مجید معاونیان - استادیار گروه مکانیک، دانشگاه فردوسی مشهد
مهدی ستوده چاقی - کارشناس ارشد مکانیک، دانشگاه فردوسی مشهد

در این مقاله مفهوم شبکه های عصبی به عنوان تقریب گرهای عمومی (Universal approximator) توابع مورد بررسی قرارمی گیرد و از شبکه های عصبی MLP (پرسپترون های چند لایه) دو لایه و سه لایه که توسط آلگوریتم های ژنتیکی بهینه شده اندو شبکه های RBF و ADALINE برای مدل کردن سیستم درایو یک ماشین CNC واقعی استفاده شده ودر نهایت این مدلها از نظر کارایی و سرعت آموزش مورد مقایسه قرار می گیرند. ناگفته نماید که مدل سازی سیستم تحت کنترل و نظارت، از اصول بنیادین روشهای ردیابی و تشخیص (Fault Detection and Isolation) مبتنی بر مدل کمی و کیفی می باشد.

سیستم عیب یاب (FDI)، سیستم های عصبی، ا لگوریتم های ژنتیکی، مدلسازی، سیستم درایو ماشین CNC