Sterowanie neuronowe modelem laboratoryjnym suwnicy przemysłowej
EN Neural control of a 3D crane model
2016
artykuł naukowy
polski
- sieć neuronowa
- model suwnicy
- neuronowy układ sterowania
PL Suwnice przemysłowe są nieodłącznym urządzeniem używanym przy przenoszeniu ładunku. Potrzeba szybkiego transportu wymaga sterowania ruchem suwnicy, tak aby dynamika całego ruchu była zoptymalizowana. W artykule przedstawiono syntezę sterowania neuronowego napowietrzną suwnicą przemysłową. Sterowanie procesem zostało zrealizowane za pomocą sieci neuronowych realizujących odwzorowanie wejściowowyjściowe (trajektorii zadanej w sygnał sterujący). W sterowaniu wykorzystano sieci perceptronowe typu MLP (ang. Multilayer Perceptron). Zaproponowana metoda sterowania została porównana z układem regulacji PD. Wyniki badań wskazują na poprawę wskaźników jakości regulacji przy zastosowaniu proponowanego rozwiązania. Eksperymenty zostały przeprowadzone w środowisku obliczeniowym Matlab/Simulink.
EN Cranes are indispensable systems used for material handling. The need for faster cargo handling requires such a control of the crane motion so that its dynamic performance is optimized. This paper presents neural control synthesis for a crane model (Fig. 5). The process control executed using artificial neural networks (the multilayer perceptron - MLP). The Levenberg-Marquardt method has been used to find the best weights of an MLP. In order to accelerate material handling, the movement was made at a special trajectory, where motion is held in two directions (Fig. 4). Presented neural methods were compared with traditional PD control. The research was carried out in the Matlab/Simulink environment. The test results show that artificial neural networks can be a useful tool to control the industrial devices.
473 - 482
9