istica 9. Виходом даного процесу є оброблені дані. p align="justify"> У процесі А3 В«Побудова нейромережного класифікатораВ» виробляється створення нейронної мережі. Входом даного процесу є попередньо оброблені дані. В якості керуючих входів виступають: технічне завдання, ГОСТи і ЕСПД. Механізмами даного процесу є СУБД і мова програмування високого рівня, в якості якого в даному процесі використовувалися M-мова (вбудований в пакет прикладного програмного забезпечення MATLAB) і C. Виходом даного процесу є параметри елементів системи розпізнавання. Наприклад, для нейромережевих елементів це будуть архітектурні параметри (кількість шарів, функції активації шарів, зв'язку між шарами), структурні параметри (розмір шарів) і параметри самої нейронної мережі (значення зсувів і вагових коефіцієнтів). p align="justify"> У заключному процесі А4 В«Реалізація СР в ПЗВ» реалізується алгоритми аспознаванія режимів роботи ГТД в програмний код. Входом даного процесу є детерміновані параметри елементів системи розпізнавання режимів роботи ГТД. В якості мови високого рівня може використовуватися мова C. У цьому процесі в якості керуючих входів виступають: технічне завдання (тип даних, продуктивність, вимоги до ресурсів), ГОСТи і ЕСПД. Виходом даного процесу є програмний код, а також документація до повідомлень даного програмного коду, інших систем, таким як БСКД, про стан датчиків. p align="justify"> Комплекс інформаційних моделей, насамперед, показує інформаційно-логічне взаємодія файлів даних у базах даних і підпроцесів бортової системи контролю вимірюваних параметрів авіаційного двигуна.
На малюнку 2.3 показана ФМ процесу проектування нейронної мережі.
В
Малюнок 2.3 - Функціональна модель проектування НС (розгорнутий вигляд)
У проектуванні НС першим є процес В«Оцінка репрезентативності вибіркиВ». Оцінка здійснювалася за допомогою пакету Statistica. p align="justify"> У процесі А2 складалася навчальна і тестирующая вибірки. Процентне співвідношення склало 25% і 75% відповідно. p align="justify"> Процес А3 полягає в побудові нейронної мережі, а саме з таких етапів, як вибір архітектури НС, вибір кількості нейронів і т.д.
У процесі А3 відбувалося навчання нейронної мережі та її тестування.
Глава 3. Реалізація алгоритмів розпізнавання режимів роботи ГТД на
основі нейронних мереж
.1 Постановка завдання
Розглянемо алгоритм вирішення даної задачі на прикладі даних, записаних на борту для авіаційного двигуна. Фрагмент запису (осцилограми) термогазодинамічних процесів ВМД наведено на малюнку 3, де виділений шестихвилинні інтервал польоту літака з двома двигунами силовою установкою. Передбачається, що в якості розпізнаються режимів роботи двигуна тут виступають: I - сталі режими; II - режим розгону; III - режим дроселюван...
