| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Samosprožilno mrežno vodenje z nelinearnim modelom na osnovi globokega učenja : magistrsko delo
Avtorji:ID Vogrinčič, Sebastjan (Avtor)
ID Sarjaš, Andrej (Mentor) Več o mentorju... Novo okno
Datoteke:.pdf MAG_Vogrincic_Sebastjan_2023.pdf (4,37 MB)
MD5: 639EF1AE5C962455EC25AF8FEA00B610
 
Jezik:Slovenski jezik
Vrsta gradiva:Magistrsko delo/naloga
Tipologija:2.09 - Magistrsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Magistrska naloga opisuje modeliranje nelinearnih dinamičnih sistemov in implementacijo samosprožilnega dogodkovnega vodenja na sistemu zračne levitacije z namenom reševanja sodobnih problemov vodenja, kot je preobremenjenost omrežja. Najprej smo vzpostavili komunikacijo med sistemom in računalnikom z namenom priprave podatkov. Sledila je faza globokega učenja in validacija modela. Na koncu smo načrtali ustrezen algoritem, ki posodablja izhod regulatorja glede na predikcijo modela. Z magistrskim delom smo predvsem dokazali delovanje obravnavanega vodenja na hitrem nelinearnem in nestabilnem sistemu. Ugotovili smo, da je zanesljivost takega vodenja predvsem odvisna od natančnosti modela. Samosprožilno vodenje je lahko riskantno, zato je za industrijsko aplikacijo potrebno vpeljati dodatne varnostne mehanizme.
Ključne besede:samosprožilno vodenje, dogodkovno proženje, nelinearni model, globoko učenje, NARX.
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:[S. Vogrinčič]
Leto izida:2023
Št. strani:1 spletni vir (1 datoteka PDF (XII, 61 f.))
PID:20.500.12556/DKUM-84946 Novo okno
UDK:681.521:004.85(043.2)
COBISS.SI-ID:170018563 Novo okno
Datum objave v DKUM:05.10.2023
Število ogledov:298
Število prenosov:58
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share


Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:10.08.2023

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Self-triggered network control with a nonlinear model based on deep learning
Opis:The master's thesis describes the modelling of nonlinear dynamical systems and the implementation of a self-triggered control on the air levitation system with the aim of solving modern control problems such as network overload. First, we established communication between the system and the computer for the purpose of data preparation. This is followed by the phase of deep learning and model validation. Finally, we designed an appropriate algorithm that updates the controller output according to the model prediction. With the master's thesis, we mainly proved the operation of the discussed control on a fast nonlinear and unstable system. We found that the reliability of this control depends mainly on the accuracy of the model. Self-triggered control can be risky and therefore it is necessary to introduce additional safety mechanisms for an industrial application.
Ključne besede:self-triggered control, event based sampling, nonlinear model, deep learning, NARX.


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici