Add citation

idzm · Jan 15, 2024 · 85ce752 · 85ce752
1 parent 5ab39d4
commit 85ce752
Show file tree

Hide file tree

Showing 2 changed files with 84 additions and 5 deletions.
diff --git a/bibtexbase.bib b/bibtexbase.bib
@@ -97,4 +97,83 @@ @article{Martineau2003
   url      = {https://www.researchgate.net/publication/255672391_Neural_Network_Control_Approach_for_an_Industrial_Furnace},
   language = {english},
   langid   = {english}
-}
+}
+
+@inproceedings{Omatu1997,
+  author   = {Omatu, S. and Yoshioka, M.},
+  year     = {1997},
+  month    = {11},
+  pages    = {1985 -- 1989 vol.3},
+  title    = {Self-tuning neuro-PID control and applications},
+  volume   = {3},
+  isbn     = {0-7803-4053-1},
+  journal  = {IEEE International Conference on System, Man, and Cybernetics Computational Cybernetics and Simulation},
+  doi      = {10.1109/ICSMC.1997.635139},
+  language = {english},
+  langid   = {english}
+}
+
+@article{Omatu2010,
+  author   = {Omatu, S. and Yoshioka, M. and Kosaka, T. and Yanagimoto, H.},
+  year     = {2010},
+  pages    = {82 -- 91},
+  title    = {Neuro-PID Control of Speed and Torque of Electric Vehicle},
+  volume   = {3},
+  journal  = {International Journal on Advances in Systems and Measurements},
+  url      = {https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=&ved=2ahUKEwjOua2A2t6DAxUInf0HHcCNAI0QFnoECAkQAQ&url=https%3A%2F%2Fwww.thinkmind.org%2Farticles%2Fsysmea_v3_n12_2010_8.pdf&usg=AOvVaw21XRA-DYdd9oJLn1uDx1VZ&opi=89978449},
+  language = {english},
+  langid   = {english}
+}
+
+@article{Nisha2011,
+  author   = {Jha, Nisha and Singh, Udaibir and Saxena, T.K. and Kapoor, Avinashi},
+  year     = {2011},
+  month    = {05},
+  pages    = {36 -- 46},
+  title    = {Online Adaptive Control for Non Linear Processes Under Influence of External Disturbance},
+  volume   = {2},
+  journal  = {International Journal of Artificial Intelligence and Expert System},
+  url      = {https://www.researchgate.net/publication/228876076_Online_Adaptive_Control_for_Non_Linear_Processes_Under_Influence_of_External_Disturbance},
+  language = {english},
+  langid   = {english}
+}
+
+@inbook{Reza2011,
+  author   = {Jafari, Reza and Dhaouadi, Rached},
+  year     = {2011},
+  month    = {01},
+  pages    = {275 -- 296},
+  title    = {Adaptive PID Control of a Nonlinear Servomechanism Using Recurrent Neural Networks},
+  isbn     = {978-953-307-369-9},
+  doi      = {10.5772/13020},
+  url      = {https://www.researchgate.net/publication/221910145_Adaptive_PID_Control_of_a_Nonlinear_Servomechanism_Using_Recurrent_Neural_Networks},
+  language = {english},
+  langid   = {english}
+}
+
+@article{Tahour2007,
+  author   = {Tahour, Ahmed and Hamza, Abid and abdel ghani, Aissaoui},
+  year     = {2007},
+  month    = {07},
+  pages    = {23 -- 34},
+  title    = {Adaptive neuro-fuzzy controller of switched reluctance motor},
+  volume   = {4},
+  journal  = {Serbian Journal of Electrical Engineering},
+  doi      = {10.2298/SJEE0701023T},
+  url      = {https://www.researchgate.net/publication/228368349_Adaptive_neuro-fuzzy_controller_of_switched_reluctance_motor},
+  language = {english},
+  langid   = {english}
+}
+
+@article{Sharkawy2006,
+  author   = {Sharkawy, Abdel Badie},
+  year     = {2006},
+  month    = {11},
+  pages    = {657 -- 673},
+  title    = {Genetic fuzzy self-tuning PID controllers for antilock braking systems},
+  volume   = {45},
+  journal  = {Alexandria Engineering Journal},
+  url      = {https://scholar.google.com.eg/citations?view_op=view_citation&hl=en&user=Zs9t2yAAAAAJ&citation_for_view=Zs9t2yAAAAAJ:9yKSN-GCB0IC},
+  language = {english},
+  langid   = {english}
+}
diff --git a/chapter1.tex b/chapter1.tex
@@ -642,7 +642,7 @@ \subsection{Адаптивно-критическая схема}
 \subsection{Схема управления с самонастройкой}
 
