Home > Autores:
IA353 – Redes Neurais
Professores: Leandro N. de Castro
Fernando J. Von Zuben
Revisão Bibliogr��fica
: Identificação e Controle de Sistemas Dinâmicos usando Redes Neurais
Aluna:
Campinas,
Abril – 2003
As
teorias de identificação e controle de sistemas dinâmicos, como ��reas
de pesquisa multidisciplinar, t��m experimentado avanços significativos
nas ��ltimas d��cadas, dando ��nfase tanto a aspectos conceituais quanto
t��cnicos. A parte mais desenvolvida destas teorias diz respeito ao
t��pico de sistemas lineares, sendo que importantes conceitos ou resultados
te��ricos foram obtidos, em ��reas como sistemas multivari��veis, an��lise
de estabilidade, controle ��timo, controle robusto e controle adaptativo.
Ferramentas muito eficientes de ��lgebra linear e as equações diferenciais
lineares ordin��rias podem ser empregadas na an��lise de sistemas dinâmicos
(planta ou processo), desde que o sistema possa ser adequadamente descrito
por uma aproximação linear.
Por��m, a aplicação dessas t��cnicas muitas vezes �� limitada devido ��s condições de não linearidade do sistema em questão ou do ambiente no qual ele est�� imerso. Para esses casos abordagens lineares podem não satisfazer de maneira completa os requisitos do sistema.
Uma
solução poss��vel seria o projeto (ou an��lise) de sistemas não lineares
de identificação e controle. Entretanto os m��todos de projeto de
sistemas não lineares são muito espec��ficos e, em alguns casos, inerentes
ao processo em questão.
Na tentativa de propor soluções para tais problemas, diferentes arquiteturas de redes
neurais foram adotadas durante
estes ��ltimos anos. O objetivo era modelar o sistema em questão de
maneira mais transparente e permitir um maior dom��nio sobre a flexibilidade
das estruturas resultantes.
Por que usar Redes Neurais?
As redes neurais
artificiais possuem diversas propriedades que as fazem particularmente
atrativas para aplicações a modelo e controle de sistemas não-linear.
Entre estas propriedades são sua habilidade universal da aproximação,
sua estrutura paralela da rede e a disponibilidade de m��todos de aprendizagem
on e off-line para interconexão dos pesos.
Autores: Johan A. K. Suykens, Joos P. L. Vandewalle, Bart L. R. De Moor
Titulo: Artificial Neural Networks for Modelling and Control of Non-Linear Systems.
Tipo de Publicação: Livro
Nro. P��ginas: 235 M��s/Ano: Maio/1996
ISBN: 0792396782
Fonte: Kluwer Academic Publishers
Palavras-Chave: Neural Network, nonlinear system control
Informações
Adicionais: O livro
apresenta arquiteturas classicas e novidades de rede e algoritmos de
aprendizagem para modelar e controlar. Os t��picos incluem a identificação
non-linear do sistema, o controle optimo neural, o projeto neural baseado
modelo top-down do controle e a an��lise da estabilidade de sistemas
de controle neural. Uma contribuição principal deste livro deve introduzir
a teoria de NLq como uma extensão da teoria de controle moderna.
Autores: Haykin, Jose C. Principe, James T. Lowe, Shigeru Katagiri
Titulo: Nonlinear Dynamical Systems: Feedforward Neural Network Perspectives
Tipo de Publicação: Livro
Num. P��ginas: 312 Data de publicação: 02/01/2001
Fonte: Wiley, John and Sons, Incorporated
ISBN: 0471349119
Palavras-Chave:
Informações
Adicionais: Este livro
trata de uma parte especializada das redes neurais que t��m aplicações
no controle, em processamento de sinal e na an��lise de s��rie de tempo.
Autores: A. K. Ku Leuven
Titulo: Artificial Neural Networks for Modeling and Control of Non-Linear Systems
Tipo de Publicação: Livro
Nro. P��ginas: 248 Data publicação: 01/01/1996
Fonte: Kluwer Academic Publishers
ISBN:
0792396782
Autores: G. P. Liu
Titulo: Nonlinear Identification and Control: A Neural Network Approach (Advances in Industrial Control)
Tipo de Publicação: Livro
Nro. P��ginas: 256 M��s/Ano: Septembro 2001
Fonte: Springer Verlag
ISBN: 1852333421
Palavras-Chave: Nonlinear System, Neural Network.
Autores: Ng, Gee Wah
Titulo: Application of Neural Networks to Adaptive Control of Nonlinear Systems
Tipo de Publicação: Livro
Nro. P��ginas: 224 Ano: 1997
Fonte: Research Studies Press Ltd
ISBN: 0863802141
Palavras-Chave: Neural Network, Nonlinear System control.
Informações
Adicionais: Este livro
investiga a habilidade de uma rede neural (NN) para aprender como
controlar (não-linear, no geral) um sistema desconhecido, usando os
dados adquiridos on-line,isto �� durante o processo de tentar exercer
o controle. Dois algoritmos são desenvolvidos para treinar a rede neural
para aplicações real-time do controle. O primeiro algoritmo �� conhecido
como aprendizado por Recursive Least Squares (LRLS) e o segundo algoritmo
Integrated Gradient and Least Squares (IGLS).
Autores: F.Von Zuben
Titulo: Redes Neurais Aplicadas ao Controle de M��quina de Indução
Tipo de Publicação: Dissertação do Mestrado
P��g/M��s/Ano: 244 p��ginas, Outubro 1993.
Fonte:Departamento de Engenharia de Computação
e Automação Industrial (DCA)
Faculdade de Engenharia El��trica e de Computação (FEEC)
Universidade Estadual de Campinas (Unicamp), SP, Brasil
Autores: Barto A. R.
Titulo: Connectionist learning for control: Na overview.
Tipo de Publicação: Artigo
M��s/Ano: Setembro 1989.
Fonte: NCOINS Technical Report.
A Identificação
de sistemas dinâmicos pode realizar de duas maneiras, com o treinamento
off-line (fora de l��nea) ou com treinamento on-line (em l��nea). Muitas
investigações tem-se efetuada sobre a identificação de sistemas
off-line onde se usa um arquivo gerado com a historia das entradas e
sa��das do sistema para treinar a rede, Embora para prop��sitos de controle
adaptativo de processos não lineares, se requerem algoritmos de treinamento
on-line para prover una not��vel melhoria na exatitude do sistema modelado
e ajustar os parâmetros da rede de acordo ��s mudanças que ocorram
no processo.
Autores: Roberto C. L. Oliveira, Rosana P. O. Soares
Titulo: Implementação no LABVIEW do esquema de controle não linear IMC em tempo real utilizando Redes Neurais Artificiais.
Tipo de Publicação: Artigo.
P��g.: 32-37 Ano: 2002.
