/span> .
Для розпізнавання режимів роботи (класів станів) ВМД НС необхідно з значень часового ряду спостережень виділити відліки, які в межах часового вікна , відповідають сталим режимом роботи авіаційного двигуна. Це здійснюється шляхом вирахування середнього значення (змінного середнього), в межах часового вікна, на всьому інтервалі , тому що на сталому режимі роботи тотожно дорівнює нулю, а на інших режимах роботи ГТД відмінно від нуля:
, (5)
де - ширина вікна .
Оптимальний розмір тимчасового вікна знаходиться в процесі експериментальних досліджень.
На цьому етапі уточнюються показники репрезентативності вихідної вибірки, а також однорідності навчальної та тестової вибірки. Детально оцінка цих показників буде розглянута в наступному прикладі [10,11]. p align="justify"> Вибір архітектури НС
Побудуємо нейромережевої класифікатор, представлений на малюнку 4.
В
Рисунок 4 - Архітектура нейромережного класифікатора
Тут D - тимчасова затримка, D t = 1с. Згідно цього малюнку НС повинна мати 3 ' L входів по L для кожного з параметрів: , , . Зазначені L параметрів представляють собою виміряні параметри, а також затримані значення, аналогічні за і . В якості виходів НС будемо вважати сигнали , і . Для навченої мережі виходи повинні приймати значення F1, F2 і F3 (таблиця 1).
Враховуючи, що вхідний вектор для НС при вирішенні задачі розпізнавання режимів ВМД відповідає набору ознак, а вихідний вектор , класу станів, математичну модель персептрона можна представити у вигляді системи рівнянь (6).
Таблиця 1 - Бажані значення виходів нейромережного класифікатора
Розпізнавані режімиСігнали на виході НСF1F2F3Установившийся100Разгон010Дросселирование001
Позначимо через
безліч вихідних сигналів нейронів l-го шару; а через - матрицю вагових синоптичних зв'язків, що з'єднують нейрони l-...
