Метод контроля состояния подсистемы (объекта) при неполной измерительной информации о совокупности параметров, определяющих ее динамику. III. Рекурсии уравнений динамики объекта и измерение его параметров с использованием нейронных сетей

Автор: Малыхина Г.Ф., Меркушева А.В.

Журнал: Научное приборостроение @nauchnoe-priborostroenie

Рубрика: Оригинальные статьи

Статья в выпуске: 4 т.14, 2004 года.

Бесплатный доступ

Достаточно большой круг задач измерения обусловлен необходимостью определения многомерной (векторной) характеристики состояния объекта контроля и относится по существу к задачам измерения параметров динамической системы. Текущее состояние динамической системы (ДС) представляется множеством параметров, величина которых зависит от всего предшествующего поведения системы и определяет эволюцию ее будущего поведения. При контроле такого объекта средствами измерительных систем (ИС) (класса информационно-измерительных и информационно-управляющих) существенна проблема, возникающая в условиях отсутствия воздействия некоторых параметров состояния на датчики ИС, т.е. при неполной измерительной информации. Решение проблемы получается на основе преобразования к рекурсивной форме уравнений, отражающих динамику объекта и ИС. При этом использование алгоритмов нейронных сетей с адаптивной реакцией на изменение входных данных позволяет без непосредственного применения численных методов имитировать измерение параметра состояния ДС, не воздействующего на датчики ИС.

Еще

Короткий адрес: https://sciup.org/14264362

IDR: 14264362

Список литературы Метод контроля состояния подсистемы (объекта) при неполной измерительной информации о совокупности параметров, определяющих ее динамику. III. Рекурсии уравнений динамики объекта и измерение его параметров с использованием нейронных сетей

  • Левин С.Ф. Об измерительных задачах косвенного контроля технического состояния летательных аппаратов//Измерительная техника. 1996. № 5. C. 9-13.
  • Андреев Ю.Н. Управление конечномерными объектами. М.: Наука, 1986. 424 с.
  • Малыхина Г.Ф., Исаева Л.Л. Пакет программ для идентификации моделей газотурбинного двигателя по экспериментальным данным//М.: Фонды алгоритмов и программ НИВЦ МГУ, 1987. 90 с.
  • Мироновский Л.А. Моделирование динамических систем. СПб.: Изд-е ЛИАП, 1992. 92 с.
  • Haykin S., Van Deen B. Signals and Systems. N.Y.: Willey, 1998. 389 р.
  • Гроп Д. Методы идентификации систем. М.: Мир, 1979. 302 с.
  • Cybenko G. Approximation by Superposition of a Sigmoid Function//Mathematics of Control, Signal and Systems. 1989. N 2. P. 303-314.
  • Funahashi K. On the Approximate Realization of Continuous Mapping by Neural Network//Neural Networks. 1989. N 2. P. 183-192.
  • Малыхина Г.Ф., Меркушева А.В. Метод контроля состояния подсистемы (объекта) при неполной измерительной информации, отражающей ее динамику. I. Анaлиз структуры нейронной сети, приспособленной к динамическому характеру анализируемой информации//Научное приборостроение. 2004. Т. 14, № 1. С. 72-84.
  • Малыхина Г.Ф., Меркушева А.В. II. Нейронные сети, отражающие динамику входной информации и построенные на принципе обратных связей (рекуррентные сети)//Научное приборостроение. 2004. Т. 14, № 3. С. 11-32.
Еще
Статья научная