Fonte: XIV Congresso Brasileiro de Autom��tica .
http://www.dsee.fee.unicamp.br/local/cba2002/trabalhos/374.pdf
Palavras-Chave: Model based control, Neural Network Models; Non linear Systems; Laboratory Education.
Informações
Adicionais: Neste
trabalho, o esquema de controle por modelo interno que utiliza Redes
Neurais Artificiais, tanto para implementar o modelo do processo a ser
controlado como para implementar o controlador, foi utilizado para controlar
uma planta teste em tempo real, com modelo de segunda ordem e não linearidade
tipo zona morta. Foram utilizadas Redes Neurais Diretas Multicamadas
treinadas no ambiente MatLab /Simulink atrav��s do algoritmo de retropropagação
do erro. A implementação do sistema de controle em tempo real foi
realizada atrav��s do software LabView.
Autores: Ivan Gabrijel, Andrej Dobnikar
Titulo: On-line identification and reconstruction of finite automata with generalized recurrent neural networks
Tipo de Publicação: Artigo
Vol.: 16 Nro.: 1 P��g.: 101-120 M��s/Ano: Janeiro/2003
Fonte: Elsevier Science Ltd
doi:10.1016/S0893-6080(02)00221-6
Palavras-Chave: Recurrent neural networks; System identification; Finite automata; Supervised learning; On-line learning; On-line rule extraction
Informações
Adicionais: Neste artigo
o autômatos finitos são tratados como sistemas dinâmicos discretos
gerais do viewpoint da teoria dos sistemas.
Autores:Liu, Guoping P; Kadirkamanathan, Visakan; Billings, Steve A
Titulo: On-line identification of nonlinear systems using Volterra polynomial basis function neural networks
Tipo de Publicação: Artigo
Vol: 11 Nro: 9 P��g: 1645-1657 M��s/Ano: Dec 1998.
Fonte: Neural Networks
Palavras-Chave: Nonlinear control systems; Identification (control systems); Polynomials; Learning algorithms; Learning systems; Least squares approximations; Convergence of numerical methods; Error analysis; Lyapunov methods; Computer simulation
Informações
Adicionais: Um esquema
on-line da identificação usando a redes neurais polinomial da função
da base de Volterra (VPBF) �� considerado para sistemas de controle
não-lineares. Isto compreende um procedimento de seleção da estrutura
e um algoritmo de aprendizagem do peso recursivo. O algoritmo Least-Squares
ortogonal �� introduzido para a seleção off-line da estrutura e a
t��cnica crescente da rede �� usada para a seleção em linha da estrutura.
Definição.
Identificação compreende a obtenção de modelos matem��ticos (estruturas
e parâmetros) do comportamento de sistemas dinâmicos. Envolve o uso
de t��cnicas de modelagem f��sica (leis de Newton, Kirkhoff, Maxwell)
e experimental como por exemplo, m��nimos quadrados, variância m��nima,
vari��vel instrumental, entre outras.
A identificação
de plantas ou sistemas desconhecidos, �� um t��pico extensamente estudado
na teoria de controle cl��ssico. Diversos m��todos e algoritmos para
a identificação de sistemas tem sido estudados desde 1960 e muitos
procedimentos h�� sido propostos e muitos usados na identificação
de sistemas lineares, Embora sua aplicabilidade para a identificação
de sistemas não lineares ��s muito limitada. Por esta razão e por
as vantagens que apresenta as redes neurais para a representação de
modelos não lineares, h�� motivado a muitos investigadores a
realizar estudos sobre identificação de sistemas dinâmicos por atrav��s
de redes neurais.
Um
dos principais pontos que deve ser abordado no projeto da rede neural
�� o modelo de rede a ser utilizado. Diversos modelos de redes neurais
artificiais podem ser aplicados em problemas de identificação e controle
de sistemas dinâmicos.
Autores:Charaf, Hassan; Vajk, Istvan
Titulo: New structure for nonlinear system identification using neural networks
Tipo de Publicação: Artigo
Vol: 42 Nro: 2 P��g: 175-192
Fonte: Periodica Polytechnica, Electrical Engineering
Palavras-Chave: Identification (control systems); Control nonlinearities; Control system analysis; Neural networks; Computer simulation; Mathematical models; Error analysis; Mathematical operators; Approximation theory
Informações
Adicionais: Este trabalho demonstra a diferença entre o
deslocamento e o modelo do delta e verifica a efic��cia da estrutura
da transformação do delta.
Autores: Michael C. Nechyba and Yangsheng Xu
Titulo: Neural Network Approach to Control System Identification with Variable Activation Functions.
Tipo de Publicação: Artigo.
Ano: 1994.
Fonte: The Robotics Institute Carnegie Mellon University
http://www.mil.ufl.edu/~nechyba/cv/papers/isic1994.pdf
Palavras-Chave:
Informações
Adicionais:
Neste Artigo, examina-se o potencial de uma arquitetura de aprendizagem
eficiente da rede neural aos problemas da identificação e do controle
do sistema. A arquitetura de aprendizagem da cascata permite que as
unidades diferentes tenham funções diferentes da ativação, tendo
por resultado mais rapidamente a aprendizagem.
Autores: S. Chen, S. Billings, and P. Grant.
Titulo: Non-linear system identification using neural networks.
Tipo de Publicação: Artigo
Vol: 51 Nro.: 06 P��g.: 1191—1214 Ano: 1990
Fonte: International Journal of Control.
Palavras-Chave: Non-linear system identification, neural
networks.
Autores: T. Yamada, T. Yabuta
Titulo: Dynamic system identification using neural networks.
Tipo de Publicação: Artigo.
Vol: 23 P��g.: 204-211 M��s/Ano: Jan./Feb. 1993.
Fonte: IEEE Transactions on Systems Man, And
Cybernetics
Autores: O. Ravn, N. K. Poulsen, Peter M. Norgaard, Lars K. Hansen
Titulo: Neural Networks for Modelling and Control of Dynamic Systems
Tipo de Publicação: Livro
Numero p��ginas: 246 M��s/Ano: Março/2000.
Fonte: Springer Verlag;
http://www.amazon.com/exec/obidos/tg/detail/-/1852332271/102-4862660-5085743?vi=glance
Palavras-Chave: Neural Networks, Dynamic Systems.
Informações Adicionais:
ISBN:
1852332271
Autores: Cornelius T. Leondes
Titulo: Neural Network Systems Techniques and Applications: Control and Dynamic Systems
Tipo de Publicação: Livro
Num. P��ginas : 438 Data da publicação: 12/01/1997
Fonte: Morgan Kaufmann Publishers
ISBN: 0124438679
Palavras-Chave: Neural Network, Dynamic system.
Informações
Adicionais:
O livro enfatiza estruturas da rede neural para conseguir sistemas pr��ticos
e eficazes e fornece muitos exemplos. O controle e os sistemas dinâmicos
cobrem os t��picos importantes da arquitetura baseada do sistema da
rede neural da ativação função ortogonal altamente eficaz, redes
neural Recurrentes MLP para sintetizar e implementar um controle linear
on-line, controle adapt��vel de sistemas dinâmicos não-lineares desconhecidos.
