استفاده از مدلساز ی مبتنی بر Soft Computing در طراحی یک سیستم FDI برای سیستم محور X درایو ماشین CNC قسمت اول: مدلهای مبتنی برشبکه های عصبی

در این مقاله مفهوم شبکه های عصبی به عنوان تقریب گرهای عمومی (Universal approximator) توابع مورد بررسی قرارمی گیرد و از شبکه های عصبی MLP (پرسپترون های چند لایه) دو لایه و سه لایه که توسط آلگوریتم های ژنتیکی بهینه شده اندو شبکه های RBF و ADALINE برای مدل کردن سیستم درایو یک ماشین CNC واقعی استفاده شده ودر نهایت این مدلها از نظر کارایی و سرعت آموزش مورد مقایسه قرار می گیرند. ناگفته نماید که مدل سازی سیستم تحت کنترل و نظارت، از اصول بنیادین روشهای ردیابی و تشخیص (Fault Detection and Isolation) مبتنی بر مدل کمی و کیفی می باشد.

کلیدواژه ها:

سیستم عیب یاب (FDI) ، سیستم های عصبی ، ا لگوریتم های ژنتیکی ، مدلسازی ، سیستم درایو ماشین CNC