Все статьи автора в журнале: Ермилина О.В.

1. Нейросетевая параметрическая идентификация модели вихретокового датчика с использованием системы резервуарных вычислений

   Neural network parametric identification of an eddy current sensor model using a reservoir computing system

   Номер: 2022 / 11

   Ермилина О.В. | Ermilina O.V. | Семёнов А.Д. | Semenov A.D. | Абрамов С.В. | Abramov S.V. | Маланин В.П. | Malanin V.P. | rasuma@mail.rurasuma@mail.ru

   Авторы статьи

   Authors

   Ермилина О.В.

   Ermilina O.V.

   Семёнов А.Д.

   Semenov A.D.

   Абрамов С.В.

   Abramov S.V.

   Маланин В.П.

   Malanin V.P.

   rasuma@mail.ru

   rasuma@mail.ru

   ---

   Нейросетевая параметрическая идентификация модели вихретокового датчика с использованием системы резервуарных вычислений

    

   УДК 681.586:681.5.08.004.032.26

   DOI: 10.36652/0869-4931-2022-76-11-517-523

    

   Развитие современных автоматизированных систем мониторинга, контроля и управления технологическими процессами связано с совершенствованием методов идентификации и исследования первичных средств сбора и обработки информации. В статье предложен алгоритм нейросетевой параметрической идентификации с использованием резервуарных вычислений — алгоритм параметрической идентификации, заключающийся в проведении вычислительного эксперимента на заданной нелинейной модели, формировании по результатам эксперимента обучающих выборок, последующем обучении динамической и статической нейронных сетей и вычислении с помощью обученных сетей оценок параметров нелинейной модели по экспериментальным данным.

   ---

   Ключевые слова

   вихретоковый датчик, идентификация, динамическая модель, схема замещения, статическая нейронная сеть, динамическая нейронная сеть, резервуарные вычисления, математическая модель

   Neural network parametric identification of an eddy current sensor model using a reservoir computing system

   The development of modern automated systems for monitoring, control and management of technological processes is associated with the improvement of methods for identifying and studying the primary means of collecting and processing information. An algorithm for neural network parametric identification using reservoir calculations is proposed. An algorithm for parametric identification orient to conducting a computational experiment on a given nonlinear model, forming training samples based on the results of the experiment, training dynamic and static neural networks and calculating estimates of parameters of a nonlinear model using trained networks according to experimental data.

   ---

   Keywords

   eddy current sensor, identification, dynamic model, equivalent circuit, static neural network, dynamic neural network, reservoir computing, mathematical model