Autores: Chen, Tianping
Titulo: Unified approach for neural network-like approximation of non-linear functionals
Tipo de Publicação: Artigo
Vol: 11 Nro: 6 P��g: 981-983 M��s/Ano: Aug 1998
Fonte: Neural Networks
Palavras-Chave: Approximation theory; Theorem proving; Set theory; Nonlinear control systems; Identification (control systems)
Informações
Adicionais: Neste artigo, se
da uma aproximação universal a aproximação functionais não linear
chamados mapas de input-output para arquiteruras parecidas a rede neural.
Autores: Johansen, Tor A; Foss, Bjarne A
Titulo: Semi-empirical modeling of non-linear dynamic systems through identification of operating regimes and local models.
Tipo de Publicação: Artigo
P��g: 105-126 Ano: 1995.
Fonte: Neural network engineering in dynamic control systems (A97-10989 01-63), Berlin, Springer-Verlag
Palavras-Chave: *DYNAMICAL
SYSTEMS; *NONLINEAR CONTROL; *SEMIEMPIRICAL EQUATIONS; *SYSTEM
IDENTIFICATION; MATHEMATICAL MODELS; STATE
VECTORS; NEURAL NETS
Autores: Pedro J. Zufiria
Titulo: Aprendizaje em redes neuronales para identificaci��n y control de sistemas din��micos não lineares.
Tipo de Publicação: XIV CEDYA/IV Congresso de Matem��tica Aplicada, 18-22 Septiembre 1995
N��mero de p��ginas: 10.
Fonte: ftp://ftp-ma1.upc.es/pub/cedya/comunicaciones/zufiria.ps
Palavras-Chave:
Informações
Adicionais: Trabalho
que modela o aprendizagem em redes neurais artificiais para a identificação
e controle de sistemas dinâmicos não lineares mediante a Rede
backpropagation dinâmico.
Autores: Paucar Casas, Vicente Leonardo; J.Rider, Marcos; França, Andre Luiz Morelato; Borda de Vuono, Evandro
Titulo: Identificação de sistemas dinâmicos não lineares usando back-propagation com teacher forcing.
Tipo de Publicação: Artigo
Vol.: 1, P��g.: 385-390 Ano: 2001.
Fonte: V Congresso Brasileiro de Redes Neurais. Rio de Janeiro, RJ, BRASIL.
Palavras-Chave: Sistemas dinâmicos não lineares,
Redes Neurais.
Autores: Bruno G. Faria, Ronaldo T. Duarte, Josu�� Jr. G. Ramos, Ely C. Paiva.
Titulo: Estudo Prospectivo sobre a Utilização de Redes Neurais na identificação do Modelo dinâmico de um dirig��vel Rob��tico.
Tipo de Publicação: Artigo
M��s/Ano: 6/2002
Fonte: XIV Congresso Brasileiro de Autom��tica
http://www.dsee.fee.unicamp.br/local/cba2002/data/trabalhos/587.pdf
Palavras-Chave: System identification; Neural Networks; Dynamic modelling; Aircraft control; Autonomous vehicles; Flight control.
Informações
Adicionais: Esse artigo
trata mais especificamente da definição da metodologia e do ensaio
de identificação a partir de dados fornecidos pelo pr��prio modelo
matem��tico anal��tico utilizando-se redes neurais perceptron multi-camadas
(MLPS) com entradas atrasadas no tempo.
Autores: T L Seng; M Khalid; R Yusof 
Titulo: Adaptive General Regression Neural Network for Modelling of Dynamic Plants.
Tipo de Publicação: Artigo
Vol: 213 P��g.: 275 – 287 Ano: 1999
Fonte: Proceedings of the I MECH E Part I Journal of Systems & Control Engineering
DOI: 10.1243/0959651991540142
Palavras-Chave: general regression neural network (GRNN); modelling; dynamic process; adaptation; system identification
Informações
Adicionais: Este Artigo propõe um esquema geral integrado
da adaptação da rede neural da regressão (GRNN) para modelar uma
planta dinâmica. Neste trabalho, a an��lise dos efeitos de alguns dos
parâmetros da adaptação que envolvem uma planta non-linear �� investigada
tamb��m.
Autores: Q. M. Zhu
Titulo: A back propagation algorithm to estimate the parameters of non-linear dynamic rational models
Tipo de Publicação: Artigo
Vol: 27 Nro.: 3 P��g.: 169-187 M��s/Ano: Março/2003
Fonte: Elsevier Science Inc
Palavras-Chave: Non-linear rational models; Model structure detection; Parameter estimation; Back propagation computation.
Informações
Adicionais: Neste estudo um parâmetro
de estimação do algoritmo do erro back-propagation(BP) �� derivado
para uma classe de modelos racionais dinâmicos non-linear.
Autores: Tsypkin, Yakov Z; Mason, Julian D; Avedyan, Edouard D; Warwick, Kevin; Levin, Ilya K
Titulo: Neural networks for identification of nonlinear systems under random piecewise polynomial disturbances
Tipo de Publicação: Artigo
Vol.: 10, Nro.:. 2, P��g.: 303-312 M��s/Ano: Março 1999.
Fonte: IEEE Transactions on Neural Networks [IEEE TRANS NEURAL NETWORKS].
Palavras-Chave: Nonlinear control systems; Identification (control systems); Polynomials; Piecewise linear techniques; Mathematical models; Random processes.
Informações
Adicionais: O
problema da identificação de um sistema dinâmico não-linear �� considerado.
Uma rede neural de duas-camada �� usada para a solução do problema.
Autores:Gupta, Pramod; Sinha, Naresh K
Titulo: Improved approach for nonlinear system identification using neural networks
Tipo de Publicação: Artigo
Vol.: 336 Nro. 4 P��g.: 721-734 Ano:1999.
Fonte: J FRANKLIN INST
Palavras-Chave: Neural networks; Identification (control systems); Backpropagation; Learning algorithms; Convergence of numerical methods; Computer simulation; Mathematical models; Control nonlinearities
Informações Adicionais:
Neste trabalho,
apresenta-se uma melhoria ao algoritmo do Back-propagation baseado no
uso de um parâmetro de aprendizagem independente, da taxa adaptativa
para cada peso com função não-linear adapt��vel.
Autores:Patra, Jagdish C; Pal, Ranendra N; Chatterji, BN; Panda, Ganapati
Titulo: Identification of nonlinear dynamic systems using functional link artificial neural networks
Tipo de Publicação: Artigo
Vol.: 29 Nro.: 2 P��g.: 254-262 M��s/Ano: Abril 1999.
