Ανάπτυξη νέων αλγόριθμων προσαρμοστικού ελέγχου βασισμένων σε μοντέλο τουτ συστήματος και η υλοποίησή τους σε ενσωματωμένα συστήματα πραγματικού χρόνου

Περίληψη

Η διατριβή αυτή αφορά στην ανάπτυξη δυο νέων αλγορίθμων αναγνώρισης μοντέλου που να στηρίζεται σε νευρωνικά δίκτυα και δυο νέων αλγορίθμων προβλεπτικού ελέγχου με χρήση μοντέλου (MPC) οι οποίοι συνδυάζονται για να σχηματίσουν στρατηγικές προσαρμοστικού ελέγχου με χρήση μοντέλου. Επίσης, προτείνονται και δυο νέες υπολογιστικές πλατφόρμες για την υλοποίηση των στρατηγικών αυτών. Οι συνολικές στρατηγικές αποτελούνται από το τμήμα αναγνώρισης του μοντέλου εν λειτουργία του ελεγχόμενου συστήματος και από το τμήμα του στηριζόμενου σε μοντέλο προβλεπτικού ελέγχου. Οι αλγόριθμοι που προτείνονται για την αναγνώριση του μοντέλου είναι πρακτικά δυο νέοι αλγόριθμοι εκπαίδευσης ενός δυναμικού εμπροσθοβαρούς νευρωνικού δικτύου (DFNN) που θεωρείται ότι συνιστά το μοντέλο ενός μη γραμμικού δυναμικού συστήματος. Οι προτεινόμενοι αλγόριθμοι είναι: ο προσαρμοστικός επαναληπτικός αλγόριθμος των ελαχίστων τετραγώνων (ARLS) και ο τροποποιημένος Levenberg-Marquardt αλγόριθμος (MLMA). Οι προτεινόμενοι αλγόριθ ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This dissertation deals with the development of two new neural network-based model identification algorithms and two new model predictive control (MPC) algorithms which are combined to form model-based adaptive control strategies. Also, two new computer platforms for the implementation of these algorithms and their corresponding strategies are proposed. The overall strategies consist of an online model identification part and a model-based predictive control part. The proposed algorithms for the model identification are practically two new algorithms for training a dynamic feedforward neural network (DFNN) which will be considered to comprise the model of a nonlinear dynamic system. The proposed training algorithms are: the adaptive recursive least squares (ARLS) algorithm and the modified Levenberg-Marquardt algorithm (MLMA). The proposed algorithms for the predictive control parts are: the adaptive generalized predictive control (AGPC) and the nonlinear adaptive model predictive cont ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/25318
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/25318
ND
25318
Εναλλακτικός τίτλος
Development of new model-based adaptive predictive control algorithms and their implementation on real - time embedded systems
Συγγραφέας
Akpan, Vincent of Andrew
Ημερομηνία
2011
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Σχολή Πολυτεχνική. Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Εξεταστική επιτροπή
Χασάπης Γεώργιος
Χατζόπουλος Αλκιβιάδης
Πέτρου Λουκάς
Πετρίδης Βασίλειος
Δούλγερη Ζωή
Θεοχάρης Ιωάννης
Κοσμίδου Όλγα
Επιστημονικό πεδίο
Επιστήμες Μηχανικού και Τεχνολογία
Επιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ
Λέξεις-κλειδιά
Συστήματα αυτόματου ελέγχου; Νευρωνικά δίκτυα; Ενσωματωμένα συστήματα; Προβλεπτικός έλεγχος; Αναγνώριση συστημάτων
Χώρα
Ελλάδα
Γλώσσα
Αγγλικά
Άλλα στοιχεία
xxix, 486 σ., εικ., χαρτ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)