Please use this identifier to cite or link to this item:
http://hdl.handle.net/10773/2198
Title: | Técnicas de controlo não-linear baseadas em redes neuronais - do algoritmo à implementação |
Author: | Dias, Fernando Manuel Rosmaninho Morgado Ferrão |
Advisor: | Mota, Alexandre Manuel |
Keywords: | Redes neuronais Teoria de controlo não-linear Algoritmos genéticos |
Defense Date: | 2005 |
Publisher: | Universidade de Aveiro |
Abstract: | O presente trabalho analisa soluções de controlo não-linear baseadas em
Redes Neuronais e apresenta a sua aplicação a um caso prático, desde o
algoritmo de treino até à implementação física em hardware.
O estudo inicial do estado da arte da utilização das Redes Neuronais para o
controlo leva à proposta de soluções iterativas para a definição da arquitectura
das mesmas e para o estudo das técnicas de Regularização e Paragem de
Treino Antecipada, através dos Algoritmos Genéticos e à proposta de uma
forma de validação dos modelos obtidos.
Ao longo da tese são utilizadas quatro malhas para o controlo baseado em
modelos, uma das quais uma contribuição original, e é implementado um
processo de identificação on-line, tendo por base o algoritmo de treino
Levenberg-Marquardt e a técnica de Paragem de Treino Antecipada que
permite o controlo de um sistema, sem necessidade de recorrer ao
conhecimento prévio das suas características.
O trabalho é finalizado com um estudo do hardware comercial disponível para
a implementação de Redes Neuronais e com o desenvolvimento de uma
solução de hardware utilizando uma FPGA.
De referir que o trabalho prático de teste das soluções apresentadas é
realizado com dados reais provenientes de um forno eléctrico de escala
reduzida. The present work analyses non-linear control solutions based on Neural Networks and presents its application to a case study, from the training algorithm to the hardware implementation. The initial study of the state of the art of Neural Networks use in control led to a proposal of iterative solutions for architecture definition and establishment of the Regularization and Early Stopping parameters, through the use of Genetic Algorithms and to the proposal of a new validation technique for the models. Throughout this thesis, four different loops for model based control are used, one of which is an original contribution, and an on-line identification procedure, based on the Levenberg-Marquardt algorithm with Early Stopping that allows system identification without previous knowledge of its characteristics. The work is finalized with a commercial hardware study for Neural Networks and with the development of a hardware solution based on a FPGA. It is worth mentioning that proposed solutions are tested with real data provided by a reduced scale electric kiln. |
URI: | http://hdl.handle.net/10773/2198 |
Appears in Collections: | UA - Teses de doutoramento DETI - Teses de doutoramento |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
2005001495.pdf | 1.66 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.