Artykuł ten opisuje koncepcję metody identyfikacji dynamicznych nieliniowych obiektów i procesów. W podejściu do modelowania określono sposób połączenia modelowania neuronowego i twórczego myślenia oraz programowania genetycznego. W artykule zawarto wstępne wyniki badań dla danych z rzeczywistego procesu redukcji zawartości miedzi z żużla, które potwierdzają przydatność opracowanej koncepcji.
EN
This paper presents a nonlinear dynamic system identification method based on a new heuristic methodology. An approach to process modeling includes applications of neural networks, a genetic algorithm and creative thinking. In this paper, we present some preliminary results obtained using the heuristic model for the prediction of process parameters like the copper concentration in slag.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Modele matematyczne procesów przeróbczych pozwalają na lepszą interpretację zjawisk, na których procesy te się opierają oraz są podstawą sterowania. Wielość sposobów i kierunków modelowania doprowadziła do dużej ilości modeli o różnych przeznaczeniach. W artykule szczególną uwagę zwrócono na modele heurystyczne oraz modele dyskretne (ARMA, ARIMA, ARMAX) ze szczególnym uwzględnieniem modeli adaptacyjnych. Omówiono także modele transmintancyjne.
EN
The mathematical models of processing allow better interpreting of the phenomenon, which are the base of these processes and steering of them. The quantity of methods and directions of modelling lead to the large number of different destinations models. In the paper the significant attention have the heuristic models and discreet models (ARMA, ARIMA, ARMAX) with special taking into consideration of adaptive models. The transmittance models are discussed too.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.