Fonte: IEEE Transactions on Systems, Man, and Cybernetics. Part B: Cybernetics
Palavras-Chave:Feedforward neural networks; Backpropagation; Algorithms; Data structures; Control nonlinearities; Computational complexity; Identification (control systems); Multilayer neural networks
Informações
Adicionais:
Neste artigo, apresenta-se a uma substituição a estrutura de ANN chamada
ligação funcional ANN (FLANN) para a identificação dinâmica não-linear
do sistema usando o algoritmo popular Back-propagation. No contraste
a feed-forward de ANN, isto ��, um perceptron Multicamada (MLP), o FLANN
�� basicamente uma ��nica estrutura da camada em que a não-liniaridade
�� introduzido realçando o teste padrão da entrada com expansão funcional
não-linear.
Autores: Warwick, Kevin; Kambhampati, Chandrasekhar; Mason, Julian; Parks, Patrick
Titulo: Dynamic systems in neural networks
Tipo de Publicação: Artigo
P��g: 27-41Ano: 1995
Fonte: Neural network engineering in dynamic control systems (A97-10989 01-63), Berlin, Springer-Verlag
Palavras-Chave: *DYNAMICAL SYSTEMS; *NEURAL NETS; *DYNAMIC CONTROL; *MACHINE LEARNING; SYSTEM IDENTIFICATION; FUNCTIONS (MATHEMATICS); ALGORITHMS
Informações
Adicionais: O uso de
redes neural para o controle adapt��vel de sistemas dinâmicos �� considerado.
A ��nfase �� dada �� rede neural radial da função da base (RBF) e
ao problema da seleção do centro da função da base e do seu efeito
nas propriedades da estabilidade de um sistema de controle adapt��vel
closed-loop. Implementa-se para este trabalho uma Rede Neural de tipo
RBF.
Autores: Zhang, Youmin; Li, X R
Titulo: Hybrid training of RBF networks with application to nonlinear systems identification
Tipo de Publicação: Artigo
Vol/Num/P��g/Ano: Vol. 1 (A97-28766 07-63).
Fonte: Piscataway, NJ, Institute of Electrical and Electronics Engineers, Piscataway, NJ, Institute of Electrical and Electronics Engineers.
Palavras-Chave: *MACHINE
LEARNING; *NONLINEAR SYSTEMS; *SYSTEM IDENTIFICATION; *NEURAL
NETS; *FEEDFORWARD CONTROL; WHITE
NOISE; RANDOM NOISE; FACTORIZATION
Autores: L. Yan ; N. Sundararajan ; P. Saratchandran
Titulo: Nonlinear System Identification Using Lyapunov Based Fully Tuned Dynamic RBF Networks
Tipo de Publicação: Artigo
Vol: 12 Nro.: 3 P��g: 291 – 303 Ano: 2000
Fonte: Neural Processing Letters
Palavras-Chave: Growing and Pruning (GAP); Lyapunov stability theory; neural network; nonlinear dynamic system; Radial Basis Function (RBF) network; stable identification.
Informações
Adicionais: Este Artigo
apresenta um esquema est��vel, em linha (on-line) da identificação
para o sistema dinâmico não-linear multivariable. A rede radial gaussian
crescente da função da base (GRBF), com todos seus parâmetros que
são adapt��veis, �� usada para aproximar um sistema não-linear desconhecido.
Autores: Xiaoou Li , Wen Yu
Titulo: Dynamic system identification via recurrent multilayer perceptrons
Tipo de Publicação: Artigo
Vol: 147 Nro.: 1-4 P��g.: 45-63 Ano: 2002
Fonte: Elsevier Science Inc.
Palavras-Chave: System identification; Function approximation; Recurrent multilayer perceptrons
Informações
Adicionais: Neste artigo,
o Perceptron Multicamadas Recurrentes (RMLP) são propostos para identificar
sistemas não-lineares. Usando o teorema da aproximação da função
para o Perceptrons Multicamada (MLP), conclui-se que RMLP pode aproximar
todo o sistema dinâmico em qualquer grau de exatidão. Por meio de
a Lyapunov-como a an��lise, um algoritmo de aprendizagem est��vel para
RMLP �� determinado.
Autores: F.Von Zuben e M.L.de Andrade Netto
Titulo: Identificação em Sistemas Dinâmicos não-lineares Utilizando Redes Neurais Recorrentes e Estudo do Comportamento de convergencias do Processo de Treinamento Associado
Tipo de Publicação: Artigo
Fonte: X Congresso Brasileiro de Automatica,
(1994).
Autores: Guilherme de Alencar Barreto, Aluizio Fausto Ribeiro Ara��jo
Titulo: Identificação e Controle de Sistemas Dinâmicos usando a Rede Auto-organizavel de Kohonen.
Tipo de Publicação: Artigo
M��s/Ano: 6/2002
Fonte: XIV Congresso Brasileiro de Automação
http://www.dsee.fee.unicamp.br/local/cba2002/data/trabalhos/293.pdf
Palavras-Chave: Identificação sistemas dinâmicos, Redes Neurais.
Informações
Adicionais: proposta de uma t��cnica não supervisionada de modelagem
neural, chamada mem��ria associativa temporal via quantização vetorial
(MATQV).
Autores: Pham, DT; Karaboga, D
Titulo: Training Elman and Jordan networks for system identification using genetic algorithms
Tipo de Publicação: Artigo
Vol: 13, Nro. 2, P��g.: 107-117 M��s/Ano: Abril 1999
Fonte: Artificial Intelligence in Engineering
Palavras-Chave: Identification (control systems); Genetic algorithms; Feedforward neural networks; Feedback control; Efficiency; Optimization
Informações
Adicionais: Dos redes
neurais recurrentes bem-conhecidas são a Rede Elman e a Rede Jordan.
Recentemente, modificações tem sido feitas para essa redes para facilitar
sua aplicações na identificação de sistemas dinâmicos. Neste trabalho
descreve o uso de algoritmos gen��ticos para treinar as redes Elman
e Jordan para a identificação de sistemas dinâmicos.
Autores: A. Yazdizadeh and K. Khorasani
Titulo: Adaptive time delay neural network structures for nonlinear system identification
Tipo de Publicação: Artigo
Vol: 47 Nro. 1-4 P��g.: 207-204 M��s/Ano: Agosto 2002.
Fonte: Elsevier Science B.V
doi:10.1016/S0925-2312(01)00589-6
Palavras-Chave: Dynamic neural networks; Nonlinear systems; System identification
Informações
Adicionais: Neste
artigo, motivado pelo Redes Neurais adaptativo com atraso no tempo (ATDNN),
quatro estruturas são desenvolvidas para a identificação de classes
diferentes dos sistemas não-lineares expressados na representação
na entrada-saida. Os resultados da simulação demonstram que as estruturas
propostas de ATDNN são completamente eficazes em identificar uma classe
geral de sistemas não-lineares.
Autores: Poznyak, A S; Sanchez, E N
Titulo: Nonlinear system identification and trajectory tracking using dynamic neural networks
Tipo de Publicação: Artigo
Vol/Num/P��g/Ano: Vol. 1 (A97-28766 07-63), 1996, p. 955-960.
