یک الگوریتم یادگیری ترکیبی جهت طراحی شبکه های موجک فازی برای تقریب توابع، شناسایی و کنترل بهنگام سیستم های غیرخطی

Authors

مریم شهریاری کاهکشی

maryam shahriari kahkeshi دانشگاه صنعتی اصفهان مریم ذکری

maryam zekri دانشگاه صنعتی اصفهان

abstract

در این مقاله، یک الگوریتم یادگیری ترکیبی جدید برای طراحی شبکه های موجک فازی به منظور تقریب توابع، کنترل و شناسایی سیستم های غیرخطی ارائه شده است. الگوریتم پیشنهادی مبتنی بر الگوریتم حداقل مربعات متعامد (ols)، الگوریتم جهش قورباغه های بهم آمیخته (sfl) و روش حداقل مربعات بازگشتی(rls) می باشد. الگوریتم حداقل مربعات متعامد جهت تعیین ابعاد شبکه، غربال کردن موجکها به منظور انتخاب موجکهای مؤثرو تعیین تعداد قوانین فازی استفاده می شود. بدین ترتیب با انتخاب موجکهای مؤثر بر اساس داده های آموزشی شبکه موجک فازی ساخته شده و مقادیر اولیه پارامترهای شبکه تعیین می شوند. سپس پارامترهای خطی و غیرخطی شبکه به ترتیب با استفاده از روش حداقل مربعات بازگشتی و الگوریتم جهش قورباغه ها تنظیم می گردند. برای نشان دادن قابلیت و توانایی روش پیشنهادی، نتایج شبیه سازی در طی چند مثال برای تقریب تابع، کنترل و شناسایی سیستم های غیرخطی آورده شده است. همچنین، نتایج بدست آمده از این روش با نتایج روش های گزارش شده در مقالات دیگر نیز مقایسه شده است. نتایج شبیه سازی نشان می دهند که روش پیشنهادی مقاله، ضمن استفاده از تعداد قانون فازی کمتر، صحت تقریب و شاخص عملکرد مدل را بهبود بخشیده و از عملکرد بهتری برای سیستم های مورد مطالعه، در مقایسه با سایر روشها، برخوردار است

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیاده سازی شبکه های عصبی راف با یادگیری احتمالاتی جهت شناسایی سیستم های غیرخطی

در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم  های غیرخطی آشوبی ارائه شده است. شبکه  های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون  های راف طراحی می  شوند. یک نرون راف را می  توان بصورت زوجی از نرون  ها در نظر گرفت، که به نرون  های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه  ای در شبکه عصبی را امکان پذیر می  سازد، بنابراین می  توا...

full text

طراحی شبکه های موجک فازی چندمتغیره و ارائه الگوریتم آموزشی ترکیبی بهبود یافته در شناسایی سیستم های غیرخطی

در سال های اخیر ادغام محاسبات هوشمند و تئوری موجک، منجر به ارائه راهبردهای جدید و موثری گردیده است. شبکه های موجک فازی که از ترکیب مدل فازی، شبکه های عصبی و تئوری موجک حاصل می شوند، به عنوان یکی از نیرومندترین ابزارها در بسیاری از زمینه های پژوهشی به کار گرفته شده اند. توانایی شبکه موجک فازی و کاربرد وسیع سیستم های چندمتغیره در صنایع مختلف، انگیزه ارائه شبکه موجک فازی چندمتغیره در این تحقیق شد....

15 صفحه اول

طراحی سیستم فازی نوع-۲ جهت شناسایی و تشخیص عیب سیستم های غیرخطی برای سیستم سه تانک و سیستم الکتروهیدرولیکی

سیستم های کنترل در شرایط عادی، می توانند عملکرد مطلوبی ایجاد نمایند. اما در مواقعی که در سیستم عیبی ایجاد گردد، حفظ شرایط عملکردی مناسب، کاری دشوار و اغلب ضروری است. در حقیقت عدم تشخیص به موقع عیب در سیستم های حساس، منجر به صدمه دیدن مقادیر قابل توجهی از امکانات و اطلاعات می گردد. در نتیجه انگیزه فراوانی در زمینه تشخیص خرابی در مجامع علمی و صنعتی ایجاد شده است. حال اگر سیستم تحت بررسی غیرخطی با...

full text

طراحی یک شبکه ی عصبی فازی برای کنترل کیفیت فرایند های چند متغیره - چند مرحله‌یی

در زمینه‌ی کنترل آماری فرایند چندمتغیره، و به‌منظور کنترل یک مرحله از فرایند تولید، تحقیقات زیادی صورت گرفته است. هدف اصلی این تحقیقات، در نظرگرفتن همبستگی بین چندین مشخصه‌ی کیفی برای یک مرحله از فرایند است. اما در صنایعی نظیر صنایع شیمیایی با موارد زیادی مواجهیم که در آنها تولید شامل چند مرحله است. بنابراین، وجود روشی برای کنترل کیفیت فرایند چندمتغیره چندمرحله‌یی ضرورت می‌یابد. در این نوشتار ...

full text

پیاده سازی شبکه های عصبی راف با یادگیری احتمالاتی جهت شناسایی سیستم های غیرخطی

در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم  های غیرخطی آشوبی ارائه شده است. شبکه  های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون  های راف طراحی می  شوند. یک نرون راف را می  توان بصورت زوجی از نرون  ها در نظر گرفت، که به نرون  های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه  ای در شبکه عصبی را امکان پذیر می  سازد، بنابراین می  توا...

full text

My Resources

Save resource for easier access later


Journal title:
کنترل

جلد ۵، شماره ۱، صفحات ۱۴-۲۶

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023