Нейросетевые системы идентификации параметрически неопределенных сигналов

• Автор: Коновалов, Алексей Владимирович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Нижний Новгород
• Количество страниц: 188 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
Глава 1. ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ ИССЛЕДОВАНИЙ И РАЗРАБОТОК СИСТЕМ ИДЕНТИФИКАЦИИ ПАРАМЕТРИЧЕСКИ НЕОПРЕДЕЛЕННЫХ СИГНАЛОВ

1.1. Основные понятия и определения

1.2. Теоретические основы построения нейросетевых систем идентификации параметрически неопределенных сигналов
1.3. Анализ математических моделей процедуры идентификации параметрически неопределенных сигналов на базе нейронных сетей

1.4. Постановка задачи

1.5. Основные результаты и выводы

Глава 2. СИНТЕЗ СИСТЕМ ИДЕНТИФИКАЦИИ ПАРАМЕТРИЧЕСКИ НЕОПРЕДЕЛЕННЫХ СИГНАЛОВ

2.1. Основные понятия и определения

2.2. Теоретические основы целых функций экспоненциального типа и их применение для идентификации параметрически неопределенных сигналов
2.3. Сравнительный анализ основных процедур идентификации сигналов
2.3.1. Сравнительный анализ современных методов идентификации сигналов
2.3.2. Сравнительный анализ вероятностей идентификации сигналов нейросетевыми методами
2.3.3. Сравнительный анализ алгоритмов обучения нейронных сетей
2.4. Синтез структуры искусственной нейронной сети для системы идентификации параметрически неопределенных сигналов
2.5. Синтез имитационных моделей систем идентификации сигналов
2.5.1. Сравнение вероятности идентификации полиномиальных сигналов по текущим значениям и по координатам нулей
2.5.2. Сравнение вероятности идентификации гармонических сигналов по текущим значениям и по координатам нулей
2.6. Основные результаты и выводы
Глава 3. РАЗРАБОТКА ИМИТАЦИОННЫХ МОДЕЛЕЙ СИСТЕМ ИДЕНТИФИКАЦИИ ПАРАМЕТРИЧЕСКИ НЕОПРЕДЕЛЕННЫХ СИГНАЛОВ
3.1. Разработка имитационных моделей источников сигналов
3.1.1. Разработка имитационной модели источников полиномиальных сигналов
3.1.2. Разработка имитационной модели источников гармонических сигналов
3.2. Разработка имитационной модели подсистемы определения
координат нулей функции
3.3. Разработка имитационной модели подсистемы определения
координат функции
3.4. Разработка имитационной модели подсистемы идентификации параметрически неопределенных сигналов
3.4.1. Разработка искусственного нейрона с модулем памяти
3.4.2. Разработка слоя искусственных нейронов с модулем памяти
3.4.3. Разработка искусственной нейронной сети с модулем памяти
3.5. Основные результаты и выводы
Глава 4. РАЗРАБОТКА КОМПЛЕКСА АЛГОРИТМОВ ДЛЯ СИСТЕМ ИДЕНТИФИКАЦИИ ПАРАМЕТРИЧЕСКИ НЕОПРЕДЕЛЕННЫХ СИГНАЛОВ
4.1. Разработка обобщенной модели системы идентификации
параметрически неопределенных сигналов
4.1.1. Основные понятия и определения
4.1.2. Диаграмма вариантов использования
4.1.3. Диаграмма классов
4.1.4. Диаграмма состояний
4.1.5. Диаграмма последовательности
4.1.6. Диаграмма компонентов
4.2. Выбор аппаратной платформы для решения задач идентификации параметрически неопределенных сигналов
4.3. Разработка системы идентификации параметрически
неопределенных сигналов для контроля качества электрической энергии
4.4. Разработка системы идентификации параметрически
неопределенных сигналов для контроля параметров гидроразрыва пласта
4.5. Разработка системы идентификации параметрически
неопределенных сигналов для контроля уровня жидкости
4.6. Основные результаты и выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Структура и объем диссертации. Работа состоит из введения, четырех глав, заключения, списка литературы и приложений. ГЛАВА 1. Система идентификации СИ параметрически неопределенных сигналов ПНС представляет собой совокупность функционально объединенных измерительных и вычислительных средств для получения информации о физическом объекте, ее преобразования и обработки с целью идентификации определение параметров физического объекта. Информация от физического объекта поступает посредством сигналов. Под сигналом понимается физический процесс, имеющий информационное значение, установленное принятым соглашением. Параметрически неопределенным сигналом будем называть сигнал, у которого априорно не известны структура и количество описывающих его параметров. Подобные сигналы встречаются в области электроэнергетики, сейсмического мониторинга, при контроле параметров технологического процесса и т. При идентификации ПНС активно используется априорная и текущая информация о физическом объекте. Априорная информация является начальной информацией, представляющая собой совокупность заранее известных сведений о параметрах сигналов, критерии оптимальности и их ограничениях финитности. Критерий оптимальности является выразителем тех требований, которые должны быть наилучшим образом удовлетворены, а ограничения определяются возможностями СИ временные, частотные, пороговые ограничения и т. Априорная информация о физическом объекте может быть получена в результате предварительного теоретического или экспериментального исследования. Различают полную абсолютное значение и неполную априорную информацию. В условиях влияния помех источников неопределенности априорная информация является неполной. Различают достаточную и недостаточную степень неполноты априорной информации. При достаточной априорной информации известны все необходимые сведения относительно критерия оптимальности и ограничениях. При недостаточной априорной информации неизвестны полностью либо критерий оптимальности, либо ограничения, либо и то и другое вместе 5. Текущая информация в отличие от априорной информации извлекается в результате наблюдений за физическим объектом или в результате экспериментов. Текущая информация постоянно обновляется. Таким образом, текущая информация, полученная в результате поставленного предварительного эксперимента, может использоваться для накопления априорной информации. Но наиболее важная роль текущей информации состоит в компенсации недостаточного объема априорной информации. Следовательно, априорная информации это основа для формулировки проблемы идентификации. Текущая информация это средство решения этой проблемы 4. Процесс идентификации существенно зависит от определенности поведения параметров сигнала. В этом смысле различают детерминированные и стохастические сигналы. Знание значений параметров детерминированного сигнала в некотором интервале времени позволяет полностью определить поведение этих параметров вне этого интервала. Таким образом, идентификацией называется определение характеристик физического объекта и приложенных к ним воздействий 4. Для детерминированных сигналов, характеристики физического объекта обычно находятся на основании теоретических исследований, экспериментальных данных и определенных гипотез. Для стохастических сигналов вероятностные характеристики внешних воздействий плотности распределения вероятностей, корреляционные функции, спектральные плотности и т. В задачах, связанных с применением адаптации, эти способы, как правило, непригодны, поскольку они требуют специальных воздействий, большего времени наблюдений и обработки данных. Для первой задачи характерно наличие сведений о структуре физического объекта. Процесс идентификации существенно ускоряется, если известно хотя бы небольшие сведения о возможной структуре объекта. Решение второй задачи предполагает опознавание структуры объекта и определение его характеристик. Поэтому задача идентификации может быть рассмотрена с той же точки зрения, что и задачи опознавания различения сигналов 4.