Fonte: Institute of Electrical and Electronics Engineers, Conference on Decision and Control, 35th, Kobe, Japan, Dec. 11-13, 1996.
Palavras-Chave: *NONLINEAR SYSTEMS; *SYSTEM IDENTIFICATION; *TRAJECTORY CONTROL; *NEURAL NETS; LIAPUNOV FUNCTIONS; RICCATI EQUATION
Informações Adicionais: Analisa-se a identificação não-linear e a
trajet��ria que seguem usando uma rede neural dinâmica, com a mesma
dimensão do espaço do estado que o sistema.
Autores: T L Seng; M Khalid; R Yusof&hairsp.
Titulo: Adaptive General Regression Neural Network for Modelling of Dynamic Plants
Tipo de Publicação: Artigo
Vol: 213 P��g: 275 – 287 Ano: 1999
Fonte: Proceedings of the I MECH E Part I Journal of Systems & Control Engineering
DOI: 10.1243/0959651991540142
Palavras-Chave: general regression neural network (GRNN); modelling; dynamic process; adaptation; system identification
Informações
Adicionais: Este Artigo
propõe um esquema integrado Rede Neural regressão geral (GRNN) para
modelar dinâmico da planta.
Autores: Hintz, KJ; Zhang, Z; Duane, D
Titulo: Evolving Neural Networks for Nonlinear Control
Tipo de Publicação: Artigo
Fonte: Performer: George Mason Univ., Fairfax, VA. 30 Sep 1996. 66p. Report: AFOSRTR-96-0518
Palavras-Chave:Neural nets; Algorithms; Control; Optimization; Production; Regulators; Nonlinear systems; Errors; Weight; Tuning; Pattern recognition; Logarithm functions; Amplitude modulation
Informações Adicionais: Uma
aproximação para criar as Redes Neural Recurrentes amorfas (ARNN)
usando os algoritmos gen��ticos (GA) chamado 2pGA foi desenvolvida e
mostrada para ser eficaz em evoluir redes neural para o controle e a
estabilização das plantas lineares e não-lineares.
Autores: Pham, DT; Karaboga, D
Titulo: Training Elman and Jordan networks for system identification using genetic algorithms
Tipo de Publicação: Artigo
Vol: 13, Nro. 2, P��g.: 107-117 M��s/Ano: Abril 1999
Fonte: Artificial Intelligence in Engineering
Palavras-Chave: Identification (control systems); Genetic algorithms; Feedforward neural networks; Feedback control; Efficiency; Optimization
Informações
Adicionais: Dos redes
neurais recurrentes bem-conhecidas são a Rede Elman e a Rede Jordan.
Recentemente, modificações tem sido feitas para essa redes para facilitar
sua aplicações na identificação de sistemas dinâmicos. Neste trabalho
descreve o uso de algoritmos gen��ticos para treinar as redes Elman
e Jordan para a identificação de sistemas dinâmicos.
Autores: by Jeffrey T. Spooner, Manfredi Maggiore, Ra��l Ord��ñez, Kevin M. Passino.
Titulo: Stable Adaptive Control and Estimation for Nonlinear Systems: Neural and Fuzzy Approximator Techniques
Tipo de Publicação: Livro
Nro. P��ginas: 550 Data publicação: 15/11/2001.
Fonte: John Wiley & Sons
ISBN: 0471415464
Palavras-Chave: Neural Network, nonlinear system control.
Informações
Adicionais: Duas aproximações
��teis ao controle de sistemas não-lineares são trazidas juntas para
estudantes e praticante na necessidade da informação de fundo. O texto
apresenta uma metodologia do controle que possa ser verificada com rigor
matem��tico ao possuir a flexibilidade associada com as aproximações
inteligentes do controle. Os exemplos demonstram como a metodologia
pode ser aplicada aos sistemas on-line tais como o controle do motor,
o controle do avião, a automatização industrial, e outros sistemas
não-lineares.
Autores: Oliver Nelles
Titulo: Nonlinear System Identification: From Classical Approaches to Neural Networks and Fuzzy Models
Tipo de Publicação: Livro
M��s/Ano: Dezembro/2000.
Fonte: Springer Verlag
ISBN: 3540673695
Palavras-Chave: Neural Network, System Identification.
Informações
Adicionais: O livro
cobre as mais comunes e importantes aproximações para a identificação
de sistemas est��ticas e dinâmicas não linear.
A ��nfase �� posta sobre os m��todos modernos baseados em redes neurais
e em sistemas fuzzy sem negligenciar as aproximações cl��ssicas.
Autores: Clodoaldo Aparecido de Moraes Lima
Titulo: Emprego de Teoria de Agentes no Desenvolvimento de Dispositivos Neurocomputacionais H��bridos e Aplicação ao Controle e Identificação de Sistemas Dinâmicos
Tipo de Publicação: tese.
Numero P��ginas: 280 M��s/Ano: Fevereiro/2000.
Fonte: Departamento de Engenharia de Computação
e Automação Industrial (DCA)
Faculdade de Engenharia El��trica e de Computação (FEEC)
Universidade Estadual de Campinas (Unicamp), SP, Brasil
http://www.dca.fee.unicamp.br/~vonzuben/research/moraes_mest.html
Palavras-Chave: redes neurais artificiais, dispositivos neucomputacionais, sistemas multiagentes,identificação e controle de sistemas dinâmicos.
Informações
Adicionais: O objetivo
deste trabalho foi analisar e sintetizar dispositivos neurocomputacionais
h��bridos, a serem comparados com estruturas de processamento alternativas
e aplicados em identificação e controle de sistemas dinâmicos.
Definição.
Controle �� o processo de fazer com que uma dada vari��vel de um sistema
dinâmico se comporte de maneira desejada. A linha de controle pode
ser subdividida em função do tipo de controlador e do sistema dinâmico
em linear ou não-linear, determin��stico ou estoc��stico, adaptativo,
robusto, ca��tico, entre outras.
O controle
de sistemas �� um assunto que desperta grande interesse dos pesquisadores.
T��cnicas de controle cl��ssica controladores proporcionais, PD, PID)
são baseados em modelos linearizados dos sistemas f��sicos, o que representa
perda de informações, muitas vezes são importantes para o funcionamento
da planta com altos n��veis de exig��ncia. Atualmente a utilização
do denominado controle inteligente tem aberto uma nova perspectiva no
tratamento de sistemas nãolineares e no projeto de seus controladores.
Muitos trabalhos foram desenvolvidos seguindo esta linha de pesquisa
na tentativa de desenvolver um controle mais vers��til e robusto.
