W pracy przedstawiono zastosowanie metod sztucznej inteligencji do modelowania i identyfikacji wybranych obiektów elektrotermicznych. Zastosowano sztuczne sieci neuronowe do modelowania i identyfikacji nieliniowych własności dynamicznych dwóch typów rezystancyjnych czujników Pt 100 w osłonie umieszczonych w oleju silikonowym. Stosowano dwuwarstwowe sieci perceptronowe oraz sieci rekurencyjne. Zaproponowano także rozmyte podejście do modelowania wybranej klasy obiektów cieplnych - rezystancyjnych pieców komorowych. W szczególności uwzględniono rozłożony charakter parametrów tego typu obiektów i zaproponowano rozwiązanie, które umożliwia uwzględnienie w modelu zmian parametrów dynamicznych obiektu wynikających ze zmian stopnia nasycenia cieplnego warstw izolacyjnych. Rozważania teoretyczne zweryfikowano na drodze symulacyjnej i eksperymentalnej, dowodząc skuteczności proponowanych metod dla rozważanych klas obiektów, a ogólność przeprowadzonej analizy wskazuje na możliwość rozszerzenia zakresu zastosowań.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.