Adaptivní optimalizace pulsního proudu plazmového navařovacího automatu

Abstract

Cílem této práce je studie identifikace a rízení navarovacího procesu pomocí lineárních i nelineárních neuronových sítí a jednotek. Diskrétní dynamické lineární i kvadratické jednotky jsou použity pro identifikaci teoretického systému druhého rádu a neznámého reálného systému navarovacího procesu popsaného namerenými daty. Diskrétní statické lineární i kvadratické jednotky slouží jako zpetnovazební, adaptivní regulátor, také pro porovnání s konvencním PID regulátorem. K adaptaci procesu identifikace a rízení slouží gradientní krokové i dávkové optimalizacní algoritmy.

The goal of this theses is a study of identification and control of hardfacing process using linear and non-linear neural networks and units. Discretetime dynamic linear and quadratic neural unit are used for identification of theoretical second order system and unknown hardfacing system descríbed by measured data. Discrete-time static linear and quadratic units are used as a adaptive controller. For comparation there is also a conventional closed loop control system with PID. There are gradient on-line and batch optimization algorithms used for the adaptation of neural units used for identification and control.