O Neurocontrole
�� um dinâmico campo de investigação que nos ��ltimos anos t��m atra��do
uma consideravel atenção na comunidade cient��fica e de engenharia
de controle. Em recentes anos, h�� havido um incremento na aplicação
das Redes Neurais na Identificação da dinâmica (modelado), predição
e controle de sistemas complexos. As redes neurais se caracterizam por
sua habilidade de aprender dos exemplos em lugar de ter que se programar
num sentido convencional. Seu uso possibilita que a dinâmica de sistemas
complexos seja modelada e um controle exato seja logrado a trav��s do
treinamento, sem ter informação a priori sobre os parâmetros do sistema
Autores: Tomas Hrycej
Titulo: Neurocontrol : Towards an Industrial Control Methodology
Tipo de Publicação: Livro
M��s/Ano: Agosto/1997
Fonte: John Wiley & Sons
ISBN: 0471176281
Palavras-Chave: Neurocontrol
Informações Adicionais: Presents a unified framework for neural-network
based control techniques. Links neurocontrol with the concepts of classical
control theory, describes the steps necessary to implement a working
algorithm, and provides information necessary to develop competitive
applications of industrial size and complexity. Emphasizes the most
critical issues encountered by control system engineers.
Autores: H. Tolle, E. Ersu
Titulo: Neurocontrol: Learning Control Systems Inspired by Neuronal Architectures and Human Problem Solving Strategies
Tipo de Publicação: Livro
Nro. P��ginas: 211 M��s/Ano: Abril 1992
Fonte: Springer Verlag
ASIN: 0387550577
Palavras-Chave: Neurocontrol
Autores: Nard��nio A. Martins, Maycol de Alencar
Titulo: Projeto de um Controlador Neural Adaptativo para Robôs Manipuladores no espaço de Juntas.
Tipo de Publicação: Artigo
P��g: 43-48
Fonte: XI Congresso Brasileiro de Autom��tica, Natal – RN 2 a 5 setembro de 2002.
http://www.dsee.fee.unicamp.br/local/cba2002/trabalhos/322.pdf
Palavras-Chave: Controle adaptativo, rede neural, robô manipulador, espaço de juntas.
Informações
Adicionais:
Este artigo apresenta o projeto de um controlador neural adaptativo
para robôs manipuladores no espaço de juntas. O desenvolvimento do
controlador �� baseado numa t��cnica de modelagem de redes neurais,
na qual não h�� necessidade de avaliação do modelo dinâmico inverso
e nem do tempo necess��rio para o processo de treinamento. Este controlador
mostra que, se são usadas redes de função de base radial gaussiana,
�� assegurada a adaptação uniformemente est��vel e �� realizado o
seguimento assint��tico da trajet��ria. Simulações num��ricas são
fornecidas para mostrar o desempenho do controlador proposto.
Muitas
das aplicações de controle utilizando redes neurais, tamb��m denominadas
Nero-controle, foram projetadas para conduzir �� determinação da dinâmica
inversa do sistema.
Aprendizado
por m��mica �� um aspecto essencial de muitos sistemas biol��gicos.
O m��todo a ser considerado aqui para desenvolver um controlador neural
envolve a tentativa de copiar um controlador humano.
Autores: Adriana de C. Drummond, Kleyton C. de Oliveira e Adolfo Bauchspiess
Titulo: Estudo do Controle de P��ndulo Inverso sobre Carro utilizando Rede Neural de Base Radial
Tipo de Publicação: Artigo
Fonte: Proceedings of the IV Brazilian Conference on Neural Networks - IV Congresso Brasileiro de Redes Neurais
http://www.ele.ita.br/cnrn/artigos-4cbrn/4cbrn_074.pdf
Palavras-Chave: Redes Neurais, sistemas dinâmico Controle.
Informações
Adicionais: Este artigo apresenta resultado de uma rede neural artifical
de base radial para controlar um pendulo inverso.
Autores: Shouling He
Titulo: Neural Adaptive Control of nonlinear multivariable systems with application to a class of inverted pendulums.
Tipo de Publicação: Artigo
Vol: 12 Nro: 5 P��g: 411-424 Ano: 2002
Fonte: International Journal of Neural Systems,
Palavras-Chave: Neural networks; control; nonlinear
systems
Autores: Carlos Andrey Maia, Peterson Resende
Titulo: Um controlador Neural Gain Sceduling para planta não-lineares.
Tipo de Publicação: Artigo
Vol/Num/P��g/Ano: Vol: 9 Nro.: 3 / 6 / Set., Out., Nov. e Dezembro de 1998
Fonte: SBA Controle & Automação
http://www.fee.unicamp.br/revista_sba/vol9/v9a156.pdf
Palavras-Chave: Redes Neurais, Controle não-linear, Linearização, Gain Scheduling.
Informações Adicionais:
Este
artigo apresenta uma t��cnica de projeto de controlador neural via
gain scheduling para plantas não lineares. Em um primeiro est��gio,
um modelo neural �� identificado para representar a planta não-linear
em sua faixa dinâmica de operação. Em seguida, o modelo neural obtido
�� utilizado para determinar proximações lineares em torno de v��rios
pontos de operação da planta e os correspondentes controladores lineares
são projetados. Finalmente, treina-se o controlador neural gain
scheduling nestes pontos de operação de forma a representar os
diversos controladores lineares. Simulações são apresentadas mostrando
que a t��cnica descrita pode ser aplicada a uma ampla classe de sistemas
dinâmicos não-lineares.
O
controle preditivo �� uma metodologia de controle avançado que ha alcançado
na atualidade uma grande aceitação industrial, essencialmente devido
a que permite enfrentar problemas de controle de sistemas que apresentam
uma dinâmica complexa tales como os sistemas multivari��veis e não
lineares. A sua vez constitui uma metodologia que integra diversas disciplinas
tais como o controle ��timo, o controle multivariavel, o controle adaptativo
e o controle com restrições.
Autores:Yu, Wen; Poznyak, Alexander S; Sanchez, Edgar N
Titulo: Neural adaptive control of two-link manipulator with sliding mode compensation
Tipo de Publicação: Artigo
Vol: 4 P��g.: 3122-3127 Ano: 1999
Fonte: The 1999 IEEE International Conference on Robotics and Automation
Palavras-Chave: Manipulators; Adaptive control systems; Linearization; Robustness (control systems); Identification (control systems); Errors
Informações
Adicionais: Neste trabalho
desenvolve-se um Neuro-controlador para manipuladores do robô. Uma
rede neural dinâmica simples �� usada estimar os manipuladores desconhecidos
do robô, o controlador direto do linearização �� derivada então
atrav��s deste Neuro-identificador.
