دانلود مقاله ترجمه شده کاربرد شبکه عصبی تابع پایه شعاعی در مدل کردن سیستم های غیر خطی با باند مرده

چکیده

حضور باند مرده در پروسه­ های مهندسی، عملکرد سیستم را تنزل می­ دهد. مدل کردن سیستم­ هایی با چنین مشخصه­ های غیر خطی، عاملی کلیدی در کنترل مبتنی بر مدل است و در واقع، یک کار چالش برانگیز توسط روش ­های ریاضی سنتی می­ باشد. در این مقاله، کاربرد شبکه­ های عصبی پایه شعاعی، در چنین سیستم ­هایی، بررسی شده است. قسمت استاتیک غیر خطی سیستم، ابتدا می ­تواند از بخش دینامیکی خطی جدا شده و سپس با استفاده از شبکه ­ی تابع پایه شعاعی (RBF)، مدل شود. بهش دینامیک خطی سیستم، می­ تواند با استفاده از مدل­ های خطی، شناسایی شود. نتایج نشان می­ دهند که RBF می ­تواند به خوبی، مدل کلیدی سیستم­ هایی با باند مرده را به دست آورد.

1-مقدمه

برای بسیاری از سازندگان، کیفیت بالای محصولات، عامل بسیار مهمی است، چرا که سبب افزایش بازده و سود بخشی محصولات می­ شود. در بسیاری از کارخانه ­ها، فرآیند، شامل صدها و یا هزاران حلقه ­ی کنترلی می­ شود. حفظ پروسه در شرایط کار مناسب، هدف سیستم ­های کنترلی در چنین کارخانه ­هایی است؛ چرا که هر گونه شکست در این امر، تأثیر نامطلوب یک حلقه را در میان بخش­ های دیگر فرآیند، پخش می ­کند. انواع مختلف نوسانات مشاهده شده در سیگنال­ های یک سیستم کنترلی، به عنوان نتایح عملکرد نارضایت بخش، در نظر گرفته می ­شوند. این انحرافات از مقادیر مطلوب، ممکن است دلایل بنیادی مختلفی داشته باشد. حضور باند مرده در حلقه­ های کنترلی، یکی از عوامل اصلی ­ای است که در این جا بررسی شده است...