Nelineární kontroler aktivního magnetického ložiska

NONLINEAR CONTROLLER OF ACTIVE MAGNETIC BEARING

kapitola v knize

en

Two possible approaches to control of nonlinear systems, particularly active magnetic bearing, are described in this contribution. First approach is nonlinear compensator learned by control error. Compensator is constituted by automatic approximator based on one of the Locally Weighted Learning methods. Second approach is control by auxiliary linearizing controller with automatic parallel compensation. Coefficient (parameter) values come from actions of Continuous Action Reinforcement Learning Automata. Described concepts of control are proved by simulation study.

V tomto příspěvku jsou popsány dva možné přístupy k řízení nelineárních systému, konkrétně aktivního magnetického ložiska. První přístup je nelineární kompenzátor učený regulační odchylkou. Kompenzátor je tvořen automatickou aproximací založenou na metodách lokálně váženého učení. Druhý přístup je představován pomocným linearizujícím kontrolerem s automatickou paralelní kompenzací. Parametry kompenzace jsou učeny pomocí metody CARLA (Continuous Action Reinforcement Learning Autoamata). Popsané koncepty řízení jsou ověřeny simulační studií.

Two possible approaches to control of nonlinear systems, particularly active magnetic bearing, are described in this contribution. First approach is nonlinear compensator learned by control error. Compensator is constituted by automatic approximator based on one of the Locally Weighted Learning methods. Second approach is control by auxiliary linearizing controller with automatic parallel compensation. Coefficient (parameter) values come from actions of Continuous Action Reinforcement Learning Automata. Described concepts of control are proved by simulation study.

Nonlinear controller, active magnetic bearing, Locally Weighted Learning, Continuous Action Reinforcement Learning Automata

2005

24.12.2005

Praha

80-214-3144-X

Simulation modeling of mechatronic systems I

1

129–136

18