Modelovanie a riadenie teplovzdušnej sústavy pomocou umelej neurónovej siete

Pešková, Petra

Publikace:
Modelovanie a riadenie teplovzdušnej sústavy pomocou umelej neurónovej siete

Diplomová práceOmezený přístup

dc.contributor.advisor	Doležel, Petr
dc.contributor.author	Pešková, Petra
dc.contributor.referee	Blahova, Lenka
dc.date.accepted	2010
dc.date.accessioned	2010-07-03T17:35:14Z
dc.date.available	2010-07-03T17:35:14Z
dc.date.issued	2010
dc.description.abstract	Snahou práce je poukázať na využite neurónových sietí pri experimentálnej identifikácii a riadení systémov. Neurónové siete sa v tejto oblasti presadzujú iba pomaly, pretože vo väčšine praktických aplikácií dostatočne vyhovujú klasické metódy riadenia, ale ich použitie prináša výhody, ktoré klasickým metódam chýbajú. Pre účely práce bola použitá reálna sústava, teplovzdušný model, pre ktorú bol vytvorený statický a dynamický neurónový model. Pri tvorbe statického modelu sa nadstavovali parametre siete pomocou evolučných algoritmov - genetického algoritmu a diferenciálnej evolúcie, čím sa tento alternatívny spôsob trénovania siete mohol porovnať s klasickým. Použitím rovnakých algoritmov a dynamického neurónového modelu sa hľadali optimálne nadstavenia parametrov PID regulátora. Kvalita riadenia takto nadstaveného regulátora sa potom porovnala s regulátorom, ktorého parametre boli nadstavené klasickou metódou.	slo
dc.description.abstract-translated	The thesis deals with application of neural networks in experimental identification and process control. Neural networks are enforced slowly in this field because in most of practical applications, classical control methods are suitable enough. On the other hand, neural networks bring advantages which are missing in classical methods. The real system (hot-air model) was used in the thesis. Both static and dynamic neural models of the real system were designed. In static model design, the parameters were adjusted by evolutionary algorithms - genetic algorithm and differential evolution. These alternative ways of neural network training were compared with the classical one. By using of the same evolutionary algorithms and dynamic neural model, optimal set of PID controller parameters was searched. The control quality PID controller tuned this way was then compared with controller of which parameters were adjusted by classical method.	eng
dc.description.defence	Diplomantka práce se v souladu se zadáním zabývá tvorbou statického a dynamického neuronového modelu laboratorní soustavy, následně návrhem řízení soustavy s využitím těchto neuronových modelů. V rámci práce bylo třeba vytvořit ovládací skripty a funkce k soustavě a grafické uživatelské rozhraní, to vše ve vývojovém prostředí Matlab. Diplomantka k úkolu přistupovala iniciativně a samostatně. Komise ohodnotila DP známkou výborně.	cze
dc.description.department	Katedra softwarových technologií	cze
dc.description.grade	Dokončená práce s úspěšnou obhajobou	cze
dc.format	70 s.	cze
dc.format.extent	841434 bytes
dc.format.mimetype	application/zip
dc.identifier	Univerzitní knihovna (sklad)	cze
dc.identifier.signature	D23379
dc.identifier.uri	https://hdl.handle.net/10195/37049
dc.language.iso	slo
dc.publisher	Univerzita Pardubice	cze
dc.rights	Pouze v rámci univerzity	cze
dc.subject	Neural network	eng
dc.subject	evolutionary algorithms	eng
dc.subject	Identification	eng
dc.subject	Control	eng
dc.subject	Umelé neurónové siete	slo
dc.subject	evolučné algoritmy	slo
dc.subject	identifikácia	slo
dc.subject	riadenie	slo
dc.thesis.degree-discipline	Informační technologie	cze
dc.thesis.degree-grantor	Univerzita Pardubice. Fakulta elektrotechniky a informatiky	cze
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Informační technologie	cze
dc.title	Modelovanie a riadenie teplovzdušnej sústavy pomocou umelej neurónovej siete	slo
dc.title.alternative	Modeling and controling the hot-air system by using Neural Network	eng
dc.type	diplomová práce	cze
dspace.entity.type	Publication