Запорожский национальный технический университет СТЕПЕННЫЕ РЕКУРРЕНТНЫЕ НЕЙРОННЫЕ СЕТИ, КАК МОДЕЛИ НЕЛИНЕЙНЫХ ЭЛЕКТРОТЕХНИЧЕСКИХ ОБЪЕКТОВ Орловский И.А.

Презентация:



Advertisements
Похожие презентации
Моделирование и исследование мехатронных систем Курс лекций.
Advertisements

Основы математического моделирования Классификация математических моделей.
Моделирование систем с распределенными параметрами.
Выполнил студент : Санкт - Петербург 2012 Министерство образования Российской Федерации Санкт - Петербургский государственный архитектурно - строительный.
Метод прямых в одной задачиреакция-диффузия Студентка: Фролова Ксения Владимировна Группа 1205 Руководитель: Горелов Георгий Николаевич МИНИСТЕРСТВО НАУКИ.
Институт энергосбережения и энергоменеджмента Кафедра автоматизации управления электротехническими комплексами Научный руководитель: доц. Тышевич Б.Л.
Моделирование ЭМС с применением определителя Вандермонда.
Постановка задачи Построение алгоритма Составление программы на языке программирования О т л а д к а и тестирование программы Математическая формализация.
Модели в переменных состояния Представление моделей в векторно-матричной форме.
Постановка задачи аппроксимации Линейная, нелинейная (второго порядка) аппроксимация Лекция 5.
Использование нейросимулятора при определении внешнего вида ребенка по параметрам родителей.
Выпускная работа « Цифровое моделирование и исследование характеристик системы частотной автоподстройки при совместном действии сигнала и шума » студент.
1.Во всех примерах, есть, объект, который мы хотим описать. 2.Любая модель каким-то образом соответствует объекту. 3.Любая модель строится в соответствии.
ЗАЩИТА ИНФОРМАЦИИ В КАНАЛАХ СВЯЗИ НА ОСНОВЕ ДИСКРЕТНЫХ ХАОТИЧЕСКИХ Г ЕНЕРАТОРОВ Автор: Т.В. Даньшова Руководитель: Л.Ф. Рябков, к.т.н., доцент.
Моделирование на ЭВМ системы восстановления несущей для сигнала ФМ-2 Работу выполнил студент группы ЭР Устинов С.М. Московский Энергетический Институт.
1. Постановка задачи аппроксимации 2. Метод наименьших квадратов 3. Линейная аппроксимация Лекция 8.
Разминка. Выполните действия Найдите ошибку и объясните правила сравнения.
Лекция 6. Нейронные сети Хопфилда и Хэмминга Среди различных конфигураций искусственных нейронных сетей (НС) встречаются такие, при классификации которых.
Виды методов решений задач Аналитические: Y=F(X) Численные : Y i ~ X i Конечно-разностные с начальными или граничными условиями. Аппроксимируют всю Область.
АДАПТИВНОЕ УПРАВЛЕНИЕ С ИДЕНТИФИКАЦИЕЙ. Введение В адаптивных системах обработки информации и управления происходит приспособление к изменяющимся условиям.
Транксрипт:

Запорожский национальный технический университет СТЕПЕННЫЕ РЕКУРРЕНТНЫЕ НЕЙРОННЫЕ СЕТИ, КАК МОДЕЛИ НЕЛИНЕЙНЫХ ЭЛЕКТРОТЕХНИЧЕСКИХ ОБЪЕКТОВ Орловский И.А. Синявский А.А.

Большинство электротехнических объектов являются нелинейными с изменяющимися в процессе работы параметрами. Качественное управление подобными объектами является сложной и не до конца решённой задачей. Получение математической модели объекта управления позволяет существенно упростить эту задачу. Цель статьи: определение аналитических зависимостей для расчёта весовых коэффициентов степенной РНС, позволяющей с высокой точностью отображать модель нелинейного объекта. Проверка полученных аналитических результатов методом математического моделирования на примере получения моделей нелинейного электротехнического объекта.

Уравнение, описывающее объект, записанное в форме пространства состояния Замена производной вектора состояния объекта разностным уравнением Уравнение, описывающее объект, преобразованное к разностному виду, представляющее из себя описание рекуррентного нейрона

Минимальное количество дискретных тактов, необходимых для расчёта весовых коэффициентов Уравнение описывающее работу многомерной степенной РНС

Общая структурная схема степенной РНС

Система уравнений, составленная по результатам измерений Искомый вектор весовых коэффициентов

Расчёт вектора весовых коэффициентов через инверсную и псевдоинверсную матрицы

Модель объекта первого порядка – степенной рекуррентный нейрон

а,в,д – графики выходных сигналов объектов моделирования, с различными нелинейностями б,г,е – графики ошибок моделирования объектов соответствующими степенными рекуррентными нейронами

Результаты расчёта весовых коэффициентов степенной РНС Вывод. Приведенные результаты подтверждают правильность полученных выражений для расчёта значений весовых коэффициентов степенных РНС, представляющих модель нелинейного объекта