From 85ce7529b0c13f2d7bdc699e0213c869017e20c0 Mon Sep 17 00:00:00 2001 From: Dzmitry Ivaniuk Date: Mon, 15 Jan 2024 10:35:07 +0300 Subject: [PATCH] Add citation --- bibtexbase.bib | 81 +++++++++++++++++++++++++++++++++++++++++++++++++- chapter1.tex | 8 ++--- 2 files changed, 84 insertions(+), 5 deletions(-) diff --git a/bibtexbase.bib b/bibtexbase.bib index 28e2e54..0677952 100644 --- 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} -} \ No newline at end of file +} + +@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 index 5967985..8fd3858 100644 --- 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}