ویکی‌پدیا

شناسایی سیستم غیرخطی: تفاوت میان نسخه‌ها

نمایش تاریخچه به صورت تعاملی
→ تفاوت قدیمی‌ترتفاوت جدیدتر ←
محتوای حذف‌شده محتوای افزوده‌شده
دیداریویکی‌متن
اصلاح ارقام
ویرایش به‌وسیلهٔ ابرابزار:
خط ۱:
[[شناسایی سیستم]] روشی است برای شناسایی یا اندازه گیریاندازه‌گیری [[مدل ریاضیاتی|مدل ریاضی]] یک [[سامانه|سیستم]] از اندازه‌گیری ورودی‌ها و خروجی‌های سیستم. برنامه‌های شناسایی سیستم شامل هر سیستمی است که می‌تواند ورودی هاورودی‌ها و خروجی هاخروجی‌ها را اندازه‌گیری کند و شامل [[فرایندهای صنعتی|فرآیندهای صنعتی]]، [[سامانه کنترل|سیستم‌های کنترل]]، [[ داده هایداده‌های اقتصادی |داده‌های اقتصادی]]، [[زیست‌شناسی|زیست شناسی]] و [[فهرست علوم زیستی|علوم زندگی]]، [[پزشکی]]، [[سیستم اجتماعی|سیستم‌های اجتماعی]] و موارد دیگر باشد.
 
یک [[سامانه غیرخطی|سیستم غیرخطی]] به عنوان هر سیستمی که خطی نیست تعریف می‌شود، یعنی هر سیستمی که [[اصل برهم‌نهی]] را برآورده نکند. این تعریف منفی تمایل به این ابهام دارد که انواع مختلفی از سیستم‌های غیرخطی بسیار متفاوتی وجود دارد. از لحاظ تاریخی، شناسایی سیستم برای سیستم‌های غیرخطی<ref name="Nelles">Nelles O. "Nonlinear System Identification: From Classical Approaches to Neural Networks". Springer Verlag,2001</ref><ref name="SAB1">Billings S.A. "Nonlinear System Identification: NARMAX Methods in the Time, Frequency, and Spatio-Temporal Domains". Wiley, 2013</ref> با تمرکز روی کلاس‌های خاص سیستم توسعه یافته استیافته‌است و می‌توان آن را به طوربه‌طور گسترده به پنج رویکرد اساسی طبقه‌بندی کرد که هر یک توسط یک کلاس تعریف شده استشده‌است:
# مدل‌های [[ سریال Volterra |سری‌های ولترا]] ، ▼
# مدل‌های ساختار بلوکی ، بلوکی،▼
# مدل‌های [[ شبکه عصبی |شبکه عصبی]] ، ▼
# مدل‌های NARMAX و ▼
# مدل‌های فضای حالت. ▼
 
برای شناسایی سیستم چهار مرحله وجود دارد: جمع آوریجمع‌آوری داده‌ها، فرضیه مدل، شناسایی پارامتر و اعتبار مدل. جمع آوريجمع‌آوری داده‌ها به عنوان بخش اول و اساسی در اصطلاحات شناسایی در نظر گرفته شده استشده‌است و از آن به عنوان منبع برايبرای مدل ارائه شده استفاده می‌شود. این شامل انتخاب یک مجموعه داده مناسب، پیش-پردازش و پردازش است. این شامل اجرای الگوریتم‌های شناخته شده به همراه رونویسی از جعبه سیاه، ذخیره‌سازی داده‌ها و مدیریت داده‌ها ،داده‌ها، کالیبراسیون، پردازش، تجزیه و تحلیل و ارائه می‌باشد. علاوه بر این، اعتبار سنجی مدل برای به دست آوردن بهره اطمینان، یا رد یک مدل خاص، ضروری است. به طوربه‌طور خاص، برآورد پارامتر و اعتبار سنجی مدل، اجزای لاینفک شناسایی سیستم هستند. اعتبار سنجی به فرآیندفرایند تأیید مدل مفهومی و نشان‌دادن مکاتبات کافی بین نتایج محاسباتی مدل و داده‌های واقعی اشاره دارد.‌<ref>{{Cite book|title=Data Processing Consideration and Model Validation in Flight Vehicle System Identification|publisher=Springer Berlin Heidelberg|date=2011-12-01|isbn=978-3-642-32572-4|pages=269–274|series=Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering|doi=10.1007/978-3-642-32573-1_46|first=Sepehr|last=Nesaei|first2=Kamran|last2=Raissi|editor-first=Vinu V.|editor-last=Das}}</ref> ▼
▲# مدل‌های [[ سریال Volterra |سری‌های ولترا]] ،
▲# مدل‌های ساختار بلوکی ،
▲# مدل‌های [[ شبکه عصبی |شبکه عصبی]] ،
▲# مدل‌های NARMAX و
▲# مدل‌های فضای حالت.
 
== روش هایروش‌های سری‌های ولترا ==▼
▲برای شناسایی سیستم چهار مرحله وجود دارد: جمع آوری داده‌ها، فرضیه مدل، شناسایی پارامتر و اعتبار مدل. جمع آوري داده‌ها به عنوان بخش اول و اساسی در اصطلاحات شناسایی در نظر گرفته شده است و از آن به عنوان منبع براي مدل ارائه شده استفاده می‌شود. این شامل انتخاب یک مجموعه داده مناسب، پیش-پردازش و پردازش است. این شامل اجرای الگوریتم‌های شناخته شده به همراه رونویسی از جعبه سیاه، ذخیره‌سازی داده‌ها و مدیریت داده‌ها ، کالیبراسیون، پردازش، تجزیه و تحلیل و ارائه می‌باشد. علاوه بر این، اعتبار سنجی مدل برای به دست آوردن بهره اطمینان، یا رد یک مدل خاص، ضروری است. به طور خاص، برآورد پارامتر و اعتبار سنجی مدل، اجزای لاینفک شناسایی سیستم هستند. اعتبار سنجی به فرآیند تأیید مدل مفهومی و نشان‌دادن مکاتبات کافی بین نتایج محاسباتی مدل و داده‌های واقعی اشاره دارد.‌<ref>{{Cite book|title=Data Processing Consideration and Model Validation in Flight Vehicle System Identification|publisher=Springer Berlin Heidelberg|date=2011-12-01|isbn=978-3-642-32572-4|pages=269–274|series=Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering|doi=10.1007/978-3-642-32573-1_46|first=Sepehr|last=Nesaei|first2=Kamran|last2=Raissi|editor-first=Vinu V.|editor-last=Das}}</ref>
کارهای اولیه توسط روش‌های مبتنی بر [[ سریال Volterra |سری‌های ولترا]] حاکم بود که در حالت زمان گسسته می‌توان آن را بیان کرد ▼
 
▲== روش های سری‌های ولترا ==
▲کارهای اولیه توسط روش‌های مبتنی بر [[ سریال Volterra |سری‌های ولترا]] حاکم بود که در حالت زمان گسسته می‌توان آن را بیان کرد
 
: <math>\begin{align}
سطر ۱۹ ⟵ ۱۸:
\end{align}</math>
 
که <math>u(k), y(k); k = 1, 2, 3</math>، ...… به ترتیب ورودی و خروجی اندازه‌گیری شده و <math>h_\ell(m_1,\ldots ,m_\ell)</math> هسته ولترا مرتبه امم، یا مرتبه امم پاسخ ضربه غیرخطی است. سری ولترا یک فرمت انتگرال[[کانولوشن]] خطی است.
 
== جستارهای وابسته ==
== همچنین ببینید ==
* [[ مدل جعبه خاکستری |مدل جعبه خاکستری]] ▼
 
* [[مدل آماری]] ▼
▲* [[ مدل جعبه خاکستری |مدل جعبه خاکستری]]
▲* [[مدل آماری]]
 
== منابع ==
سطر ۳۰ ⟵ ۲۸:
 
== خواندن بیشتر ==
* Lennart Ljung: شناسایی سیستم - نظریه برای کاربر ،کاربر، چاپ ۲ ،۲، PTR Prentice Hall , River Saddle River, NJ، ۱۹۹۹. ▼
 
* TR. SöderströmPintelon , PJ. Stoica ،Schoukens، شناسایی سیستم: ،یک هالرویکرد پنتیسدامنه ،فرکانس، UpperIEEE SaddlePress، Riverنیویورک، ، نیویورک ، ۱۹۸۹۲۰۰۱. {{شابک|978-0-137803-8812366000-56}} [[ISBN (identifier)|شابک]] &nbsp; [[Special:BookSources/978-0-137803-8812366000-56|978-0-137803-8812366000-56]] ▼
▲* Lennart Ljung: شناسایی سیستم - نظریه برای کاربر ، چاپ ۲ ، PTR Prentice Hall , River Saddle River, NJ، ۱۹۹۹.
* RT. Pintelon Söderström, JP. Schoukens ،Stoica، شناسایی سیستم:سیستم، یکهال رویکردپنتیس، دامنهUpper فرکانسSaddle ،River، IEEEنیویورک، Press ، نیویورک ، ۲۰۰۱۱۹۸۹. {{شابک|978-0-780313-6000881236-65}} [[ISBN (identifier)|شابک]] &nbsp; [[Special:BookSources/978-0-780313-6000881236-65|978-0-780313-6000881236-65]]
* RK پیرسون: [https://books.google.com/books?id=Os7nCwAAQBAJ&printsec=frontcover#v=onepage&q&f=false مدل‌های پویا با زمان گسسته] . انتشارات دانشگاه آکسفورد، ۱۹۹۹
▲* T. Söderström, P. Stoica ، شناسایی سیستم ، هال پنتیس ، Upper Saddle River ، نیویورک ، ۱۹۸۹. {{شابک|0-13-881236-5}} [[ISBN (identifier)|شابک]] &nbsp; [[Special:BookSources/0-13-881236-5|0-13-881236-5]]
* RKP. پیرسون:Marmarelis , V. Marmarelis , V. [https://books.google.com/books?id=Os7nCwAAQBAJ1O7lBwAAQBAJ&printsec=frontcover#v=onepage&q&f=false مدل‌هایتجزیه پویاو باتحلیل زمانسیستم‌های گسستهفیزیولوژیکی] . انتشارات دانشگاه آکسفورد ، ۱۹۹۹پلنوم، ۱۹۷۸.
* K. Worden , GR Tomlinson , Nonlinearity in Dynamics ساختاری ، انتشارات مؤسسه فیزیک ،فیزیک، ۲۰۰۱. ▼
* P. Marmarelis , V. Marmarelis , V. [https://books.google.com/books?id=1O7lBwAAQBAJ&printsec=frontcover#v=onepage&q&f=false تجزیه و تحلیل سیستم‌های فیزیولوژیکی] ، پلنوم ، ۱۹۷۸.
▲* K. Worden , GR Tomlinson , Nonlinearity in Dynamics ساختاری ، انتشارات مؤسسه فیزیک ، ۲۰۰۱.
[[رده:سامانه‌های دینامیکی]]
[[رده:سیستم‌های غیر خطی]]
برگرفته از «https://fa.wikipedia.org/wiki/شناسایی_سیستم_غیرخطی»