مجید عبداله زاده - دانشجوی کارشناسی ارشد مهندسی مکانیک دانشگاه تهران
محمد محجوب - استادیار - دانشکده مهندسی مکانیک دانشگاه تهران
رضا زرین قلم - دانشجوی کارشناسی ارشد مهندسی مکانیک دانشگاه صنعتی خواجه نصیرالدین ط

هدف اصلی در شناسایی سیستم ها 1 ایجاد مدلی است که رفتاری همانند سیستم اصلی داشته باشد . شناسایی، در سیستم های غیرخطی دارای ملاحظات بیشتری نسبت به سیستم های خطی است . در این مقاله به منظور شناسایی سیستم های دینامیکی غیرخطی و همچنین سیستم های ایستایی غیر خطی از مدل نوروفازی خطی - محلی 2 استفاده شده است . مدل نوروفازی خطی - محلی با ترکیب قابلیت های شبکه های عصبی مصنوعی و همچنین سیستم های فازی ابزاری توانا در شناسایی سیستم ها به شمار می رود . به منظور آموزش این مدل، الگوریتم LOLIMOT 3 به دلیل سرعت بالای همگرایی و توانایی برخورد با نویز یکی از روش های ارجح در پژوهش های مرتبط با سیستم های غیر خطی و غیر قطعی است . با استفاده از این الگوریتم مدل به تدریج و به صورت درختی دقیق می شود . نتایج حاصل از پیاده سازی این مدل به منظور شناسایی دو سیستم مبدل حرارتی و همچنین تعیین LDL خون در مقایسه با مدل های مبتنی بر شبکه های پرسپترون چند لایه، و توابع شعاعی پایه مؤید موفقیت این مدل در شناسایی سیستم های غیر خطی دینامیکی و ایستایی است .

شناسایی، سیستم غیرخطی، مدل نوروفازی خطی - محلی