A neural network controller optimised with multi objective genetic algorithms for a laboratory anti-lock braking system
Joint Authors
Bilarabi, K.
Lamamra, K.
Bosche, J.
al-Hajjaji, A.
Source
Sciences et Technologie : Sciences Appliquées
Issue
Vol. 2012, Issue 35 (30 Jun. 2012), pp.9-13, 5 p.
Publisher
Publication Date
2012-06-30
Country of Publication
Algeria
No. of Pages
5
Main Subjects
Topics
Abstract AR
في هذا العمل، نصمم نضام تحكم و مراقبة باستعمال الشبكات العصبية للتحكم في نظام كبح ضد تقييد العجلات و الذي هو نظام غير خطى بدرجة عالية المعروف بنظام "أ بي أس".
و الهدف هو التحكم في انزلاق العجلات و السيطرة عليھا.
نظام التحكم المصمم تم تصمیمھ خارج الخط باستعمال طريقة فعالة في التحسين و هي الخوارزميات الجینية متعددة الأهداف.
و الغرض من هذه عملية تصميم نظام التحكم بالشبكات العصبية بالخوارزميات الجینیة متعددة الأهداف هو إيجاد أحسن شكل و هيكل للشبكة العصبية.
هيكل الشبكة تجدده عدد المتغيرات عند مداخل الشبكة العصبية، عدد الخلايا العصبية في الطبقة المخفية للشبكة.
و بالتالي فإن دور الخوارزميات الجینیة متعددة الأهداف هو وجوب تصغير و تحسين الأهداف الثلاثة التالية : عدد الخلايا العصبية في الطبقة الخفیة نوع المدخلات للشبكة.
النتائج المتحصل عليھا مشجعة جدا.
للشبكة، الخطأ و الذي يتمثل في الفرق بين عامل انزلاق العجلة المراد أو المرجعي و عامل الانزلاق الفعلي و الهدف الثالث هو عدد و نوع المدخلات للشبكة.
النتائج المتحصل عليها مشجعة جدا.
Abstract EN
In this work, we consider the design of a neural network controller for the ABS laboratory system witch’s highly non linear.
The objective is to control the wheel slip.
The controller is designed off-line using a multi-objective optimisation process solved using a multi objective genetic algorithms.
The objective of the design process is to find a satisfactory controller with a reasonable structure.
The structure is defined as the number of input variables and the number of neurons in the hidden layer.
Thus the multi objective genetic algorithms has to minimize three objectives : the number of neurons in the hidden layer, the error which is the difference between the wheel slip reference and the real wheel slip and the third objective is the number and type of inputs to the network.
The results of simulation are encouraging.
American Psychological Association (APA)
Lamamra, K.& Bilarabi, K.& Bosche, J.& al-Hajjaji, A.. 2012. A neural network controller optimised with multi objective genetic algorithms for a laboratory anti-lock braking system. Sciences et Technologie : Sciences Appliquées،Vol. 2012, no. 35, pp.9-13.
https://search.emarefa.net/detail/BIM-540736
Modern Language Association (MLA)
Lamamra, K.…[et al.]. A neural network controller optimised with multi objective genetic algorithms for a laboratory anti-lock braking system. Sciences et Technologie : Sciences Appliquées No. 35 (Jun. 2012), pp.9-13.
https://search.emarefa.net/detail/BIM-540736
American Medical Association (AMA)
Lamamra, K.& Bilarabi, K.& Bosche, J.& al-Hajjaji, A.. A neural network controller optimised with multi objective genetic algorithms for a laboratory anti-lock braking system. Sciences et Technologie : Sciences Appliquées. 2012. Vol. 2012, no. 35, pp.9-13.
https://search.emarefa.net/detail/BIM-540736
Data Type
Journal Articles
Language
English
Notes
Includes bibliographical references : p. 13
Record ID
BIM-540736
