استفاده از شبکههای عصبی مصنوعی در تشخیص و کشف خطا

در یک فرآیند واقعی، همه منابع مورد استفاده، چه فیزیکی و چه نرم افزاری، در معرض مزاحمت و یا عملیاتی مخرب هستند. با این حال، در شرایطی که برای سیستمها بحرانی میباشد، هر نوع مشکلی میتواند عواقب بزرگی را به ارمغانبیاورد. سیستم توسعهیافته باید مجموعهای از سیگنالهای هشدار را برای اطلاع اپراتور یک فرآیند، درباره خطاهایی که به وجود میآید و تغییر در استراتژی کنترل و یا پارامترهای کنترل، تولید کند.با توجه به مخاطرات آسیبرسانی که در برخورد با حسگرهای دستگاههای اجرایی وجود دارد، مجموعه دادههای خطاها در محاسبات تولید میشوند و نتایج آنها از شبیه سازی عددی مدل آن فرآیند، جمع آوری خواهد شد. ساختارهایشبکه عصبی مصنوعی قادر هستند که این سیستم تشخیص خطا و دستهبندی خطا را تولید و طراحی کنند و بدین منظور از شبکه MLP و SOM به ترتیب برای تشخیص خطا و دستهبندی خطا استفاده میکند که بتوان سیستمی با حداقل خطا در خروجی داشته باشیم و همچنین میزان کارایی و بهرهوری سیستم را افزایش دهیم

کلیدواژه ها:

شبکههای عصبی مصنوعی ، تشخیص خطا ، دستهبندی خطا ، شبکه چند لایه پرسپترون (MLP)1 ، شبکه کوهونن(SOM)