Autores: A A Peligrad; E Zhou; D Morton; L Li
Titulo: System identification and predictive control of laser marking of ceramic materials using artificial neural networks
Tipo de Publicação: Artigo
Vol: 216 P��g.: 181 – 190 Ano: 2002
Fonte: Proceedings of the I MECH E Part I Journal of Systems & Control Engineering
DOI: 10.1243/0959651021541543
Palavras-Chave: NEURAL NETWORK; CONTROL SYSTEM; LASER MARKING; CLAY TILES; SYSTEM IDENTIFICATION; NON-LINEAR DYNAMIC SYSTEMS
Informações
Adicionais: O marking do laser
de materiais cerâmicos �� um processo non-linear multivariable. O controle
on-line do processo requer a compreensão da dinâmica do sistema e
da interação do parâmetro. Neste trabalho, o controle inverso direto
(DIC) e o controle predictive non-linear (NPC) foram aplicados baseado
em redes neural artificiais.
Autores: M. Lazar; O. Pastravanu
Titulo: A neural predictive controller for non-linear systems
Vol: 60 Nro: 3 P��g: 315 – 324 Ano:2002
Fonte: Mathematics and Computers in Simulation
Palavras-Chave: Control architectures; Predictive control; Neural control; Non-linear system identification; Neural network models; Neural predictors
Informações
Adicionais: O Desenho
e a implementação são estudados para um controle preditivo
baseado em redes neural significado governar a dinâmica de processos
não linear.
Autores: Erives, Hector; Thompson, Wiley
Titulo: A comparative analysis of two evolved neural networks used for the identification and control of a nonlinear plant
Tipo de Publicação: Artigo
Vol/Num/P��g/Ano: (SPIE Proceedings. Vol. 3068), 1997, p. 366-373
Fonte: Signal processing, sensor fusion, and target recognition VI; Proceedings of the Conference, Orlando, FL, Apr. 21-24, 1997 (A97-39676 10-63), Bellingham, WA, Society of Photo-Optical Instrumentation Engineers
Palavras-Chave: *NEURAL NETS; *PLANTS (CONTROL THEORY); *SYSTEM IDENTIFICATION; *CONTROL SYSTEMS DESIGN; FEEDFORWARD CONTROL; GENETIC ALGORITHMS
Informações
Adicionais:
Este trabalho apresenta uma an��lise comparativa de duas redes neural
evolu��das para o controle. A aproximação apresentou em usos deste
trabalho um algoritmo gen��tico (GA) evoluir a estrutura e um algoritmo
da descida da gradiente para ajustar os pesos na rede. Uma an��lise
da evolução de RBFNs e de MFNs por meio de um GA �� examinada em detalhe.
Autores: Jos�� Augusto Dantas de Rezende1
Titulo: Um Estudo Comparativo Entre Diferentes T��cnicas de Otimização do Treinamento de Neurocontroladores
Vol/Num/P��g/Ano: pp. 209-214, July 20-22, 1999 - ITA, São Jos�� dos Campos - SP - Brazil
Fonte: IV Congresso Brasileiro de Redes Neurais
http://www.ele.ita.br/cnrn/artigos-4cbrn/4cbrn_044.pdf
Não somente
a utilização das Redes neurais vem sendo exclusividade nas ��reas
de engenharia, existe outras ��reas como a Biologia por exemplo, esta
implementando Redes Neurais para a Identificação e Controle de sistemas
dinâmicos propios.
Autores:Boddy, Lynne; Wilkins, Malcolm F; Morris, Colin W
Titulo: Effects of missing data on neural network identification of biological taxa: RBF network discrimination of phytoplankton from flow cytometry data
Conferencia: The 1998 Artificial Networks in Engineering Conference, ANNIE, St.Louis, MO, USA, 11/01-04/98
Vol: 8 P��g: 655-660 Ano: 1998
Fonte: INTELL ENG SYST ARTIF NEURAL NETWORKS.
Palavras-Chave: Identification
(control systems); Functions; Algae; Parameter estimation; Learning
systems; Maximum likelihood estimation; Data
structures
Autores: Morris, Colin W; Boddy, Lynne
Titulo: Partitioned RBF networks for identification of biological taxa: discrimination of phytoplankton from flow cytometry data
Tipo de Publicação: Artigo
Vol: 8 P��g: 637-642 Ano: 1998
Fonte: The 1998 Artificial Networks in Engineering Conference, ANNIE, St.Louis, MO, USA, 11/01-04/98
Palavras-Chave: Functions; Identification (control systems); Algae; Learning systems
Informações
Adicionais: Neste artigo
apresenta uma t��cnica para fortemente dividir o problema em redes pequenas
da identificação cada um da identificação respons��vel para uma
��nica esp��cie. As sa��das destes podem ser combinadas ou por meio
de uma rede mais adicional ou em casos simples ' por um vencedor faz
exame de toda as estrat��gias
Autores: Peter Lada
Titulo: Neural Network Dynamic System Identification and its Applications in Pharmacology.
Tipo de Publicação: proposta de dissertação de tese.
M��s/Ano: October / 2000.
Fonte: http://ci.uofl.edu/pbox/
Palavras-Chave: Neural Network Dynamic, System Identification.
Informações
Adicionais: Nesta dissertação de doutorado, aplica Perceptron
de M��ltiplas Camadas para a identificação de sistemas e Redes Neurais
Recurrentes para aproximação de efeito de uma droga na ��rea de pharmaco-dinâmica.
Autores: Lu, Baiquan; Hirasawa, Kotaro; Murata, Junichi; Hu, Jinglu
Titulo: New learning method using prior information of neural networks
Tipo de Publicação: Artigo
Vol: 4, Nro: 1, P��g: 29-35 Ano: 1999
Fonte: Research Reports on Information Science and Electrical Engineering of Kyushu University
Palavras-Chave: Learning systems; Identification (control systems); Computational methods; Computer simulation
Informações Adicionais: Neste artigo, apresenta-se um m��todo de aprendizagem
novo usando a informação pr��via para redes neural da tr��s-camada.
Autores: Chen, Zengqiang; He, Jiangfeng; Yuan, Zhuzhi
Titulo: Adaptive identification and control scheme using radial basis function networks
Tipo de Publicação: Artigo
Vol: 10 Nro: 1 P��g: 54-61 Ano: 1999
Fonte: JOURNAL OF SYSTEMS ENGINEERING AND ELECTRONICS, BEIJING, (CHINA)
Palavras-Chave: Radial basis function networks; Recursive least squares algorithms; Adaptive fuzzy generalized learning vector quantization (AFGLVQ)
Informações
Adicionais: Neste de
papel, a identificação e o controle adaptativo de sistemas dinâmicos
não-lineares são investigados usando as redes radiais da função
da base (RBF).
Autores: Kenneth Hunt, George Irwin, Kevin Warwick
Titulo: Neural Network Engineering in Dynamic Control Systems (Advances in Industrial Control)
Nro. P��ginas: 278 M��s/Ano: June 1995.
Fonte: Springer Verlag
Palavras-Chave: Dynamic Control Systems, Neural Network.
Informações
Adicionais: Este
estudo avalia o ��ltimo modelo na ��rea de redes neural da engenharia.
As contribuições examinam maneiras de melhorar a engenharia envolvida
na rede neural que modela e controlam-nas, de modo que o poder te��rico
de sistemas de aprendizagem possa ser aproveitado para aplicações
pr��ticas.
