بیست و یکمین کنفرانس بین المللی انجمن هوافضای ایران
تاریخ برگزاری : 08 اسفند ماه 1401
بهبود عملکرد مدل جعبه سفید یک پلنت دینامیکی غیرخطی با استفاده از رگرسیون بردار پشتیبان بهینه شده به عنوان مدل جعبه سیاه
میرابوالفضل مختاری , محمود قاسمی
در مدلسازی فرآیندهای صنعتی، به دلیل توانایی مدلسازی رفتارهای غیرخطی سیستم های دینامیکی، علاقه زیادی به استفاده از روشهای یادگیری ماشین وجود دارد. هدف از مدلسازی ترکیبی، استفاده از کارایی روشهای مدلسازی مکانیکی ریاضی در کنار به کار گرفتن مزایای مدلسازی یادگیری ماشین است. مدلسازی جعبه خاکستری سعی می‌کند رفتارهای اساسی و زیربنایی سیستم را از معادلات مکانیکی موجود در سیستم استخراج کند و از ویژگی‌های مدلسازی داده محور برای رفتارهای پویا و دشوار سیستم استفاده کند. در این مقاله، نمونه ای از تکنیک های جعبه خاکستری بر اساس رگرسیون بردار پشتیبان تشریح شده است. بخش‌های شناخته‌شده سیستم با تکنیک‌های جعبه سفید مدلسازی می‌شوند و بخش‌های ناشناخته بر اساس مدلسازی جعبه سیاه هستند. روش ارائه شده برای یک راکتور مخزن همزن پیوسته اعمال می شود. نتایج به‌دست‌آمده در آرایش سریال و موازی مدل جعبه خاکستری با روش SVR معمولی، SVR بهینه‌سازی شده با الگوریتم ژنتیک و SVR بهینه‌سازی شده با بهینه‌سازی ازدحام ذرات مقایسه شد، که در آن یافته‌ها تایید کرد که تکنیک ارائه‌شده نسبتاً توانمندتر و قوی‌تر است. همچنین برای نشان دادن توانایی مدل پیشنهادی خواص برونیابی مدل مورد بررسی قرار گرفت.
:رگرسیون ماشین بردار پشتیبان، مدل جعبه خاکستری ، ویژگی های برونیابی ، راکتور توام با همزن دائم، مدلسازی دینامیک غیرخطی
برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
, 1401 , بهبود عملکرد مدل جعبه سفید یک پلنت دینامیکی غیرخطی با استفاده از رگرسیون بردار پشتیبان بهینه شده به عنوان مدل جعبه سیاه , بیست و یکمین کنفرانس بین المللی انجمن هوافضای ایران
تاریخ برگزاری : 08 اسفند ماه 1401