Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/67911
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorวัชรพงษ์ โขวิฑูรกิจ-
dc.contributor.authorวรุณย์พันธุ์ สุขสมมโน-
dc.contributor.otherจุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์-
dc.date.accessioned2020-09-15T09:16:39Z-
dc.date.available2020-09-15T09:16:39Z-
dc.date.issued2542-
dc.identifier.isbn9743349693-
dc.identifier.urihttp://cuir.car.chula.ac.th/handle/123456789/67911-
dc.descriptionวิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2542en_US
dc.description.abstractงานวิทยานิพนธ์นี้ได้ทำการศึกษาการประยุกต์ใช้ข่ายงานระบบประสาทในการปรับปรุงวิธีการปรับจูนตัวควบคุม PID โดยศึกษากับกระบวนการเชิงเส้นแบบต่าง ๆ และทดลองกับกระบวนการแลกเปลี่ยนความร้อนด้วยคอมพิวเตอร์และการควบคุมในเวลาจริง โดยนำผลการทดลองที่ได้มาเปรียบเทียบกับตัวควบคุม PID ที่ปรับจูนด้วยวิธีแบบเดิมที่อาศัยเทคนิคการป้อนกลับด้วยรีเลย์และสูตรการปรับจูน ZieglerNichols แบบปรับปรุง ในการทดลองกับแบบจำลองคอมพิวเตอร์ของกระบวนการเชิงเส้นแบบต่าง ๆ พบว่าตัวควบคุม PID ที่ปรับจูนได้ด้วยวิธีที่เสนอ ให้ผลการควบคุมที่ดีกว่าตัวควบคุม PID ที่ปรับจูนด้วยวิธีเดิม ทังใน สภาวะปกติ และสภาวะที่มีความไม่แน่นอนของกระบวนการเกิดขืน โดยพิจารณาจากช่วงเวลาขาขึ้นสัน กว่า และค่าพุ่งเกินที่น้อยกว่า ในการทดลองควบคุมกระบวนการแลกเปลี่ยนความร้อนด้วยคอมพิวเตอร์และการควบคุมในเวลาจริง พบว่าผลการควบคุมด้วยตัวควบคุม PID ที่ปรับจูนด้วยวิธีทังสองใกล้เคียงกัน แต่ในสภาวะที่มีการเปลี่ยนจุดทำงานของกระบวนการ พบว่าตัวควบคุม PID ที่ปรับจูนได้ด้วยวิธีที่เสนอ ให้ผลการควบคุมที่ดีกว่ามีช่วงเวลาขาขึ้นสั้นกว่า และลักษณะของผลตอบสนองที่ได้ใกล้เคียงกับผลการควบคุมที่สภาวะปกติอีกทั้งตัวควบคุม PID ที่ปรับจูนได้มีความสามารถในการกำจัดผลของสัญญาณรบกวนได้ดี-
dc.description.abstractalternativeThis thesis deals with the application of neural networks to the auto-tuning of PID controllers. Simulations were performed on various linear plants. Real-time control was also implemented on a heat exchanger process. The experimental results were then compared to the PID tuning method using a relay feedback and the RZN formula. Computer simulation results on linear system show that the proposed method gives better responses, in terms of shorter rise time and smaller overshoot, in the nominal case and when there are uncertainties in the plant parameters. Hardware experimental results on the heat exchanger process show that the proposed method and the RZN give comparable performance. But when the set point changes, the proposed method gives good responses that do not differ much from the nominal case. The disturbance rejection ability is also satisfactory.-
dc.language.isothen_US
dc.publisherจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.rightsจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.subjectตัวควบคุมพีไอดีen_US
dc.subjectการควบคุมอัตโนมัติen_US
dc.subjectนิวรัลเน็ตเวิร์ค (วิทยาการคอมพิวเตอร์)en_US
dc.subjectการควบคุมทำนายแบบจำลองen_US
dc.subjectPID controllersen_US
dc.subjectAutomatic controlen_US
dc.subjectNeural networks (Computer science)en_US
dc.subjectPredictive controlen_US
dc.titleการปรับจูนตัวเองของตัวควบคุมพีไอดีโดยใช้ข่ายงานระบบประสาทen_US
dc.title.alternativeAuto-tuning of PID controllers using neural networken_US
dc.typeThesisen_US
dc.degree.nameวิศวกรรมศาสตรมหาบัณฑิตen_US
dc.degree.levelปริญญาโทen_US
dc.degree.disciplineวิศวกรรมไฟฟ้าen_US
dc.degree.grantorจุฬาลงกรณ์มหาวิทยาลัยen_US
dc.email.advisorWatcharapong.K@Chula.ac.th-
Appears in Collections:Eng - Theses

Files in This Item:
File Description SizeFormat 
Warunpun_su_front_p.pdfหน้าปก และบทคัดย่อ1.32 MBAdobe PDFView/Open
Warunpun_su_ch1_p.pdfบทที่ 1824.64 kBAdobe PDFView/Open
Warunpun_su_ch2_p.pdfบทที่ 21.31 MBAdobe PDFView/Open
Warunpun_su_ch3_p.pdfบทที่ 3964.01 kBAdobe PDFView/Open
Warunpun_su_ch4_p.pdfบทที่ 44.36 MBAdobe PDFView/Open
Warunpun_su_ch5_p.pdfบทที่ 52.12 MBAdobe PDFView/Open
Warunpun_su_ch6_p.pdfบทที่ 6925.75 kBAdobe PDFView/Open
Warunpun_su_back_p.pdfบรรณานุกรม และภาคผนวก770.25 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.