Aplikace neuronových sítí pro řízení laboratorních modelů

Abstract

Diplomová práce se v první části věnuje teorii kolem neuronových sítí. Jedná se především o volby architektury neuronové sítě, algoritmy učení, inicializaci váhových parametrů a identifikaci pomocí neuronových sítí. Další část je věnována aplikaci neuronových sítí pro řízení laboratorního modelu stejnosměrného motoru. Byla provedena identifikace stejnosměrného motoru pomocí neuronových sítí a následná aplikace algoritmů řízení pomocí neuronových sítí na reálný model. Za tímto účelem byly vytvořeny simulační modely pro jednotlivé metody v prostředí Matlab/Simulink. Především byla použita metoda Přímého inverzního řízení, metoda Řízení s vnitřním modelem a Adaptivní regulace využívající ortogonální síť. Každá metoda je zhodnocena z hlediska kvality regulace integrálním kritériem IAE.

In the first part of thesis deals with theory about neural networks. This is primarily a choice of architecture neural network, learning algorithms, initialization weight parameters and identification using neural networks. Another section is devoted to the application of neural networks for control a laboratory model of DC motor. Carried out was identification of DC motor using neural networks and subsequent application of control algorithms using neural networks to the real model. For this purpose, were developed simulation models for the different methods in Matlab/Simulink. Primarily used method of Inverse Control Method, Internal Model Control and Adaptive Control using Orthogonal Network. Each method is evaluated in terms of quality control criterion IAE.