Adaptive Control with Recurrent High-order Neural Networks: Theory and Industrial Applications

سری پیشرفت‌ها در کنترل صنعتی با هدف گزارش و تشویق انتقال فناوری در مهندسی کنترل است. توسعه سریع فناوری کنترل بر تمام حوزه های رشته کنترل تأثیر می گذارد. تئوری جدید، کنترل‌کننده‌های جدید، محرک‌ها، حسگرها، فرآیندهای صنعتی جدید، روش‌های کامپیوتری، کاربردهای جدید، فلسفه‌های جدید...، چالش‌های جدید. بیشتر این کار توسعه در گزارش های صنعتی، مقالات مطالعات امکان سنجی و گزارش های پروژه های مشارکتی پیشرفته قرار دارد. این مجموعه فرصتی را برای محققان فراهم می‌کند تا یک نمایشگاه گسترده از چنین کارهای جدیدی را در تمام جنبه‌های کنترل صنعتی برای انتشار گسترده‌تر و سریع‌تر ارائه کنند. شبکه‌های عصبی یکی از حوزه‌هایی است که در آن انفجار اولیه اشتیاق و خوش‌بینی منجر به انفجار مقالات در مجلات و ارائه‌های بسیاری در کنفرانس‌ها می‌شود، اما تنها در دهه گذشته است که کار نظری قابل توجهی در مورد پایداری، هم‌گرایی و استحکام برای استفاده انجام شده است. شبکه های عصبی در سیستم های کنترل پرداخته شده است. جورج رویتاکیس و مانولیس کریستودولو به این مسائل نظری و جنبه های عملی کاربردهای شبکه عصبی در مسائل صنعتی علاقه مند بوده اند. این افزودنی بسیار خوش‌آمد به سری پیشرفت‌ها در کنترل صنعتی، گزارش مختصری از تحقیقات آنها ارائه می‌کند. مدل شبکه عصبی در هسته کار آنها شبکه عصبی مرتبه بالا بازگشتی (RHONN) است و یک توسعه نظری و شبیه‌سازی کامل ارائه شده است. خوانندگان مختلف جنبه های مختلفی از توسعه مورد علاقه را پیدا خواهند کرد. فصل آخر مونوگراف مشکل زمان‌بندی فرآیند تولید یا تولید را مورد بحث قرار می‌دهد.

The series Advances in Industrial Control aims to report and encourage technology transfer in control engineering. The rapid development of control technology has an impact on all areas of the control discipline. New theory, new controllers, actuators, sensors, new industrial processes, computer methods, new applications, new philosophies ... , new challenges. Much of this development work resides in industrial reports, feasibility study papers and the reports of advanced collaborative projects. The series offers an opportunity for researchers to present an extended exposition of such new work in all aspects of industrial control for wider and rapid dissemination. Neural networks is one of those areas where an initial burst of enthusiasm and optimism leads to an explosion of papers in the journals and many presentations at conferences but it is only in the last decade that significant theoretical work on stability, convergence and robustness for the use of neural networks in control systems has been tackled. George Rovithakis and Manolis Christodoulou have been interested in these theoretical problems and in the practical aspects of neural network applications to industrial problems. This very welcome addition to the Advances in Industrial Control series provides a succinct report of their research. The neural network model at the core of their work is the Recurrent High Order Neural Network (RHONN) and a complete theoretical and simulation development is presented. Different readers will find different aspects of the development of interest. The last chapter of the monograph discusses the problem of manufacturing or production process scheduling.