Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

From data to mechanistic-based models

Cruz-Bournazou M., Arellano-Garcia H., Schoneberger J., Wozny G.

Chemical and Process Engineering

2009

Vol. 30, z. 2

291-306

Przedstawiono metodę mechanistycznej identyfikacji, która ułatwia efektywną symulację złożonego procesu dynamicznego. Stworzony algorytm dzieli proces na wiele przedziałów, w którym każdy jest symulowany za pomocą innego modelu w celu pokonywania występujących ograniczeń każdego pojedynczego modelu oraz w celu wykorzystania ich możliwości. W metodzie używa się modeli mechanistycznych. Oznacza to lepsze zrozumienie istoty problemu przy wyjaśnianiu dominujących zjawisk wywołujących zachowanie procesu w każdym rozpatrywanym przedziale. Problem tkwi w zdefiniowaniu optymalizacji, której funkcją celu jest funkcja najmniejszych kwadratów błędów. Parametry modelu i wielkość przedziałów zostały oszacowane w celu uzyskania najlepszego dopasowania.

From data to mechanistic-based models

Cruz-Bournazou M., Arellano-Garcia H., Schoneberger J., Wozny G.

Czasopismo Techniczne. Mechanika

2008

R. 105, z. 5-M

45-56

In this work, an Approach to Mechanistic Identification is proposed which facilitates an efficient simulation of complex dynamic processes. The developed algorithm divides the process in multiple intervals each of which is simulated by a different model in order to overcome the limitations of every single model and to take advantage of its capacities. Furthermore, the approach applies mechanistic models. By this means it enables a better understanding of the process subject to study by clarifying the predominant phenomenon inducing the process behaviour in each considered interval. The problem is set as an optimization problem whose objective function is a least square error function. The parameters of the model and the size of the intervals are estimated to find the "best" fit.

W niniejszym artykule zaproponowano założenia mechanistycznej identyfikacji dla skutecznej symulacji złożonych, dynamicznych procesów. W opracowanym algorytmie proces podzielono na przedziały czasowe, w których przebiegające procesy opisane są stosownymi, różnymi, modelami. Zastosowanie mechanistycznego podejścia umożliwia lepsze zrozumienie procesu i określenie dominującego zjawiska określającego jego przebieg. Problem zastosowano w optymalizacji, gdzie parametrem jest błąd funkcji określany metodą najmniejszych kwadratów. Parametry modelu i długość przedziałów czasowych szacowane są dla zapewnienia najlepszego dopasowania.