Předmětem této práce je implementace vlastního regulátoru založeném na neuronové síti a následné porovnání oproti jiný běžným regulátorům. Implementovaný algoritmus řízení umělou neuronovou sítí je otestován jak v simulaci v programu Simulik, tak na reálném modelu v laboratoři. Teoretická část se zabývá umělými neuronovými sítěmi, jejich použitím v identifikací a v regulaci. Úvod praktické části je věnován implementaci neuronové sítě v MATLAB. Další část se zabývá porovnáním regulátorů s regulátory tvořenými umělými neuronovými sítěmi. V závěrečné kapitole je ukázka aplikace na reálném modelu.Výsledkem této práce je implementovaný regulátor využívající neuronové sítě a porovnání regulátorů tvořených umělými neuronovými sítěmi s běžnými regulátory. Porovnání v této práci jsou provedeny z hledisek počtu matematických operací, velikosti potřebné paměti pro výpočet, integrálních regulačních kritérií, relativních překmitů, minim a maxim zásadních veličin regulačního pochodu.
Anotace v angličtině
The main subject of this master thesis is an implementation of artificial neural network controller and subsequently comparison of other typical controllers, with implemented artificial neural network controller. Algorithm of artificial neural network is tested in simulation and on a real model in the laboratory. Theoretical part of this thesis is about artificial neural networks and their uses in system identification a control. In the practical part of this thesis is started with implementation of neural network in MATLAB. Follows comparison of different controllers with artificial neural network. In the last chapter is an example implementation of artificial neural network controller on real system. The result of this thesis is an implemented artificial neural network controller and comparatively with different common controllers. Comparisons are based on the number of operations, size of memory, integral control criteria, overshoot minima and maxima of control response.
Předmětem této práce je implementace vlastního regulátoru založeném na neuronové síti a následné porovnání oproti jiný běžným regulátorům. Implementovaný algoritmus řízení umělou neuronovou sítí je otestován jak v simulaci v programu Simulik, tak na reálném modelu v laboratoři. Teoretická část se zabývá umělými neuronovými sítěmi, jejich použitím v identifikací a v regulaci. Úvod praktické části je věnován implementaci neuronové sítě v MATLAB. Další část se zabývá porovnáním regulátorů s regulátory tvořenými umělými neuronovými sítěmi. V závěrečné kapitole je ukázka aplikace na reálném modelu.Výsledkem této práce je implementovaný regulátor využívající neuronové sítě a porovnání regulátorů tvořených umělými neuronovými sítěmi s běžnými regulátory. Porovnání v této práci jsou provedeny z hledisek počtu matematických operací, velikosti potřebné paměti pro výpočet, integrálních regulačních kritérií, relativních překmitů, minim a maxim zásadních veličin regulačního pochodu.
Anotace v angličtině
The main subject of this master thesis is an implementation of artificial neural network controller and subsequently comparison of other typical controllers, with implemented artificial neural network controller. Algorithm of artificial neural network is tested in simulation and on a real model in the laboratory. Theoretical part of this thesis is about artificial neural networks and their uses in system identification a control. In the practical part of this thesis is started with implementation of neural network in MATLAB. Follows comparison of different controllers with artificial neural network. In the last chapter is an example implementation of artificial neural network controller on real system. The result of this thesis is an implemented artificial neural network controller and comparatively with different common controllers. Comparisons are based on the number of operations, size of memory, integral control criteria, overshoot minima and maxima of control response.
Vypracute literární rešerši z oblasti umělých neuronových sítí.
Zpracujte především využití umělých neuronových sítí v oblasti řízení systémů.
Implementujte vybranou umělou neuronovou síť.
Ověřte funkčnost regulace pomocí zvolené umělé neuronové sítě na vhodné soustavě.
Porovnejte regulaci neuronové sítě s jiným typem regulátoru.
Zásady pro vypracování
Vypracute literární rešerši z oblasti umělých neuronových sítí.
Zpracujte především využití umělých neuronových sítí v oblasti řízení systémů.
Implementujte vybranou umělou neuronovou síť.
Ověřte funkčnost regulace pomocí zvolené umělé neuronové sítě na vhodné soustavě.
Porovnejte regulaci neuronové sítě s jiným typem regulátoru.
Seznam doporučené literatury
HAGAN, Martin T., Howard B. DEMUTH, Mark H. BEALE a Orlando DE JESÚS. Neural network design. 2st ed. Boston: PWS Pub., 2014. ISBN 9780971732117.
NORGAARD, Magnus, Ole RAVN, Niels K. POULSEN a L. K. HANSEN. Neural networks for modelling and control of dynamic systems: a practitioner\symbol{39}s handbook. New York: Springer, 2000. ISBN 1852332271.
RASCHKA, Sebastian. Python Machine Learning. Birmingham: Packt Publishing, 2015. ISBN 9781783555130.
BOBÁL, Vladimír. Adaptivní a prediktivní řízení. Zlín: Univerzita Tomáše Bati, 2007. ISBN 978-80-7318-662-2.
ŠÍMA J., NERUDA R.: Teoretické otázky neuronových sítí. Vyd. 1. Praha, 1996: Matfyzpress, 390 s., ISBN 80-85863-18-9
KŘIVAN, Miloš. Úvod do umělých neuronových sítí. Vyd. 3., přeprac. Praha: Oeconomica, 2014, 44 s. ISBN 978-80-245-2024-7.
Seznam doporučené literatury
HAGAN, Martin T., Howard B. DEMUTH, Mark H. BEALE a Orlando DE JESÚS. Neural network design. 2st ed. Boston: PWS Pub., 2014. ISBN 9780971732117.
NORGAARD, Magnus, Ole RAVN, Niels K. POULSEN a L. K. HANSEN. Neural networks for modelling and control of dynamic systems: a practitioner\symbol{39}s handbook. New York: Springer, 2000. ISBN 1852332271.
RASCHKA, Sebastian. Python Machine Learning. Birmingham: Packt Publishing, 2015. ISBN 9781783555130.
BOBÁL, Vladimír. Adaptivní a prediktivní řízení. Zlín: Univerzita Tomáše Bati, 2007. ISBN 978-80-7318-662-2.
ŠÍMA J., NERUDA R.: Teoretické otázky neuronových sítí. Vyd. 1. Praha, 1996: Matfyzpress, 390 s., ISBN 80-85863-18-9
KŘIVAN, Miloš. Úvod do umělých neuronových sítí. Vyd. 3., přeprac. Praha: Oeconomica, 2014, 44 s. ISBN 978-80-245-2024-7.
Přílohy volně vložené
1 CD ROM
Přílohy vázané v práci
grafy
Převzato z knihovny
Ne
Plný text práce
Přílohy
Posudek(y) oponenta
Hodnocení vedoucího
Záznam průběhu obhajoby
Diplomant prezentoval před komisí cíle a výsledky své diplomové práce.
Prezentace jako celek působila výborným dojmem. Student dokázal popsat podstatné body práce.
Následně byl student seznámen s posudky vedoucího a oponenta diplomové práce.
Komise vznesla k obhajobě následující dotazy:
1) Prof. Farana: Jaký regulátor jste modeloval pomocí neuronové sítě?
2) Prof. Farana: Bylo by možno použít klasickou regulaci?
3) Prof. Vlček: Jak náročný je systém co se týče obvodového řešení a výpočetní náročnosti?
4) Prof. Vlček: Jaký procesor byste použil při implementaci?
5) Ing. Dulík: V jakých jednotkách je uveden potřebný počet operací?
Diplomant na dotazy reagoval pohotově.