شناسایی سیستم های هایبرید آفین تکه ای خطی با استفاده از شبکه عصبی آدلاین
Authors
abstract
سیستم های هایبرید، دسته ای از سیستم های دینامیکی هستند که رفتار آن ها، بر اساس برهم کنش رفتارهای دینامیکی گسسته و پیوسته بیان می شود. یکی از زیرمجموعه های سیستم های هایبرید، سیستم های آفین تکه ای خطی هستند. شناسایی مدل های آفین تکه ای خطی، شامل تخمین پارامترهای زیرسیستم های آفین و ضرایب مربوط به ابر صفحات تفکیک کننده فضای حالت- ورودی می شود. در این مقاله، جهت تقسیم بندی همزمان فضای حالت- ورودی و استخراج ماتریس های مشخصه، از الگوریتم خطای محدود و شبکه عصبی آدلاین استفاده خواهد شد. لازم به ذکر است که در این روش، نیازی به تعیین تعداد زیرسیستم های خطی سیستم نیست. همچنین روش شناسایی پیشنهادی بر اساس داده برداری برخط از سیستم توسعه داده شده است. همچنین از دیگر مزایای این روش، می توان به سادگی الگوریتم آن اشاره کرد که امکان استفاده از آن در کاربردهای عملی را فراهم می آورد. در ادامه، از روش مذکور جهت شناسایی یک مثال ریاضیاتی مرجع استفاده شده است. با مقایسه نتایج به دست آمده با مقالات مرجع، ثابت می شود که این روش، عملکرد مطلوبی در تقسیم بندی فضای حالت- ورودی و استخراج ماتریس های مشخصه خواهد داشت. در انتهای کار با استفاده از روش ارائه شده در این مقاله، به شناسایی یک منبع فعال ذخیره سازی آب که معادلات آن به صورت یک سیستم آفین تکه ای خطی بیان می شود، پرداخته شده است.
similar resources
سیستم های تکه ای خطی تبار مستقیم: کلاس جدیدی از سیستم های هایبرید با دینامیکهای خطی تبار و مرزهای کلیدزنی قابل تنظیم
در بسیاری از موارد، سیستم های تکه ای خطی تبار (Piece-Wise Affine) از تقریب یک سیستم غیرخطی با تعدادی زیرسیستم خطی تبار (Affine) به دست می آیند. تقریبی بودن و عدم امکان تحلیل پایداری دقیق از معایب سیستم حاصل بوده و در این مقاله کلاس جدیدی از سیستم های هایبرید به عنوان راه حل معرفی گردیده است. کلاس پیشنهادی به طور مستقیم و بدون استفاده از متوسط گیری از سیستم سوئیچ شونده به دست می آید، از این رو س...
full textسیستم های تکه ای خطی تبار مستقیم: کلاس جدیدی از سیستم های هایبرید با دینامیک های خطی تبار و مرزهای کلیدزنی قابل تنظیم
در بسیاری از موارد، سیستم های تکه ای خطی تبار (piece-wise affine) از تقریب یک سیستم غیرخطی با تعدادی زیرسیستم خطی تبار (affine) به دست می آیند. تقریبی بودن و عدم امکان تحلیل پایداری دقیق از معایب سیستم حاصل بوده و در این مقاله کلاس جدیدی از سیستم های هایبرید به عنوان راه حل معرفی گردیده است. کلاس پیشنهادی به طور مستقیم و بدون استفاده از متوسط گیری از سیستم سوئیچ شونده به دست می آید، از این رو س...
full textشبیه سازی الگوی توزیع نیترات در سیستم آبیاری قطره ای با استفاده از شبکه عصبی مصنوعی
استفاده بیش از حد نیترات میتواند منجر به آلودگی منابع آب زیرزمینی شود. بنابراین دانش دقیق از توزیع نیترات در ناحیه توسعه ریشه بهمنظور طراحی و مدیریت سیستمهای آبیاری قطرهای ضروری است. در این تحقیق بهمنظور مدلسازی الگوی توزیع نیترات از شبکه عصبی مصنوعی استفاده گردید. زیرا این تکنیک بهدلیل الگوی تشخیص قوی، روابط منطقی بین پارامترهای ورودی و خروجی برقرار میکند. در این تحقیق، بهمنظور شبیهس...
full textمدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی
مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...
full textشناسایی ترک با تحلیل فرکانسهای طبیعی سازه با استفاده از شبکه های عصبی نوع gmdh و سیستم عصبی- فازی anfis
وجود ترک در سازه، موجب نرمی محلی و تغییر در خواص سختی و رفتار دینامیکی سازه می شود. رفتار دینامیکی سازه دارای ترک، به عمق و مکان ترک بستگی دارد؛ از این رو می توان برای شناسایی عمق و مکان ترک از تغییرات رفتار دینامیکی سازه ناشی از ترک، استفاده نمود. در این مقاله ابتدا سه فرکانس طبیعی اول یک تیر یکسردرگیر که یک ترک سطحی باز برای ده عمق ترک مختلف و برای سی مکان مختلف در آن ایجاد شده است، با استفاد...
full textپیاده 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 textMy Resources
Save resource for easier access later
Journal title:
مهندسی مکانیک مدرسPublisher: دانشگاه تربیت مدرس
ISSN 1027-5940
volume 15
issue 5 2015
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023