Přejít k obsahu


Neural network based bicriterial dual control of nonlinear systems

Citace: [] ŠIMANDL, M., KRÁL, L., HERING, P. Neural network based bicriterial dual control of nonlinear systems. In Preprints of the 16th IFAC world congress. Prague: IFAC, 2005. s. 1-6.
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Neural network based bicriterial dual control of nonlinear systems
Rok vydání: 2005
Místo konání: Prague
Název zdroje: IFAC
Autoři: Miroslav Šimandl , Ladislav Král , Pavel Hering
Abstrakt CZ: Práce se zabývá návrhem bikriteriálního duálního regulátoru pro nelineární stochastické systémy. V rámci návrhu regulátoru jsou navržena dvě samostatná kritéria, která představují dva protikladné aspekty mezi odhadem parametrů a řízením: opatrností a buzením. Systém je modelován vícevrstvou percetronovou neuronvou sítí. Parametry této sítě jsou odhadovány metodou Gaussovských sum, která umožňuje určit podmíněnou pravděpodobnostní hustotní funkci vah sítì. Navržený přístup je porovnán s inovačním duálním řízením a kvalita odhadu parametrù a regulátoru je simulačnì ověřena a analyzována pomocí Monte Carlo netody.
Abstrakt EN: A bicriterial dual controller for nonlinear stochastic systems is suggested. Two separate criterions are designed and used to introduce one of opposing aspects between estimation and control; caution and probing. A system is modelled using a multilayer perceptron network. Parameters of the network are estimated by the Gaussian sum method which allows to determine conditional probability density functions of the network weights. The proposed approach is compared with inovation dual control and the quality of the estimator and the regulator is analyzed by simulation and Monte Carlo analysis.
Klíčová slova

Zpět

Patička