شناسایی یک راکتور همزده توسط شبک ه عصبی بهبودیافته

غالب الگوریتمهای کنترل تطبیقی، مبتنی بر مدلهای تجربی و غیرخطی نظیر شبکه های عصبی مصنوعی می باشد. در عمل باید تعداد پارامترها حتی الامکان کم بوده و در عین حال مدل دقیق باشد. مدل سازی مزبور باید بتواند تغییرات مدل را بسرعت تعقیب کرده و همیشه یک تقریب خوب ارائه دهد. در این مقاله به مطالعه توابع پایه موجک در برابر توابع پایه گوسین پرداخته شده است. همچنین ساختار شبکه مزبور با اضافه کردن جملات خطی بهبود داده شده است. نتایج شبیه سازی حاکی از آنست که خواص موضعی توابع پایه موجک اعم از زمانی و فرکانسی باعث بهبود قابل توجهی در تخمین رفتار سیستم شده است.

کلیدواژه ها:

شناسایی سیستم ، شبکه عصبی مصنوعی ، توابع پایه موجک ، کنترل تطبیقی