شناسایی مدل بهینه شبکه عصبی در نواحی کاری نادر و معمولی بر اساس تکنیک خوشه بندی داده ها

در این پروژه به دنبال ارائه راهکاری برای بهبود مدل­سازی در دو ناحیه کاری متفاوت خواهیم بود. در واقع در این کار، صورت مسئله از آنجا شروع می‌­شود که سیستم مورد نظر، سیستمی است که رفتار خاصی دارد که در فرایندهای صنعتی معمول است. این رفتار به گونه‌­ای است که سیستم در دو نقطه کاری متفاوت کار می­‌کند؛ نقطه کار اصلی سیستم نقطه کاری است که سیستم اکثر اوقات در این ناحیه کار کرده و اپراتور به دنبال کنترل سیستم در این نقطه است. اما نقطه کار دیگر سیستم، نقطه کار نادر بوده که سیستم گاهی اوقات به آن نقطه تغییر وضعیت می­‌دهد. اما در صورت استفاده مستقیم از داده‌های بدست آمده از فرایند، به علت پايين بودن تعداد داده‌ها در ناحیه نادر نسبت به ناحیه معمول، کيفيت شناسايی در ناحیه نادر پایین بوده و لذا عملکرد کنترل­‌کننده (خصوصاً کنترل‌کننده­‌هایی که وابستگی شدید به مدل دارند) در ناحیه نادر دچار اختلال می‌­شود. بنابراین چنانچه فرايندی با درجه غيرخطی بالا، اکثر اوقات در يک ناحيه کاری و گاهی به ناحيه کاری ديگر برود، به دليل تغییر رفتار سیستم از دیدگاه حوزه فرکانس و حوزه زمان و متعاقباً پایین بودن کیفیت شناسایی در نقطه کار جدید، عملکرد کنترل­ کننده مناسب نخواهد بود و احتمال ناپایداری افزایش می­‌یابد. لذا لازم است نسبت داده‌ها به صورتی باشد که شناسایی در ناحیه نادر از حداقل کیفیت برخوردار باشد و در عین حال مدل­سازی در ناحیه معمول بهترین کیفیت ممکن را دارا باشد. در اين پروژه، الگوریتمی ارائه شده که در آن با توجه به نویز موجود، تعداد داده­‌های ناحیه نادر مشخص شده است و سپس بازه‌­ای برای انتخاب نسبت داده‌­ها پیشنهاد شده که کران بالای آن وابستگی شدیدی به مقدار غیرخطی‌گری سیستم دارد. 


آنچه در این کد  خواهیم آموخت:

1- تولید داده در فضای سه بعدی

2- خوشه‌بندی داده‌ها به روش سخت

3- خوشه‌بندی فازی

4- مقایسه کیفیت خوشه‌بندی

۵- توزیع داده‌ها در فضای کاری

۶- مدل‌سازی غیرخطی

۷- آشنایی با رفتار شناسایی غیرخطی با توزیع داده‌ها

۸- مدل‌سازی چندگانه


نظر بدهید

توجه: HTML ترجمه نمی شود!
    بد           خوب

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu.Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcuLorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu. 

شناسایی مدل بهینه شبکه عصبی در نواحی کاری نادر و معمولی بر اساس تکنیک خوشه بندی داده ها

  • تولید کننده: سامان ساکی
  • شناسنامه: MC4-1009
  • موجودی: در انبار
  • تاریخ: ۱۳۹۴-۰۲-۲۴ ۰۸:۴۲
  • زبان برنامه نویسی: MATLAB
  • سفارش دهنده: مارکت کد
  • فایل معرفی محصول: لینک
  • 177,500تومان

برچسب ها: مدل سازی چندگانه, نواحی کاری معمولی و نادر, خوشه بندی داده ها, غیر خطی گری, Matlab, متلب, خوشه‌بندی فازی, برهم کنش فرکانسی, نویز