Идентификация моделей и оценка состояния Grid-систем

Залежно від постановки задачі та наявності інформації про структуру та порядок системи розглянуто три класи моделей: лінійну модель змінних стану з невідомими збуренням, модель в змінних «вхід–вихід» та нейромережеву модель, що застосовується для опису нелінійних об’єктів загального виду. Для оцінки...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Кибернетика и системный анализ
Дата:2009
Автори: Лавренюк, С.И., Шелестов, А.Ю.
Формат: Стаття
Мова:Російська
Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2009
Теми:
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/44481
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Идентификация моделей и оценка состояния Grid-систем / С.И. Лавренюк, А.Ю. Шелестов // Кибернетика и системный анализ. — 2009. — № 6. — С. 42-50. — Бібліогр.: 26 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Опис
Резюме:Залежно від постановки задачі та наявності інформації про структуру та порядок системи розглянуто три класи моделей: лінійну модель змінних стану з невідомими збуренням, модель в змінних «вхід–вихід» та нейромережеву модель, що застосовується для опису нелінійних об’єктів загального виду. Для оцінки станів та ідентифікації моделей використовуються елементи інтелектуальних обчислень: нестатистична невизначеність описується в класі нечітких множин, для структурно-параметричної ідентифікації моделі в термінах «вхід–вихід» використовується генетичний алгоритм. Depending on the problem statement and available information on the system structure and order, three classes of models are discussed: a linear model of state variables with unknown disturbance, a model in input-output variables, and a neural network model that describes nonlinear objects. To estimate the order and to identify the models, intelligent computations are applied: non-static uncertainty is described using fuzzy sets and genetic algorithms are used for the structural-parametric identification of input–output models.
ISSN:0023-1274