MétaCan
Menu
Retour à la cohorte
Enregistrement W2220159512 · doi:10.1504/ijista.2015.072222

Self-tuning fuzzy logic PID controller, applications in nuclear power plants

2015· article· en· W2220159512 sur OpenAlex
Harsh Deol, Hossam A. Gabbar

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueInternational Journal of Intelligent Systems Technologies and Applications · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueFuzzy Logic and Control Systems
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésPID controllerControl theory (sociology)Settling timeOvershoot (microwave communication)Fuzzy logicControl engineeringControl systemFuzzy control systemController (irrigation)EngineeringSelf-tuningComputer scienceTemperature controlStep responseControl (management)

Résumé

récupéré en direct d'OpenAlex

This paper presents intelligent control design using self-tuning fuzzy logic control technique. The proposed adaptive control design is used to maintain system parameters to be within design limits, which provided means to improve the efficiency of the overall control system. The proposed self-tuning control system is applied on breathing air control systems in nuclear power plant which was recommended to maintain system pressure within design limits. System dynamics were studied, transfer functions were built and controlling parameters were established to develop system model in Simulink. Relationship to system pressure, steady-state error, Kp, Ki and Kd was studied and used to build fuzzy controller. Controller was implemented and simulation results demonstrated that self-tuning fuzzy PID controller has better control, precision and performance in maintaining system pressure with reduced overshoot, rise time, settling time and steady state error compared against conventional PID controller. Fuzzy PID controller also proved to be huge cost saver for the company in long run.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,552

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,257
Écart entre enseignants0,237 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle