Práce je věnována problematice dynamického neuronového modelu reálné soustavy motor generátor, kterou řídí diskrétní PID regulátor, jehož parametry jsou optimalizovány pomocí diferenciální evoluce. Byla provedena analýza vhodné topologie neuronové sítě a následné vytvoření algoritmů v prostředí MATLAB. Kvalita získaného řešení je ověřena na reálné soustavě motor-generátor.
Anotace v angličtině
The work deals with a dynamic neural model of the real motor-generator system, which is controlled by discrete PID controller, whose parameters are optimized using differential evolution. The analysis of appropriate topology of neural network was developed, and then algorithms in MATLAB were created. The quality of the resulting solution was tested on a real system, the motor-generator system.
Práce je věnována problematice dynamického neuronového modelu reálné soustavy motor generátor, kterou řídí diskrétní PID regulátor, jehož parametry jsou optimalizovány pomocí diferenciální evoluce. Byla provedena analýza vhodné topologie neuronové sítě a následné vytvoření algoritmů v prostředí MATLAB. Kvalita získaného řešení je ověřena na reálné soustavě motor-generátor.
Anotace v angličtině
The work deals with a dynamic neural model of the real motor-generator system, which is controlled by discrete PID controller, whose parameters are optimized using differential evolution. The analysis of appropriate topology of neural network was developed, and then algorithms in MATLAB were created. The quality of the resulting solution was tested on a real system, the motor-generator system.
Postup:
Cílem práce je vytvoření dynamického neuronového modelu soustavy motor-generátor a následné použití tohoto modelu pro návrh řízení soustavy. K řízení student použije diskrétní PID regulátor, jehož parametry budou optimalizovány pomocí diferenciální evoluce. V závěru bude student diskutovat kvalitu získaného řešení a srovná použitou metodu s klasickými postupy modelování a nastavování PID regulátoru.
Teoretická část:
Stručná rešerše problematiky modelování a řízení technologických procesů. Stručná rešerše problematiky dopředných vícevrstvých umělých neuronových sítí a jejich algoritmů učení. Stručný popis problematiky diferenciální evoluce.
Praktická část:
Naměření experimentálních dat pro tvorbu neuronového modelu. Budování neuronového modelu. Tvorba simulátoru regulačního pochodu s PID regulátorem. Optimalizace parametrů PID regulátoru pomocí diferenciální evoluce. Změření kvality regulace na řízené soustavě. Zhodnocení získaného řešení.
Zásady pro vypracování
Postup:
Cílem práce je vytvoření dynamického neuronového modelu soustavy motor-generátor a následné použití tohoto modelu pro návrh řízení soustavy. K řízení student použije diskrétní PID regulátor, jehož parametry budou optimalizovány pomocí diferenciální evoluce. V závěru bude student diskutovat kvalitu získaného řešení a srovná použitou metodu s klasickými postupy modelování a nastavování PID regulátoru.
Teoretická část:
Stručná rešerše problematiky modelování a řízení technologických procesů. Stručná rešerše problematiky dopředných vícevrstvých umělých neuronových sítí a jejich algoritmů učení. Stručný popis problematiky diferenciální evoluce.
Praktická část:
Naměření experimentálních dat pro tvorbu neuronového modelu. Budování neuronového modelu. Tvorba simulátoru regulačního pochodu s PID regulátorem. Optimalizace parametrů PID regulátoru pomocí diferenciální evoluce. Změření kvality regulace na řízené soustavě. Zhodnocení získaného řešení.
Seznam doporučené literatury
HAYKIN, S. Neural Networks. New Jersey: Prentice Hall, 1999. 845 s. ISBN 0-13-273350-1
MAŘÍK, V., ŠTĚPÁNKOVÁ, O., LAŽANSKÝ, J. Umělá intelligence (4). Praha: Academia, 2003. 479 s. ISBN 80-200-1044-0
MIKLEŠ, J., FIKAR, M. Modelovanie, identifikácia a riadenie procesov I. Bratislava: Vydavatelstvo STU, 1999. 168 s. ISBN 80-227-1289-2
TUČKOVÁ, J. Úvod do teorie a aplikací umělých neuronových sítí. Praha: Vydavatelství ČVUT, 2003. 103 s. ISBN 80-01-02800-3
Seznam doporučené literatury
HAYKIN, S. Neural Networks. New Jersey: Prentice Hall, 1999. 845 s. ISBN 0-13-273350-1
MAŘÍK, V., ŠTĚPÁNKOVÁ, O., LAŽANSKÝ, J. Umělá intelligence (4). Praha: Academia, 2003. 479 s. ISBN 80-200-1044-0
MIKLEŠ, J., FIKAR, M. Modelovanie, identifikácia a riadenie procesov I. Bratislava: Vydavatelstvo STU, 1999. 168 s. ISBN 80-227-1289-2
TUČKOVÁ, J. Úvod do teorie a aplikací umělých neuronových sítí. Praha: Vydavatelství ČVUT, 2003. 103 s. ISBN 80-01-02800-3
Přílohy volně vložené
1 CD.
Přílohy vázané v práci
-
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Cílem práce bylo využití neuronového modelu při návrhu řízení soustavy motor-generátor. Diplomont navrhl neuronový model reálné soustavy, zapojil jej do simulovaného regulačního obvodu s PID regulátorem a tento obvod použil pro optimalizační experiment, jehož výsledkem byly vhodné parametry diskrétního PID regulátoru. Takto nastavený PID regulátor byl pak použit pro řízení reálné soustavy. Diplomová práce splnila své zadání, diplomant splnil všechny body zadání, zdokumentoval svůj postup a v závěru zhodnotil své výsledky a význam práce.