Identification of Hammerstein and Wiener models using radial basis functions neural networks

SYED SAAD AZHAR ALI2022-05-182022-05-185178https://drepo.sdl.edu.sa/handle/20.500.14154/2336قدمنا 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) .enIdentification of Hammerstein and Wiener models using radial basis functions neural networksThesis