Autores: D. Xu ; F.F. Yap ; X. Han ; G.L. Wen
Titulo: Identification of Spring-Force Factors of Suspension Systems Using Progressive Neural Network on a Validated Computer Model.
Tipo de Publicação: Artigo.
Vol: 11 Nro.: 1 P��g.: 55 – 74 .
Fonte: Inverse Problems in Engineering
Palavras-Chave: Neural Network, Systems Dymanics.
Informações
Adicionais: Neste artigo, uma t��cnica progressiva da rede
neural da novela (NN) �� sugerida para determinar os fatores da suspensão
baseados na resposta dinâmica (deslocamento) das estrada-rodas.
Autores: Fernando Mendes, Lourdes Mattos
Titulo: Redes Neurais - Aplicações em Controle
Tipo de Publicação: Livro
Vol/Num/P��g/Ano: 400 pag
Editora: Visual Books
ISBN: 8575020056
N��vel: B��sico
Palavras-Chave: Identificação de Sistemas Dinâmicos por RNA
Informações Adicionais:
Apresenta-se na quinta parte, aplicações em Identificação
e Controle bem como em Sistemas Especialistas
Autores: J��s de Jesus Fiais Cerqueira.
Titulo: Identificação de Sistemas Dinâmicos Usando Redes Neurais Artificiais: Uma Aplicação a Manipuladores Rob��ticos.
Tipo de Publicação: XIV CEDYA/IV Congresso de Matem��tica Aplicada, 18-22 Septiembre 1995
Vol/Num/P��g/Ano: 10.
Fonte: ftp://ftp-ma1.upc.es/pub/cedya/comunicaciones/zufiria.ps
Palavras-Chave:
Informações
Adicionais: Trabalho
que modela o aprendizagem em redes neurais artificiais
Autores: Altamiro V. Da Silveira Jr. Elder M. Hemerly
Titulo: Controle de Robôs Moveis em coordenadas retangulares via Rede Neural.
Tipo de Publicação: Artigo.
Fonte: XIV Congresso Brasileiro de Autom��tica.
http://www.dsee.fee.unicamp.br/local/cba2002/data/trabalhos/584.pdf
Palavras-Chave: Nonlinear system; RNA; robot navigation; tracking.
Informações
Adicionais: Neste trabalho �� proposta a utilização
de uma Rede Neural Artificial (RNA) para controle de robôs m��veis
com acionamento diferencial e cinem��tica descrita em coordenadas retangulares.
É considerado o modelo dinâmico de Yamamoto e usado o segundo m��todo
de Lyapunov na obtenção de leis de adaptação para os pesos da rede.
A prova de estabilidade do sistema de controle �� apresentada e resultados
de simulação são discutidos.
Autores: Billings, SA; Zheng, GL
Titulo: Qualitative validation of radial basis function networks
Tipo de Publicação: Artigo
Vol: 13 Nro: 2 P��g: 335-349 Ano: 1999.
Fonte: MECH SYST SIGNAL PROCESS
Palavras-Chave: Identification (control systems); Nonlinear control systems; Control system analysis; Algorithms; State space methods; Least squares approximations
Informações
Adicionais: O algoritmo
least-squares orthogonal (OLS) �� usado para treinar uma rede radial
da função da base e a rede treinada �� analisado usando a pilha que
traça a estrutura. Nesta maneira, as propriedades dinâmicas da rede
treinada podem qualitativamente ser comparadas com as aquelas do sistema
original
Autores: Song, Dongwoo; Li, CJames
Titulo: Modeling of piezo actuator's nonlinear and frequency dependent dynamics
Tipo de Publicação: Artigo
Vol: 9 Nro: 4 P��g: 391-410 Ano: 1999.
Fonte: Mechatronics
Palavras-Chave: Piezoelectric devices; Mathematical models; Identification (control systems); Machining; Neural networks; Calibration; Natural frequencies
Informações
Adicionais: Este
artigo descreve um modelo h��brido da histerese que integrado cl��ssico
o modelo de Preisach e uma rede neural.
Autores: Belanche, Lluis A; Valdes, Julio J; Comas, Joaquim; Roda, Ignasi R; Poch, Manel
Titulo: Towards a model of input-output behaviour of wastewater treatment plants using soft computing techniques
Tipo de Publicação: Artigo
Vol: 14 Nro: 5 P��g: 409-419 Ano: 1999.
Fonte: ENVIR MODELL SOFTWARE
Palavras-Chave: Mathematical models; Process control; Industrial plants; Computer aided engineering; Neural networks; Environmental engineering; Identification (control systems); Fuzzy sets; Decision making; Problem solving
Informações
Adicionais:
Neste trabalho, uma aproximação atrav��s das t��cnicas computando
macias �� procurada, no detalhe, experimentando com as redes neural
retraso no tempo heterog��neas fuzzy para caracterizar a variação
do tempo de vari��veis que parte.
Autores: Amin, S M; Gerhart, Volker; Rodin, Ervin Y
Titulo: System identification via artificial neural networks - Applications to on-line aircraft parameter estimation
Tipo de Publicação: Artigo
Numero Relatorio : AIAA Paper 97-5612; SAE Paper 975612
Fonte: AIAA and SAE, 1997 World Aviation Congress, Anaheim, CA, Oct. 13-16, 1997
Palavras-Chave:*SYSTEM IDENTIFICATION; *NEURAL
NETS; *PARAMETER IDENTIFICATION; *STATE
ESTIMATION; *AIRCRAFT STABILITY; *ON-LINE
SYSTEMS; FLIGHT CONTROL; DYNAMICAL
SYSTEMS; OPTIMIZATION; MACHINE LEARNING
Autores: Kottapalli, Sesi
Titulo: Identification and control of rotorcraft hub loads using neural networks
Tipo de Publicação: Artigo
Vol/Num/P��g/Ano: Vol. 2 (A97-29247 07-01), Alexandria, VA, American Helicopter Society, 1997, p. 1387-1406
Fonte: American Helicopter Society, Annual Forum, 53rd, Virginia Beach, VA, Apr. 29-May 1, 1997, Proceedings.
Palavras-Chave: *ROTORCRAFT AIRCRAFT; *AIRCRAFT CONTROL; *HUBS; *NEURAL NETS; *SYSTEM IDENTIFICATION; SISO (CONTROL SYSTEMS); SENSITIVITY; TRANSFER FUNCTIONS
Informações
Adicionais: O objetivo
do estudo foi desenvolver um controlador baseado robusto da rede neural
para minimizar cargas vibrat��rias do cubo. Duas redes neurais foram
usadas no procedimento que requer um modelo da planta (usando Redes
neurais de tipo RBF) e rede neural invertido para um modelo do controle
(usando Redes Neurais de BackPropagation)
All Rights Reserved Powered by Free Document Search and Download
Copyright © 2011