tin chung

  English

  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác

  Tài liệu tham khảo

  Hiệu chỉnh

 
Số người truy cập: 75,104,053

 ỨNG DỤNG MẠNG NƠRON TRUYỀN THẲNG NHIỀU LỚP ĐIỀU KHIỂN THÍCH NGHI LƯU LƯỢNG CHẤT LỎNG HỆ BÌNH MỨC
Tác giả hoặc Nhóm tác giả: Võ Khánh Thoại
Nơi đăng: Tạp chí Khoa học Công nghệ - Đại học Đà Nẵng; Số: Số 5(66).2013;Từ->đến trang: 85-90;Năm: 2013
Lĩnh vực: Khoa học công nghệ; Loại: Bài báo khoa học; Thể loại: Trong nước
TÓM TẮT
Bài báo này đề xuất một giải pháp ứng dụng mạng nơron truyền thẳng nhiều lớp điều khiển thích nghi lưu lượng nước trong hệ bình mức để đáp ứng của hệ thống luôn bám theo một quỹ đạo chuẩn khi thông số của hệ thống như van điều khiển, van xả, nhiễu,… thay đổi không biết trước. Nội dung bài báo bao gồm việc xây dựng mô hình hệ thống, ứng dụng mạng nơ-ron cụ thể là bộ điều khiển tuyến tính hóa phản hồi (Nonlinear Autoregressive Moving Average NARMA-L2) để điều khiển hệ thống. Bộ điều khiển NARMA-L2 là bộ điều khiển thích nghi được xây dựng trên cơ sở mạng nơron nhân tạo, ý tưởng của bộ điều khiển là xấp xỉ gần đúng hệ thống động lực học phi tuyến thành hệ thống động lực học tuyến tính. Bộ điều khiển NARMA-L2 nhận dạng và tạo ra tín hiệu điều khiển cung cấp cho đối tượng sao cho tín hiệu đầu ra của đối tượng bám theo được tín hiệu đầu ra của mô hình mẫu
ABSTRACT
This paper proposes a solution of applying multilayer feedforward networks to the adaptive control of water flow in a level tank system in order to ensure that the output signal of the system always follows a standard trajectory with its parameters such as control valve, exhaust valve, disorders and load change, etc. The article includes the modeling of systems, the application of the neural networks into the control system, namely the Nonlinear Autoregressive Moving Average NARMA-L2, which is an adaptive controller built on the basis of artificial neural networks. The central idea of this type of control is to transform nonlinear system dynamics into linear dynamics via canceling the nonlinearities. The NARMA-L2 controller identifies and generates control signals provided for the object so that the output signal of the object follows the output signal of the model.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn