Control of processes with multiple steady states using MPC and RBF neural networks

 
Το τεκμήριο παρέχεται από τον φορέα :
ΤΕΙ Αθήνας
Αποθετήριο :
Υπατία - Ιδρυματικό Αποθετήριο
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο



Control of processes with multiple steady states using MPC and RBF neural networks (EN)

Σαρίμβεης, Χαράλαμπος (EL)
Αλεξανδρίδης, Αλέξανδρος (EL)

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Αθήνας. Σχολή Τεχνολογικών Εφαρμογών. Τμήμα Ηλεκτρονικών Μηχανικών Τ.Ε. (EL)

This work presents a new methodology for controlling processes that exhibit multiple steady states. The proposed approach is based on a Model Predictive Control (MPC) framework, where the dynamics of the process are modeled by a Radial Basis Function (RBF) neural network. The innovative non-symmetric fuzzy means algorithm is employed in order to train the RBF network. The proposed methodology is applied to the control of a non-isothermal Continuous Stirred Tank Reactor (CSTR) that exhibits three steady state points. The results show that the proposed controller can drive the CSTR through the entire operating region, including the unstable steady state point, around which the control task is rather challenging. (EN)

journalArticle

πολλαπλές καταστάσεις ηρεμίας (EN)
Radial basis functions (EN)
μοντέλο πρόβλεψης ελέγχου (EN)
ακτινική συνάρτηση βάσης (EN)
multiple steady states (EN)
νευρωνικά δίκτυα (EN)
Neural networks (Computer science) (EN)
Predictive control (EN)

ΤΕΙ Αθήνας (EL)
Technological Educational Institute of Athens (EN)

Computer Aided Chemical Engineering (EN)

Αγγλική γλώσσα

2011

DOI: 10.1016/B978-0-444-53711-9.50140-1

N/A (EN)



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.