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...
Saved in:
| Published in: | Кибернетика и системный анализ |
|---|---|
| Date: | 2009 |
| Main Authors: | , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2009
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/44481 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | 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. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| Summary: | 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 |