Samorazvijajoči se sistemi v identifikaciji in prediktivnem vodenju procesovOŽBOT, MIHA (Avtor) Škrjanc, Igor (Mentor) nevro-mehki modelimetoda najmanjših kvadratovmetoda pomožnih spremenljivkizhodni pogrešeksistem tipa Hammerstein-Wienerodsekoma linearni sistemioptimizacija z rojem delcevV magistrskem delu je predstavljena nova metoda identifikacije nelinearnih sistemov s samorazvijajočim se nevro-mehkim modelom in sprotno rekurzivno identifikacijo parametrov z metodo najmanjših kvadratov ter z metodo pomožnih spremenljivk. Sestavljena je iz istočasnega določanja samorazvijajoče se strukture premise nevro-mehkega modela z inkrementalnim rojenjem in rekurzivno optimizacijo parametrov lokalnih linearnih podmodelov posledičnega dela na podlagi toka podatkov brez shranjevanja vzorcev. Pri tem metoda rojenja vključuje tudi mehanizme sprotnega adaptiranja rojev, dodajanja novih rojev in združevanja podobnih rojev. Medtem ko so metode optimizacije parametrov prilagojene za identifikacijo nelinearnih modelov izhodnega pogreška ob vzbujanju s stopničastim signalom. Namen naloge je predstaviti celovit pristop k sprotni identifikaciji samorazvijajočih se modelov različnih nelinearnih sistemov in prikazati uporabo teh modelov za vodenje sistemov. Metoda identifikacije samorazvijajočih se nevro-mehkih modelov in njene izpeljanke so preizkušene na vzorčenih podatkih, pridobljenih na treh reprezentativnih nelinearnih modelih; tipa Hammerstein-Wiener, odsekoma linearnega modela servomotorja in teoretičnega modela toplotnega izmenjevalnika z nelinearno dinamiko. Identificirani modeli so uporabljeni za prikaz prediktivnega vodenja na osnovi prediktivnega funkcijskega regulatorja z optimizacijo z rojem delcev, ki omogoča vključevanje regulirnega zakona in vseh omejitev optimizacije v kriterijski funkciji.20212021-09-10 10:55:00Magistrsko delo/naloga130135VisID: 54881COBISS_ID: 75995395sl