畢業論文

打賞
當前位置: 畢業論文 > 自動化 >

實驗設計方法在復雜系統建模中的應用研究

時間:2019-06-01 19:40來源:畢業論文
分別應用拉丁超立方設計、均勻設計進行取點,從而找到最優化的數據來實現神經網絡建模的誤差最小化

摘要:復雜科學這一概念是在 20世紀80年代提出的,被譽為“21世紀的科學”。很多現代化的工業生產過程都可以被歸為復雜系統,對其進行合理有效的建模會大大提高控制精度進而提高生產效率。目前,系統建模常用的方法有:傳統動力學建模、智能方法建模及特征建模方法。第一種建模方法主要是根據系統的工作原理,依靠精確的動力學分析進行建模。對于復雜工業系統,由于其階數較高,一般只是在仿真中用來作為參考模型,很難在實際中應用。后兩種方法是基于專家經驗和實際生產數據進行的建模,以往生產過程中在線測量得到的數據(又稱為樣本)在建模中起了重要的作用,有學者將其稱為“數據驅動”型建模。在這種建模過程中,樣本的數量和質量非常關鍵。因此,本課題試圖分別應用拉丁超立方設計、均勻設計進行取點,從而找到最優化的數據來實現神經網絡建模的誤差最小化。  35872
畢業論文關鍵字:RBF神經網絡;拉丁超立方設計;均勻設計  
Application of DOE in complex systems modeling 
Abstract:Miscellaneous scientific concept was proposed in the 1980s, known as the "21st century science." Many modern industrial processes can be categorized as a complex system, its rational and effective model will greatly improve control accuracy and to improve productivity. Currently, system modeling commonly used methods are: the traditional dynamics modeling, feature modeling and intelligent modeling method. The first modeling approach is mainly based on how the system works, relying on accurate modeling of dynamics analysis. For complex industrial systems, because of its high order, generally only used as a reference in the simulation model, difficult to apply in practice. The latter two methods are based on modeling expertise and actual production data, the data in the past the production process online measurement obtained (also known as samples) played an important role in modeling, some scholars have called it "data driven "type model. In this modeling process, the quantity and quality of samples is critical. Therefore, the present study attempts to apply statistical knowledge to select a sample library, providing a new way for the modeling of complex systems.  源¥自%六:維;論-文'網=www.aftnzs.live
Keywords:RBF natural network;Latin hypercube design;Uniform design 
目錄  
1 緒論 .  1
1.1 建模研究領域  1
1.2 研究內容  2
2 實驗設計介紹 .  3
2.1 實驗設計理論  3
2.1.1 實驗設計概述  3
2.1.2 實驗設計方法的發展  3
2.2 試驗設計方法  4
2.2.1 均勻實驗設計  4
2.2.2 超拉丁方設計  5
2.3 實驗設計的優越性  5
3 神經網絡介紹 .  7
3.1 神經網絡工作原理  7
3.2 神經網絡國內外的發展  9
3.2.1 國外神經網絡的發展  9
3.2.2 國內神經網絡的發展  10
3.2.3 神經網絡發展現狀 11
3.2.4 目前遇到的問題  13
3.3 神經網絡特性  13
3.4 現有方法  14
3.5  RBF神經網絡.  14
3.5.1  RBF 神經網絡的基本原理.  14
3.5.2 RBF 神經網絡的網絡結構.  15
3.5.3 RBF 神經網絡的優點.  16
4 基于 DOE 的 RBF 神經網絡建模  .  19
4.1  問題描述.  19
4.2 用試驗設計法選取數據  19
4.2.1 均勻設計  19
4.2.2 拉丁超立方  19
4.3 RBF神經網絡建模  .  20
4.3.1基于拉丁超立方的神經網絡建模.  20
4.3.2基于均勻設計的神經網絡建模.  22
4.4對照模型  23
5 結論與展望 .  29
5.1  結論.  30 實驗設計方法在復雜系統建模中的應用研究:http://www.aftnzs.live/zidonghua/20190601/34051.html
------分隔線----------------------------
推薦內容
双色球走势图带连线