Обучающаяся модель

Cтраница 1

Обучающаяся модель для изучения самооптимизирующихся систем управления описывает динамику объекта и используется для выбора оптимальной политики управления. Для предсказания оптимального или достаточно близкого к оптимальному управления необходимо, чтобы модель адекватно описывала объект. Кроме того, для поддержания оптимума методы изучения должны обеспечивать достаточно быстрое отслеживание изменений в объекте. [1]

Настройка обучающейся модели осуществляется поиском значений т и А0пт на основе ограниченных предыстории входного и выходного параметров, чем достигается выполнение условий (2.63) и (2.64) для оценок апостериорных вероятностей р ( j / k) решений модели. [2]

Поскольку оптимизация обучающихся моделей почти всегда осуществляется некоторой поисковой процедурой ( в противоположность аналитическим методам), имеется значительное число критериев оценки погрешностей, каждый из которых можно использовать без существенных различий в сложности вычислений. [3]

Общая схема применения метода обучающейся модели. [4]

Рассмотрим применение метода обучающейся модели для создания математической модели процесса контактного гетерогенного окисления на примере превращения фурфурола в малеиновый ангидрид. [5]

В настоящей работе описывается применение метода обучающейся модели [5] как средства для полного математического описания протекания процесса химической технологии на примере контактного превращения фурфурола в малеиновый ангидрид. [6]

Особенно важное значение, имеет проблема построения обучающихся моделей в задаче моделирования биологических систем, где сложность системы и недостаточность количественных сведений являются скорее правилом, чем исключением. [7]

Рассматриваются эксперименты, цель которых состоит в нахождении допустимого приближения обучающейся модели, предназначенной для использования в самооптимизирующейся системе. В литературе известны работы на эту же тему, сделанные для класса моделей, основанных на ортогонализированных экспонентах, но в этих экспериментах модели менее сложны. [8]

Исследована непрерывная автоматическая система, содержащая нестационарный линейный объект управления и обучающуюся модель объекта, параметры которой настраиваются с помощью поисковой модуляции и синхронного детектирования. [9]

Значение весов в установившемся состоянии. [10]

Объектом настоящего исследования является метод идентификации - системы управления, основанный на использовании обучающейся модели. Предлагаемый подход может оказаться полезным не только для решения проблем, связанных с управляемыми объектами в классическом смысле, но также для решения некоторых проблем управления процессами, имеющими кибернетическую природу. Следовательно, термин процесс и все относящиеся к нему предположения и выводы будут относиться также к управляемым объектам в классическом смысле. [11]

Для преодоления указанных затруднений в последнее время большое внимание уделяется созданию так называемых обучающихся моделей. Сущность этого подхода состоит в том, что параллельно с процессом создается его электронная модель, основанная на наших качественных представлениях о процессе и осуществляется процесс автоматической настройки ( оптимизации) параметров модели так, чтобы поведение модели минимально отличалось от поведения процесса в смысле принятых критериев. [12]

Одним из идейно наиболее простых и в то же время наиболее гибких методов идентификации является подход, называемый обычно методом обучающихся моделей или идентификацией с эталонной моделью. Основную идею этого подхода иллюстрирует рис. 2.5.1. Известный входной сигнал ( или класс входных сигналов) подается на входы исследуемой системы и модели, предназначенной для отслеживания неизвестных параметров системы. Разность двух выходных сигналов используется для настройки модели, и затем процедура повторяется. [13]

В первой главе содержатся общие вопросы уравновешивания роторов, к которым относятся классификация балансировочных машин, синтез колеблющихся систем балансировочных устройств, исследование возможности уравновешивания гибких роторов, вращающихся в подшипниках с зазорами, и применение метода обучающейся модели для автоматической балансировки роторов. [14]

Очевидно, что учет динамических свойств ротора и контроль положения подвижных грузов дает возможность значительно сократить время, необходимое для балансировки ротора. Метод обучающейся модели [1 ] позволяет решить поставленную задачу, которая в данном случае сводится к построению математической модели балансируемого ротора. [15]

Страницы: 1 2