 В данном подходе используется настройка параметров регулятора во время работы системы. Отдельно можно выделить использование ПИД-регулятора с самонастройкой. Он может быть подстроен во время работы за счет изменения его коэффициентов. Существует большое количество схем таких самонастраивающихся ПИД-регуляторов. В данной схеме для настройки коэффициентов  используется нейронная сеть (НС).
-Такие нейро-ПИД регуляторы в настоящее время используются для построения различных систем управления \cite{Omatu_Khalid_Yusof}, [11], [12]. Рис. \ref{fig:neuro_PID_control} поясняет базовые идеи данного подхода.
+Такие нейро-ПИД регуляторы в настоящее время используются для построения различных систем управления \cite{Omatu_Khalid_Yusof}, \cite{Omatu1997}, \cite{Omatu2010}. Рис. \ref{fig:neuro_PID_control} поясняет базовые идеи данного подхода.
 
 \begin{figure}[H]
     \centering
@@ -651,12 +651,12 @@ \subsection{Схема управления с самонастройкой}
     \label{fig:neuro_PID_control}
 \end{figure}
 
-Обычно выходом нейронной сети являются коэффициенты ПИД-регулятора. Интересный подход используется в работе Ниша Джха [13] – весовые коэффициенты выходного слоя многослойного персептрона соответствуют коэффициентам ПИД-регулятора.
+Обычно выходом нейронной сети являются коэффициенты ПИД-регулятора. Интересный подход используется в работе Ниша Джха \cite{Nisha2011} – весовые коэффициенты выходного слоя многослойного персептрона соответствуют коэффициентам ПИД-регулятора.
 
 \section{Выводы}
 
-В большинстве работа для «тонкой» подстройки ПИД используется многослойный персептрон (MLP). Также используются рекуррентные или RBF нейронные сети [14]. Современные подходы основываются на интеграции различных подходов – нечеткой логики [15], генетических алгоритмов [16], классических подходов и т.д. \cite{Omatu_Khalid_Yusof}.
-Для обучения НС обычно используется алгоритм обратного распространения ошибки (BP algorithm) \cite{Omatu_Khalid_Yusof}, [7] или его модификации [8]. Для поиска начальных значений порогов и весовых коэффициентов используются различные подходы (например, Сигеру Омату [5] предложил использовать генетические алгоритмы). Для симуляции систем управления широко применяются пакеты MATLAB и Simulink, в некоторых работах можно встретить реализацию в качестве программного модуля для персонального компьютера (PC).
+В большинстве работа для «тонкой» подстройки ПИД используется многослойный персептрон (MLP). Также используются рекуррентные или RBF нейронные сети \cite{Reza2011}. Современные подходы основываются на интеграции различных подходов – нечеткой логики \cite{Tahour2007}, генетических алгоритмов \cite{Sharkawy2006}, классических подходов и т.д. \cite{Omatu_Khalid_Yusof}.
+Для обучения НС обычно используется алгоритм обратного распространения ошибки (BP algorithm) \cite{Omatu_Khalid_Yusof}, \cite{Ruano1992ApplicationsON} или его модификации \cite{Han1999}. Для поиска начальных значений порогов и весовых коэффициентов используются различные подходы (например, Сигеру Омату \cite{Omatu_Khalid_Yusof} предложил использовать генетические алгоритмы). Для симуляции систем управления широко применяются пакеты MATLAB и Simulink, в некоторых работах можно встретить реализацию в качестве программного модуля для персонального компьютера (PC).
 
 \section{Постановка задачи}