Original title: Adaptivní regulátory s principy umělé inteligence a jejich porovnání s klasickými metodami identifikace.
Translated title: Adaptive controllers with principles of artificial intelligence and its comparison with classical identifications methods
Authors: Dokoupil, Jakub ; Malounek, Petr (referee) ; Pivoňka, Petr (advisor)
Document type: Master’s theses
Year: 2009
Language: cze
Publisher: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií
Abstract: [cze] [eng]
Práce pojednává o metodice návrhu adaptivního regulátoru opírajícího se o znalost matematického modelu řízené soustavy. Důraz je kladen zejména na problematiku průběžné parametrické identifikace v uzavřené smyčce. Odhadování parametrů modelu je řešeno dvěma základními přístupy: rekurzivní metodou nejmenších čtverců a neuronovými estimátory. V případě metod nejmenších čtverců byla řešena otázka získání neposunutého odhadu, numerické stability a potlačování staré informace selektivním vážením dat. Pro neuronové estimátory byly zvoleny algoritmy Back Propagation a Marquardt-Levenberg. Z porovnání obou přístupů na reálných soustavách vyplývá, že pokročilejší techniky z řad metod nejmenších čtverců za současného stavu poskytují numericky přesnější a spolehlivější řešení problematiky identifikace pro adaptivní řízení. Ve vlastní realizaci bylo vytvořeno rozhraní v programu MATLAB/Simulink umožňující grafické a číselné vyhodnocení jednotlivých algoritmů. This piece of work deals with a philosophy of design adaptive controller, which is based on knowledge of mathematical model controlled plant. This master thesis is focused on closed-loop on-line parametric identification methods. An estimation of model´s parametres is solved by two main concepts: recursive leastsquare algorithms and neural estimators. In case of least-squares algorithm the strategy of preventing the typical problems are solved here. For instance numerical stability, accurecy and restricted forgetting. Back Propagation and Marquardt- Levenberg algorithm were choosen to represent artificial inteligence. There is still a little supermacy on the side of methods based on least-squares algorithm. To compare individual algorithms the grafical interface in MATLAB/Simulink was created.
Keywords: adaptive; factorization of covariance matrix; Least-squares method; neural estimators; PID; restricted forgetting; adaptivní; faktorizace kovarianční matice; Metoda nejmenších čtverců; neuronové estimátory; PID; selektivní vážení dat

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/12843

Permalink: http://www.nusl.cz/ntk/nusl-218008


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Master’s theses