W rozprawie doktorskiej zaprezentowano metodę sterowania układami wielowymiarowymi opartą o sieci neuronowe oraz algorytmy genetyczne. W pracy założono nieznajomość parametrów sterowanego obiektu. Zaprezentowano metodę detekcji parametrów obiektów, bazującą na obserwatorze stanu i metodach optymalizacji a w szczególności algorytmach genetycznych. W pracy zaprezentowano również metodę sterowania neuronowego, która rozbudowując wektor uczący w czasie sterowania, w dyskretnych chwilach czasu modyfikuje swoje wagi połączeń między neuronami. Koncepcje detekcji parametrów jak i sterowania zweryfikowano dla przykładowego obiektu wielowymiarowego jakim jest układ ukośnie zamocowanej liny z dołączonym tłumikiem magnetoreologicznym. W celu weryfikacji zaproponowanej metody przebadano klasyczne koncepcje sterowania, przykład sterowania adaptacyjnego oraz porównano je pod względem efektywności do zaproponowanego sterowania neuronowego.
The dissertation presents a control scheme for a multidimensional systems based on neural networks and genetic algorithms. It was assume that the object parameters are not know. Presented work contain method of object parameters detection, based on state observer and optimization methods and in particular genetic algorithms. The work also presents the neural network based control scheme, which is expanding the learning vector with time and in discrete moments of time modifies neural network weights of connections between neurons. The concepts of parameters detection and control neural network control scheme was verified for the
example of a multi-dimensional object that is inclined cable with attached magnethoreological damper. The proposed method was verified by comparing its efficiency with classical concepts of control and adaptive control scheme.