УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта


јвтор:  ≈ременко ё. »., ѕолещенко ƒ. ј., √лущенко ј. ».
Ќазвание:  ќ применении нейросетевого оптимизатора параметров ѕ»Црегул€тора дл€ управлени€ нагревательными печами в различных режимах работы
¬ыпуск:  56
–убрика:  ”правление техническими системами и технологическими процессами
√од:  2015
Ѕиблиографи€:  ≈ременко ё. »., ѕолещенко ƒ. ј., √лущенко ј. ». ќ применении нейросетевого оптимизатора параметров пиЦрегул€тора дл€ управлени€ нагревательными печами в различных режимах работы / ”правление большими системами. ¬ыпуск 56. ћ.: »ѕ” –јЌ, 2015. —.143-175.
 лючевые слова:  нейронна€ сеть, адаптивное управление, ѕ»-регул€тор, нейросетевой оптимизатор
 лючевые слова (англ.):  neural network, adaptive control, PI-controller, neural tuner.
јннотаци€:  –ассмотрена проблема автоматической настройки коэффициентов ѕ»-регул€тора в реальном масштабе времени при управлении нагревательными объектами. “акую настройку предлагаетс€ осуществл€ть с помощью нейросетевого оптимизатора, включающего две нейронных сети, отвечающих за подбор коэффициентов KP, KI дл€ процессов нагрева или охлаждени€ печи соответственно. ѕриведена структура предлагаемого оптимизатора. ѕоказана применимость подобного оптимизатора к объектам управлени€ с различными посто€нными времени. ѕриведена реализаци€ системы управлени€ дл€ муфельной электронагревательной печи, работающей в различных режимах. –езультаты проведенных экспериментов позвол€ют сделать вывод о том, что использование оптимизатора с подобной структурой позвол€ет экономить до 23% времени и 19% электроэнергии на выполнение графика заданий по сравнению с обычным ѕ»-регул€тором.
јннотаци€ (англ.):  We propose a neural network-based tuner for online optimization of parameters of an automatic PI-controller for heating furnace control. The tuner consists of two neural networks responsible for adjusting coefficients KP and KI for furnace heating and cooling processes respectively. We develop a structure of a neural tuner and show by model experiments that such a tuner can be applied to control heating furnaces with the different value of the time constant. A muffle electric heating furnace functioning in different loading modes has been chosen as a plant. Having made our experiments, we conclude that such an optimizer helps to achieve about 23% decrease of time length and 19% decrease of energy consumption for each schedule in comparison with a conventional PI-controller.

в формате PDF
ќбсудить статью в »нтернет-конференции по проблемам управлени€

ѕросмотров: 1785, загрузок: 710, за мес€ц: 9.

Ќазад

»ѕ” –јЌ © 2007. ¬се права защищены