Очень доброжелательный и компетентный автор. Всегда был на связи, все разъяснил, предоставил несколько вариантов программы. Рекомендую.
Информация о работе
Подробнее о работе
ИНС контроллера на основе модели авторегрессии со скользящим средним
- 20 страниц
- 2011 год
- 308 просмотров
- 1 покупка
Гарантия сервиса Автор24
Уникальность не ниже 50%
Фрагменты работ
Нейронные сети нашли применение во многих областях техники, где они использу-ются для решения многочисленных прикладных задач:
в космонавтике и аэронавтике - для построения систем автоматического пилотирова¬ния самолетов, имитации траекторий полета, разработки перспективных конструкций автопилотов, моделирования и обнаружения неисправностей агрегатов летательных ап¬паратов, управления воздушным движением, обработки аэрокосмической информации;
в автомобилестроении - для проектирования автоматических систем управления;
в банковском деле - для автоматического чтения документов и их контроля, оценки эффективности кредитных вложений;
в военном деле - для управления оружием, слежения за целями, выделения и распо¬знавания объектов, построения новых типов датчиков, обработки звуковых, радиоло¬кационных и телевизионных изображений, постановки и подавления помех, иденти¬фикации сигналов и изображений;
в электронике - для управления процессом проектирования и размещения микро¬схем на плате, нелинейного моделирования и анализа отказа микросхем, для построе¬ния систем машинного зрения и синтеза речи;
в финансовом деле - для анализа кредитных потоков, оценки недвижимости, общего финансового анализа, прогнозирования стоимости валюты;
в страховом деле - для определения оптимальной стратегии страхования;
в промышленном производстве - для управления производственными процессами, анализа продукции, диагностики работы машин, контроля качества, тестирования продукции, анализа качества сварочных работ, шлифовальных операций, анализа и синтеза химических веществ, прогнозирования цены продукта;
в медицине - для анализа раковых клеток, диагностики заболеваний, конструирова¬ния протезов, оптимизации времени трансплантации, планирования расходов больни¬цы, консультаций в отсутствие специалистов;
в робототехнике - для управления роботами, построения контроллеров роботов и манипуляторов и систем технического зрения;
при передаче данных - для сжатия и отображения данных, распознавания речи, класси¬фикации гласных звуков, преобразования текста в речь, для синхронного перевода.
1. Применение нейронных сетей
Искусственные нейронные сети основаны на весьма простой биологической модели нервной системы. Нервная система человека, построенная из элементов, называемых нейронами, имеет ошеломляющую сложность. Около 1011 нейронов участвуют примерно в 1015 передающих связях, имеющих длину метр и более. Каждый нейрон обладает многими качествами, общими с другими элементами организма человека, но его уникальной способностью является прием, обработка и передача электрохимических сигналов по нервным путям, которые образуют коммуникационную систему мозга.
Интенсивность сигнала, получаемого нейроном, сильно зависит от активности линий связи. Каждая линий связи имеет определенную протяженность, и специальные химические вещества передают сигнал вдоль нее. Предполагается, что обучение заключается в первую очередь в изменении интенсивности связей.
...
2. Модель управляемого процесса
В качестве управляемого объекта рассматривается постоянный магнит, который движется только в вертикальном направлении в электромагнитном поле (рис.1).
Рисунок 1 – Движение магнита в электромагнитном поле
Уравнение движения постоянного магнита имеет вид
(1),
где y(t) – расстояние движущегося магнита от электромагнита; g – ускорение силы тяжести; α – постоянная магнитного поля, зависящая от числа витков обмотки и намагниченности стального сердечника; i(t) – управляющий ток в обмотке электромагнита; М – масса постоянного магнита, β – коэффициент вязкого трения [1].
...
3. Регулятор NARMA-L2
При анализе работы электронной схемы винчестера встает вопрос о точном позиционировании магнитных головок при подаче определенного тока. Для моделирования данной ситуации можно применить нейросетевой регулятор с использованием модели нелинейной авторегрессии со скользящим средним (NARMA-L2). Изо всех архитектур этот регулятор требует наименьшего объема вычислений.
Регулятор NARMA-L2 – это просто реконструкция нейросетевой модели управляемого процесса, полученной на этапе автономной идентификации. Вычисления в реальном времени связаны только с реализацией НС.
Применение НС для решения задач управления позволяет выделить 2 этапа проектирования:
• Этап идентификации управляемого процесса
• Этап синтеза закона управления
На этапе идентификации разрабатывается модель управляемого процесса в виде нейронной сети, которая на этапе синтеза используется для синтеза регулятора.
...
1. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6. – М.:ДИАЛОГ-МИФИ, 2002. – 496 с.
2. Интернет – сайт:http://school-collection.edu.ru/catalog/rubr/9916334c-3915-4f52-965d-f33da2f8638e/82980/
3. Интернет – сайт:
http://ru.wikipedia.org/wiki/%D0%96%D1%91%D1%81%D1%82%D0%BA%D0%B8%D0%B9_%D0%B4%D0%B8%D1%81%D0%BA
Форма заказа новой работы
Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям
