Identification of Hammerstein and Wiener models using radial basis functions neural networks
No Thumbnail Available
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Saudi Digital Library
Abstract
قدمنا طريقة جديدة للتعرف على أنواع محددة لنظم غير مستقيمة ، كنموذج (Hammerstein) و (Wiener) . نموذج الهمرستين (Hammerstein) يتألف من نظام غير مستقيم ثابت ، يتبع بكتلة ديناميكية طولية . بينما نموذج الوينر (Wiener) يتألف من كتلة ديناميكية طولية ، تتبع بعدم استقامة ثابتة . عدم الاستقامة الثابتة تعرف باستعمال وظائف أساس نصف قطرية باستخدام الشبكات العصبية (Neural Networks) أو (RBFNN) والجزء الديناميكي يعرف باستخدام متوسط متحرك ذاتي الارتداد (ARMA) . يستفيد الخوارزم الجديد من القاعدة المعروفة جيداً ذات القدرة على الاقتران (RBFNN) . وقد تم اشتقاق خوارزميات تعتمد على مبدأ أقل المتوسطات المربعة (LMS) ذات القدرة على التعلم ، لتدريب وظائف التعرف . الخوارزم المقترح يقدر الأوزان في الـ (RBFNN) والمعاملات في محاكات النماذج في الـ (ARMA) .