Prediktivní regulátory s principy umělé inteligence v prostředí MATLAB - B&R
Loading...
Date
Authors
ORCID
Advisor
Referee
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract
Diplomová práce se zabývá problematikou prediktivního řízení zvláště Model (Based) Predictive Control (MBPC nebo MPC). V první části jsou porovnány identifikační metody. Algoritmus rekurzivní metody nejmenších čtverců je porovnán s identifikačními metodami založenými na neuronových sítí. Další části jsou věnovány prediktivnímu řízení. Je zde popsáno vytvoření MPC se sumační složkou a adaptivního MPC. Pevně nastavený PSD regulátor je porovnán s MPC. Jsou porovnány odezvy na poruchu a na změnu dynamiky regulované soustavy. Porovnání je provedeno na simulačních modelech v prostředí MATLAB/Simulink a na fyzikálním modelu připojeného k PLC firmy B&R.
Master’s thesis deals with problems of predictive control especially Model (Based) Predictive Control (MBPC or MPC). Identifications methods are compared in the first part. Recursive least mean squares algorithm is compared with identification methods based on neural networks. Next parts deal with predictive control. There is described creation MPC with summing element and adaptive MPC. There is also compared fixed setting PSD controller with MPC. Responses on disturbance and changes of parameters of controlled plant are compared. Comparing is made on simulation models in MATLAB/Simulink and on physical model connected to PLC B&R.
Master’s thesis deals with problems of predictive control especially Model (Based) Predictive Control (MBPC or MPC). Identifications methods are compared in the first part. Recursive least mean squares algorithm is compared with identification methods based on neural networks. Next parts deal with predictive control. There is described creation MPC with summing element and adaptive MPC. There is also compared fixed setting PSD controller with MPC. Responses on disturbance and changes of parameters of controlled plant are compared. Comparing is made on simulation models in MATLAB/Simulink and on physical model connected to PLC B&R.
Description
Keywords
Prediktivní řízení, Model Predictive Control, adaptivní MPC, MPC se sumačním členem, PSD regulátor, odezva na poruchu, odezva na změnu dynamiky soustavy, identifikace metodou nejmenších čtverců, učení metodami založenými na neuronových sítí, učení metodou back-propagation, učení metodou Levenberg-Marquardt., Predictive control, Model Predictive Control, adaptive MPC, MPC with summing element, PSD regulator, responses on disturbance, responses on changes parameter of plant, recursive least mean squares identification, identification based on neural networks, back-propagation learning method, Levenberg-Marquardt learning method.
Citation
MATYS, L. Prediktivní regulátory s principy umělé inteligence v prostředí MATLAB - B&R [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2008.
Document type
Document version
Date of access to the full text
Language of document
cs
Study field
Kybernetika, automatizace a měření
Comittee
prof. Ing. Stanislav Ďaďo, DrSc. (předseda)
prof. Ing. Luděk Žalud, Ph.D. (místopředseda)
doc. Ing. Petr Blaha, Ph.D. (člen)
Ing. Ilona Janáková, Ph.D. (člen)
Ing. Marie Havlíková, Ph.D. (člen)
Ing. Jan Pásek, CSc. (člen)
Date of acceptance
2008-06-10
Defence
Student obhajil diplmovou praci a zodpovedel otazky oponentu a komise.
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení