Neurale Netværk anvendt indenfor Proceskontrol. Neural Network for Process Control

Publikation: Bog/antologi/afhandling/rapportPh.d.-afhandlingForskning

Resumé

Dette projekt omhandler anvendelsen af neurale netværksmodeller til proceskontrol. Neurale netværksmodeller er simple modeller af de processer, der forløber i det biologiske neurale netværk. Det biologiske neurale netværk er det netværk af nerveceller, der tilsammen danner centralnervesystemet hos mennesket (hjernen). Som bekendt er vi som mennesker i stand til at løse meget krævende styrings- og reguleringsopgaver, som fx. At holde balancen og gå samtidigt, at cykle ect. Disse styrings- og reguleringsopgaver er alle karakteriseret ved, at der samtidig skal udnyttes en mængde forskellige og svært beskrivelige inputsignaler. Det biologiske neurale netværk dvs. hjernen er således gennem indlæring i stand til at læse, hvorledes der skal stryes og reguleres på baggrund af disse inputsignaler, så det ønskede resultat opnås. Det er derfor nærliggende at undersøge, hvorvidt neurale netværk er anvendelige indenfor proceskontrol i almindelighed. Med anvendelser til proceskontrol menes der her anvendeler til prediction, simulering og regulering af dynamiske systemer. For at teste, hvorvidt neurale netværk er anvendelig til prediction og simulering, er der anvendt en tre-trinsoverheder simulator til at generere indlærings- og testdata. Af de tre valgte netværkstyper er der kun Multi-Layer Perceptron nette, der e ranvendeligt til prediction og simulering af dynamiske systemer ud fra de opstillede koncepter og metoder. I sidste kapitel, omhandlende regulering, er der således også anvendt Multi-Layer Perceptron net. Der er opstillet koncepter/metoder til såvel feedforward regulering som feedback regulering. Multi-Layer Perceptronen er i stand til at regulere et ulineært, multivariabelt og dynamisk system, således at der opnås følgende: 1. Systemet lineariseres således, at der opnås ensartet steprespons i hele arbejdsområdet. 2. Systemet afkobles således, at det er muligt at styre hvert enkelt output uafhængigt af hinanden. 3. Alle målelige forstyrrelser udkompenseres. 4. Det er muligt, at kombinere den neurale regulator med et eksisterende feedback reguleringssystem.
OriginalsprogDansk
ForlagAalborg Universitetsforlag
Antal sider294
ISBN (Trykt)xxxxxxxxxx
StatusUdgivet - 1993

Citer dette

@phdthesis{334c51b0003411dab4d5000ea68e967b,
title = "Neurale Netv{\ae}rk anvendt indenfor Proceskontrol. Neural Network for Process Control",
abstract = "Dette projekt omhandler anvendelsen af neurale netv{\ae}rksmodeller til proceskontrol. Neurale netv{\ae}rksmodeller er simple modeller af de processer, der forl{\o}ber i det biologiske neurale netv{\ae}rk. Det biologiske neurale netv{\ae}rk er det netv{\ae}rk af nerveceller, der tilsammen danner centralnervesystemet hos mennesket (hjernen). Som bekendt er vi som mennesker i stand til at l{\o}se meget kr{\ae}vende styrings- og reguleringsopgaver, som fx. At holde balancen og g{\aa} samtidigt, at cykle ect. Disse styrings- og reguleringsopgaver er alle karakteriseret ved, at der samtidig skal udnyttes en m{\ae}ngde forskellige og sv{\ae}rt beskrivelige inputsignaler. Det biologiske neurale netv{\ae}rk dvs. hjernen er s{\aa}ledes gennem indl{\ae}ring i stand til at l{\ae}se, hvorledes der skal stryes og reguleres p{\aa} baggrund af disse inputsignaler, s{\aa} det {\o}nskede resultat opn{\aa}s. Det er derfor n{\ae}rliggende at unders{\o}ge, hvorvidt neurale netv{\ae}rk er anvendelige indenfor proceskontrol i almindelighed. Med anvendelser til proceskontrol menes der her anvendeler til prediction, simulering og regulering af dynamiske systemer. For at teste, hvorvidt neurale netv{\ae}rk er anvendelig til prediction og simulering, er der anvendt en tre-trinsoverheder simulator til at generere indl{\ae}rings- og testdata. Af de tre valgte netv{\ae}rkstyper er der kun Multi-Layer Perceptron nette, der e ranvendeligt til prediction og simulering af dynamiske systemer ud fra de opstillede koncepter og metoder. I sidste kapitel, omhandlende regulering, er der s{\aa}ledes ogs{\aa} anvendt Multi-Layer Perceptron net. Der er opstillet koncepter/metoder til s{\aa}vel feedforward regulering som feedback regulering. Multi-Layer Perceptronen er i stand til at regulere et uline{\ae}rt, multivariabelt og dynamisk system, s{\aa}ledes at der opn{\aa}s f{\o}lgende: 1. Systemet lineariseres s{\aa}ledes, at der opn{\aa}s ensartet steprespons i hele arbejdsomr{\aa}det. 2. Systemet afkobles s{\aa}ledes, at det er muligt at styre hvert enkelt output uafh{\ae}ngigt af hinanden. 3. Alle m{\aa}lelige forstyrrelser udkompenseres. 4. Det er muligt, at kombinere den neurale regulator med et eksisterende feedback reguleringssystem.",
author = "Madsen, {Per Printz}",
year = "1993",
language = "Dansk",
isbn = "xxxxxxxxxx",
publisher = "Aalborg Universitetsforlag",

}

Neurale Netværk anvendt indenfor Proceskontrol. Neural Network for Process Control. / Madsen, Per Printz.

