РЕВЕРС-ІНЖИНІРИНГ НЕЛІНІЙНИХ СИСТЕМ ЗА ДОПОМОГОЮ АНАЛІТИЧНИХ МЕРЕЖ
DOI:
https://doi.org/10.31471/1993-9981-2020-2(45)-109-118Ключові слова:
аналітичні мережа, генетичний алгоритм, нейромережа, електронна система.Анотація
Пропонується спосіб синтезу числових моделей для нелінійних систем збільшеної складності за відомими їх вхідними та вихідними сигналами, знятими синхронно, на основі аналітичних мереж. Функціонування запропонованих аналітичних мереж ґрунтується на використанні модифікованого генетичного алгоритму та бібліотеки блоків незмінної функціональності. Запропоновано структуру генотипу та алгоритми мутацій для представлення структури і параметрів аналітичної мережі. Крім того, розглянуті способи моделювання складних нелінійних систем за допомогою рядів Вольтерра, Вінера-Гаммерштейна, адаптивних фільтрів, нелінійної моделі авторегресивного ковзного середнього з екзогенними входами, нейромереж та генетичних алгоритмів, і визначені основні проблеми, що виникають при користуванні цими моделями. Показаний практичний приклад можливості застосування аналітичної мережі на прикладі ресинтезу синтезатора звукових сигналів. Розглянута типова схема такого синтезатора. Розглянута можлива схема ресинтезованої системи на базі аналітичної мережі, що функціонально є максимально подібною до необхідної. Показана можливість автоматичної побудови числової моделі реакції механічної системи на вхідні збурення за відомими вхідними і вихідними сигналами, записаними синхронно. Розглянуті основні складності ресинтезу складних систем для звуковідтворення – показаний вплив психоакустичних явищ на сприйняття результатів синтезу і потреба забезпечення високої точності відтворення для одержання адекватних результатів. Запропонована структура типових блоків аналітичної мережі, які повинні включати в себе типові перетворення цифрової обробки сигналів, арифметичні та логічні операції, блоки кореляції та компаратори, гістерезисні компоненти та додатково типові імовірні стандартні блоки системи, яка ресинтезується.
Завантаження
Посилання
Billings S.A. "Identification of Nonlinear Systems: A Survey". IEE Proceedings Part D 127(6), 272–285,1980
Rugh W.J. "Nonlinear System Theory – The Volterra Wiener Approach". Johns Hopkins Univer-sity Press,1981
Billings S.A. "Identification of Nonlinear Systems: A Survey". IEE Proceedings Part D 127(6), 272–285,1980
Haber R., Keviczky L "Nonlinear System Identification-Input Output Modeling Approach". Vols I & II, Kluwer,1980
M.Poluektov and A.Polar. Modelling non-linear control systems using the discrete urysohn op-erator. 2018. Submitted arXiv:1802.01700.
A.Polar. http://ezcodesample.com/urysohn/urysohn.html
M.Poluektov and A.Polar. Urysohn Adaptive Filter. 2019.
Haykin S. "Neural Networks: A Comprehensive Foundation". McMillan,1999
Warwick K, Irwin G.W., Hunt K.J. "Neural Networks for Control and Systems". Peter Pere-grinus, 1992
Lennart., Ljung (1999). System identification : theory for the user (2nd ed.). Upper Saddle River, NJ: Prentice Hall PTR. ISBN 978-0136566953. OCLC 38884169.
Schön, Thomas B.; Lindsten, Fredrik; Dahlin, Johan; Wågberg, Johan; Naesseth, Christian A.; Svensson, Andreas; Dai, Liang (2015). "Sequential Monte Carlo Methods for System Identi-fica-tion**This work was supported by the projects Learning of complex dynamical systems (Con-tract number: 637-2014-466) and Probabilistic modeling of dynamical systems (Con-tract num-ber: 621-2013-5524), both funded by the Swedish Research Council". IFAC-PapersOnLine. 48 (28): 775–786. arXiv:1503.06058. doi:10.1016/j.ifacol.2015.12.224.
M. Abdalmoaty, ‘Learning Stochastic Nonlinear Dynamical Systems Using Non-stationary Linear Predictors, Licentiate dissertation, Stockholm, Sweden, 2017. Urn:nbn:se:kth:diva-218100
Abdalmoaty, Mohamed Rasheed; Hjalmarsson, Håkan (2017). "Simulated Pseudo Maximum Likelihood Identification of Nonlinear Models". IFAC-PapersOnLine. 50 (1): 14058–14063. doi:10.1016/j.ifacol.2017.08.1841.
Abdalmoaty, Mohamed (2019). "Identification of Stochastic Nonlinear Dynamical Models Using Estimating Functions".
Abdalmoaty, Mohamed Rasheed-Hilmy; Hjalmarsson, Håkan (2019). "Linear prediction error methods for stochastic nonlinear models". Automatica. 105: 49–63. doi:10.1016/j.automatica.2019.03.006.
Rovinskyi V.A., Yevchuk O.V.,Striletskyi Yu.I.,.Vykorystannia tsyfrovykh khvylovykh fil-triv u zadachakh tekhnichnoi vibrodiahnostyky. Metrolohiia ta prylady. – 2011. - №6(32). – S.67-70
Rovinskyi V.A., Yevchuk O.V.,Striletskyi Yu.I.,.Osoblyvosti realizatsii neliniinykh oporiv v systemakh tsyfrovoi obrobky syhnaliv. Metody ta prylady kontroliu yakosti. - 2011. - №27. - S. 91-95
Vladimirescu.The Spice Book. Wiley, New York, 1994