процесу розпізнавання режимів ВМД інших архітектур НС, дає приблизно ті ж результати, що і персептрон.
При цьому сумарні необхідні витрати на вирішення задачі класифікації режимів ВМД у нейромережевому базисі не перевищують 10 - 20 хвилин (Pentium - IV, 3 ГГц, середа моделювання - MATLAB R2009b). Основний час, що витрачається на вирішення завдання, використовується на процес навчання НС. br/>
алгоритм розпізнавання двигун Байес моделювання
Висновок
На підставі отриманих результатів досліджень можна зробити наступні висновки:
. Рішення задачі класифікації режимів роботи авіаційного двигуна в нейромережевому базисі дозволяє більш ефективно і якісно вирішити дану задачу, з меншими витратами часу і обчислювальних ресурсів. p align="justify">. Рішення задачі зводиться до використання рекуррентной НС, де входами її є поточні і затримані параметри, причому оптимальний розмір тимчасового вікна вибирається 8 Вё 12, а кількість нейронів в прихованому шарі 35 Вё 50.
. Показано, що найменша помилка навчання НС забезпечується з використанням алгоритму сполучених градієнтів і квазіньютоновского алгоритму. p align="justify">. Аналіз якості класифікації режимів роботи ГТД за допомогою нейронної мережі на основі даних вироби 99 показує, що якість розпізнавання режимів становить практично 100%, а помилка розпізнавання в розглянутому прикладі не перевищила 0,4% на тестовій вибірці. br/>
Список використаних джерел
1. Августинович В.Г. та ін Ідентифікація систем керування авіаційних газотурбінних двигунів. Під редакцією Дедеш В.Т. - М.: Машинобудування, 1984. - 200 с. p align="justify">. Агєєв Д.А., Балухто О.М. та ін нейроматематика. Кн. 6. навч. Посібник для вузів./Загальна ред. Галушкіна А.І. - М.: ІПРЖР, 2002. - 448 с. p align="justify">. Архітектура обчислювача для вирішення завдання відновлення втрачених даних з датчиків на базі нейронної мережі/Жернаков С.В., Муслухов І.І.// Нейроінформатика-2006: зб. науч. тр. VIII Всеросійської науково-технічної конференції. Частина 3. -М.МІФІ, 2006. С.180-188. p align="justify">. Боєв Б.В., В.В. Бугровский та ін Ідентифікація та діагностика в інформаційно-керуючих системах авіакосмічної енергетики. М.: Наука, 1998. - 168 с. p align="justify">. Бортова інтелектуальна система контролю та діагностики авіаційного ГТД в режимі реального часу/Жернаков С.В., Муслухов І.І.// Актуальні проблеми в науці і техніці: зб. матер. регіональної школи-семінару аспірантів та молодих вчених. Уфа, Вид-во Уфімс. держ. авіац. техн. ун-ту, 2007. Т. 2. С. 108-112. p align="justify">. Васильєв О.М., Гранічін О.Н. та ін Сучасні проблеми нейроінформатікі. Кн. 23. Частина 2. Колект...