Aalborg Universitetsforlag, 1993. 294 s.

Publikation: Bog/antologi/afhandling/rapportPh.d.-afhandlingForskning

TY - BOOK

T1 - Neurale Netværk anvendt indenfor Proceskontrol. Neural Network for Process Control

AU - Madsen, Per Printz

PY - 1993

Y1 - 1993

N2 - Dette projekt omhandler anvendelsen af neurale netværksmodeller til proceskontrol. Neurale netværksmodeller er simple modeller af de processer, der forløber i det biologiske neurale netværk. Det biologiske neurale netværk er det netværk af nerveceller, der tilsammen danner centralnervesystemet hos mennesket (hjernen). Som bekendt er vi som mennesker i stand til at løse meget krævende styrings- og reguleringsopgaver, som fx. At holde balancen og gå samtidigt, at cykle ect. Disse styrings- og reguleringsopgaver er alle karakteriseret ved, at der samtidig skal udnyttes en mængde forskellige og svært beskrivelige inputsignaler. Det biologiske neurale netværk dvs. hjernen er således gennem indlæring i stand til at læse, hvorledes der skal stryes og reguleres på baggrund af disse inputsignaler, så det ønskede resultat opnås. Det er derfor nærliggende at undersøge, hvorvidt neurale netværk er anvendelige indenfor proceskontrol i almindelighed. Med anvendelser til proceskontrol menes der her anvendeler til prediction, simulering og regulering af dynamiske systemer. For at teste, hvorvidt neurale netværk er anvendelig til prediction og simulering, er der anvendt en tre-trinsoverheder simulator til at generere indlærings- og testdata. Af de tre valgte netværkstyper er der kun Multi-Layer Perceptron nette, der e ranvendeligt til prediction og simulering af dynamiske systemer ud fra de opstillede koncepter og metoder. I sidste kapitel, omhandlende regulering, er der således også anvendt Multi-Layer Perceptron net. Der er opstillet koncepter/metoder til såvel feedforward regulering som feedback regulering. Multi-Layer Perceptronen er i stand til at regulere et ulineært, multivariabelt og dynamisk system, således at der opnås følgende: 1. Systemet lineariseres således, at der opnås ensartet steprespons i hele arbejdsområdet. 2. Systemet afkobles således, at det er muligt at styre hvert enkelt output uafhængigt af hinanden. 3. Alle målelige forstyrrelser udkompenseres. 4. Det er muligt, at kombinere den neurale regulator med et eksisterende feedback reguleringssystem.

AB - Dette projekt omhandler anvendelsen af neurale netværksmodeller til proceskontrol. Neurale netværksmodeller er simple modeller af de processer, der forløber i det biologiske neurale netværk. Det biologiske neurale netværk er det netværk af nerveceller, der tilsammen danner centralnervesystemet hos mennesket (hjernen). Som bekendt er vi som mennesker i stand til at løse meget krævende styrings- og reguleringsopgaver, som fx. At holde balancen og gå samtidigt, at cykle ect. Disse styrings- og reguleringsopgaver er alle karakteriseret ved, at der samtidig skal udnyttes en mængde forskellige og svært beskrivelige inputsignaler. Det biologiske neurale netværk dvs. hjernen er således gennem indlæring i stand til at læse, hvorledes der skal stryes og reguleres på baggrund af disse inputsignaler, så det ønskede resultat opnås. Det er derfor nærliggende at undersøge, hvorvidt neurale netværk er anvendelige indenfor proceskontrol i almindelighed. Med anvendelser til proceskontrol menes der her anvendeler til prediction, simulering og regulering af dynamiske systemer. For at teste, hvorvidt neurale netværk er anvendelig til prediction og simulering, er der anvendt en tre-trinsoverheder simulator til at generere indlærings- og testdata. Af de tre valgte netværkstyper er der kun Multi-Layer Perceptron nette, der e ranvendeligt til prediction og simulering af dynamiske systemer ud fra de opstillede koncepter og metoder. I sidste kapitel, omhandlende regulering, er der således også anvendt Multi-Layer Perceptron net. Der er opstillet koncepter/metoder til såvel feedforward regulering som feedback regulering. Multi-Layer Perceptronen er i stand til at regulere et ulineært, multivariabelt og dynamisk system, således at der opnås følgende: 1. Systemet lineariseres således, at der opnås ensartet steprespons i hele arbejdsområdet. 2. Systemet afkobles således, at det er muligt at styre hvert enkelt output uafhængigt af hinanden. 3. Alle målelige forstyrrelser udkompenseres. 4. Det er muligt, at kombinere den neurale regulator med et eksisterende feedback reguleringssystem.

M3 - Ph.d.-afhandling

SN - xxxxxxxxxx

BT - Neurale Netværk anvendt indenfor Proceskontrol. Neural Network for Process Control

PB - Aalborg Universitetsforlag

ER -