Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: modelowanie i korekcja nieliniowych własności

Sortuj według:

Ogranicz wyniki do:

Modelowanie i korekcja wybranych systemów nieliniowych z zastosowaniem metod analitycznych i aproksymatorów neuronowych

Jackowska-Strumiłło L.

Zeszyty Naukowe. Rozprawy Naukowe / Politechnika Łódzka

2009

Z. 380

3-207

Zagadnienia referowane w rozprawie dotyczą modelowania i korekcji nieliniowych własności wybranych obiektów i procesów przemysłowych, z zastosowaniem modeli analitycznych, sztucznych sieci neuronowych (SSN) i modeli hybrydowych. Wykazano, iż zastosowanie SSN do modelowania i korekcji nieliniowych własności rozważanych w pracy obiektów i procesów umożliwia uzyskanie lepszej dokładności niż metody klasyczne, natomiast wykorzystanie wiedzy a priori o obiekcie lub procesie w hybrydowym modelu analityczno-neuronowym może dodatkowo znacznie zmniejszyć złożoność obliczeniową algorytmów: identyfikacji, modelowania i korekcji, w porównaniu z rozwiązaniami stosującymi wyłącznie modelowanie neuronowe. Opracowano algorytmy linearyzacji charakterystyk statycznych termistorów z wykorzystaniem SSN typu perceptron wielowarstwowy (MLP) i modeli hybrydowych, które w szerokim zakresie temperatur są dokładniejsze od klasycznych metod regresji. Omówiono metodę wymuszenia wewnętrznego za pomocą wieloczęstotliwościowych sygnałów binarnych (MBS) i metodę diagramów czasowych do identyfikacji, monitorowania i diagnozowania on-line i in situ własności dynamicznych czujników temperatury. Opisano wybrane zagadnienia związane z projektowaniem sygnałów testowych binarnych i ternarnych. Zasadniczą część rozprawy poświęcono opracowanym metodom modelowania nieliniowych własności dynamicznych czujników temperatury oraz korekcji błędów dynamicznych czujników z zastosowaniem SSN typu MLP, sieci rekurencyjnych i modeli hybrydowych. Wykazano, iż dla czujników o nieliniowych właściwościach dynamicznych modele te zapewniają znacznie lepsząjakość modelowania i korekcji niż klasyczne modele liniowe. Zbudowano cząstkowe neuronowe i hybrydowe modele procesu przędzenia do prognozowania własności przędz na podstawie charakterystyk strumieni zasilających i wybranych parametrów procesu. Osiągnięto znacznie lepszą dokładność modelowania niż przy zastosowaniu klasycznych metod regresji nieliniowej i wielorakiej. SSN zastosowano także do rozwiązania zagadnienia odwrotnego polegającego na identyfikacji inkluzji w obiektach płaskich. Uzyskano krótszy czas obliczeń niż w klasycznych numerycznych metodach iteracyjnych. W ostatniej części rozprawy opisano zintegrowany system komputerowy zaprojektowany dla potrzeb identyfikacji, modelowania i korekcji rozważanych w pracy obiektów i procesów.

The dissertation deals with modelling and correction of nonlinear properties of the selected objects and processes by the use of analytical models, Artificial Neural Networks (ANN) and hybrid models. It was shown that application of ANN for modelling and correction of nonlinear properties of the objects and processes, considered in the thesis, allows for obtaining better accuracy than by means of classical methods. The use of a priori knowledge about an object or a process in a hybrid analytical-neural model can also decrease numerical complexity of identification, modelling and correction algorithms, in comparison to the ANN- based modelling. The proposed algorithms implementing ANN and hybrid models yield in a wide temperature range better linearization results of the thermistors characteristics than the classical regression methods. Self-heating method using the Multifrequency Binary Signals (MBS) and eye patterns method for temperature sensors dynamic properties on-line and in situ identification, monitoring and diagnosis were described. Selected problems concerning binary and ternary testing signals design have been discussed. The significant part of the thesis is dedicated to new methods proposed for modelling of temperature sensors nonlinear dynamic properties and correction of dynamic errors, by the use of MLP, recurrent ANN and hybrid models. It was proved that the proposed models for sensors nonlinear dynamic properties ensure significantly better modelling and correction quality that the classical linear models. Partial ANN and hybrid models of spinning process have been designed, which allow to predict the selected yarn properties on the basis of feeding slivers characteristics and chosen process parameters. Significantly better modelling accuracy has been achieved than by the use of classical nonlinear and multiple regression methods. ANN have been also applied for solving inverse problems, i.e. for identification of inclusion in flat objects. The computing time was shorter than for classical iterative numerical methods. In the last part of the work, an integrated computer system is described. The system was designed for identification, modelling and correction of the objects and processes concerned in the thesis.