matlab微分方程相位图_利用MATLAB机器学习对模型参数在线学习和判定其运行状态...
在这篇文章中，我们介绍深度学习网络在一个模型系统中的应用。这个模型系统可以是用微分方程进行描述，深度学习网络可以在线对模型系统的参数进行调节，同时判定该系统的运行状态(正常，告警，故障等)。其结构如下图所示。以空气压缩器为例，其原理图如下图所示。我们通过控制阀门从而控制空气压缩器的进气量(气压)，最后控制涡轮的转速。我们需要控制气压去适应负荷的变化。因此，在这个模型中，我们测量空气压力p，涡轮的旋
·
在这篇文章中，我们介绍深度学习网络在一个模型系统中的应用。这个模型系统可以是用微分方程进行描述，深度学习网络可以在线对模型系统的参数进行调节，同时判定该系统的运行状态(正常，告警，故障等)。其结构如下图所示。
以空气压缩器为例，其原理图如下图所示。
我们通过控制阀门从而控制空气压缩器的进气量(气压)，最后控制涡轮的转速。我们需要控制气压去适应负荷的变化。因此，在这个模型中，我们测量空气压力p，涡轮的旋转速度w，得到如下状态方程：
此计算式是根据状态方程得出的
该模型在MATLAB中的程序如下：
得出的仿真结果为：
建立好上述模型，我们希望能够建立一个判定空气压缩机故障的一个判定的依据。对此，我们首先建立一个加入判定依据的模型。
加入了判定矩阵D，将这个矩阵乘以测量值和估算值之间的误差。
代入上式，得出：
建立以上模型后，我们能够模拟出在转速器或者控制器测量有问题的情况下，它对应的压力p和转速w的剩余差值。从而形成了对神经网络的训练数据。利用这些训练数据，我们就能训练神经网络能够识别不同的故障，从而及时的进行预警。
Matlab函数如下：
运行结果：
汇聚全球AI编程工具，助力开发者即刻编程。
更多推荐
0
0- 0
已为社区贡献1条内容
所有评论(0)