| dc.contributor | Брестский государственный технический университет | ru_RU |
| dc.contributor | Brest State Technical University | ru_RU |
| dc.contributor.author | Иванюк, Дмитрий Сергеевич | |
| dc.contributor.author | Головко, Владимир Адамович | |
| dc.coverage.spatial | Брест | ru_RU |
| dc.date.accessioned | 2019-08-28T11:07:09Z | |
| dc.date.available | 2019-08-28T11:07:09Z | |
| dc.date.issued | 2013 | |
| dc.identifier.citation | Иванюк, Д. С. Нейро-ПИД-контроллер пастеризационной установки / Д. С. Иванюк, В. А. Головко
// Вестник Брестского государственного технического университета. Серия: Физика, математика, информатика. – 2013. – № 5. – С. 6–8. | ru_RU |
| dc.identifier.uri | https://rep.bstu.by/handle/data/1038 | |
| dc.description | IVANYUK D.S., GOLOVKO V.V. The neuro-PID controller pasterizatsionny installation | ru_RU |
| dc.description.abstract | Был разработан нейро-ПИД контроллер пастеризационной установки. Он состоит из двух частей – традиционного ПИД-контроллера
(пропорционально-интегрально-дифференциальный контроллер) и
нейронной сети, основанной на многослойном персептроне. ПИД
непосредственно управляет пастеризацией, его коэффициенты (KP,
KI и KD) во время работы подстраиваются нейронной сетью. Тестовый программный модуль показал работоспособность предложенного подхода. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.publisher | БрГТУ | ru_RU |
| dc.relation.ispartofseries | Физика, математика, информатика; | |
| dc.subject | информационные технологии | ru_RU |
| dc.subject | information technology | ru_RU |
| dc.subject | artificial intelligence | ru_RU |
| dc.subject | искусственный интеллект | ru_RU |
| dc.subject | интеллектуальные системы | ru_RU |
| dc.subject | intelligent systems | ru_RU |
| dc.title | Нейро-ПИД-контроллер пастеризационной установки | ru_RU |
| dc.type | Статья (Article) | ru_RU |
| dc.identifier.udc | 004.89 | ru_RU |
| dc.abstract.alternative | The neuro-PID controller for the pasteurizer was developed. It consists of two parts: the conventional PID (proportional plus integral plus derivative
controller) and the neural network, which are based on the multilayer perceptron structure. The outputs of the neural network are proportional (P), integral (I), and derivative (D) gains. The simulation and experimental results show the effectiveness of the proposed approach. | ru_RU |
