دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: مکانیک: پویایی و هرج و مرج غیرخطی ویرایش: 1 نویسندگان: Han-Xiong Li. Chenkun Qi (auth.) سری: Intelligent Systems, Control and Automation: Science and Engineering 50 ISBN (شابک) : 9400707401, 9789400707405 ناشر: Springer Netherlands سال نشر: 2011 تعداد صفحات: 195 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب مدلسازی مکانی - زمانی سیستمهای پارامتر توزیع نشده غیرخطی: رویکردی بر اساس تفکیک زمان / فضا: مدل سازی ریاضی و ریاضیات صنعتی، کنترل، شیمی صنعتی/مهندسی شیمی، شبیه سازی و مدل سازی
در صورت تبدیل فایل کتاب Spatio-Temporal Modeling of Nonlinear Distributed Parameter Systems: A Time/Space Separation Based Approach به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدلسازی مکانی - زمانی سیستمهای پارامتر توزیع نشده غیرخطی: رویکردی بر اساس تفکیک زمان / فضا نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
هدف این جلد ارائه مروری مختصر از کار قبلی در مورد کاهش مدل و شناسایی سیستمهای پارامتر توزیعشده (DPS)، و توسعه مدلهای مکانی-زمانی جدید و رویکردهای شناسایی مرتبط آنها است. /p>
در این کتاب ابتدا یک مرور کلی و طبقه بندی سیستماتیک در مورد مدل سازی DPS ارائه شده است که شامل کاهش مدل، تخمین پارامتر و شناسایی سیستم می باشد. در مرحله بعد، یک کلاس از سیستمهای غیرخطی بلوکگرا در سیستمهای پارامتری تودهای سنتی (LPS) به DPS گسترش مییابد که منجر به سیستمهای فضایی-زمانی Wiener و Hammerstein و روشهای شناسایی آنها میشود. سپس، مدل سنتی Volterra به DPS گسترش مییابد که منجر به مدل مکانی-زمانی Volterra و الگوریتم شناسایی آن میشود. همه این روش ها بر اساس جداسازی زمان/مکان خطی هستند. گاهی اوقات، جداسازی غیرخطی زمان/مکان میتواند نقش بهتری در مدلسازی فرآیندهای بسیار پیچیده داشته باشد.
بنابراین، یک مدلسازی عصبی مبتنی بر جداسازی زمان/مکان غیرخطی نیز برای کلاسی از DPS با دینامیک پیچیدهتر ارائه میشود. . در نهایت، تمام این روشهای مدلسازی با موفقیت در فرآیندهای حرارتی صنعتی، از جمله میله کاتالیزوری، راکتور با بستر بستهبندی و کوره کیورینگ سریع اعمال میشوند. این کار با ارائه یک نمای یکپارچه از جدایی زمان / مکان ارائه شده است. این کتاب همچنین کاربردهای فرآیندهای حرارتی در بستهبندی الکترونیک و صنایع شیمیایی را نشان میدهد. این جلد دانش پایه در مورد سیستم های پارامترهای توزیع شده، مدل سازی سیستم و شناسایی را فرض می کند. این برای محققان، دانشجویان فارغ التحصیل و مهندسین علاقه مند به سیستم های پارامترهای توزیع شده، سیستم های غیرخطی، و مدل سازی و کنترل فرآیند در نظر گرفته شده است.
The purpose of this volume is to provide a brief review of the previous work on model reduction and identifi cation of distributed parameter systems (DPS), and develop new spatio-temporal models and their relevant identifi cation approaches.
In this book, a systematic overview and classifi cation on the modeling of DPS is presented fi rst, which includes model reduction, parameter estimation and system identifi cation. Next, a class of block-oriented nonlinear systems in traditional lumped parameter systems (LPS) is extended to DPS, which results in the spatio-temporal Wiener and Hammerstein systems and their identifi cation methods. Then, the traditional Volterra model is extended to DPS, which results in the spatio-temporal Volterra model and its identification algorithm. All these methods are based on linear time/space separation. Sometimes, the nonlinear time/space separation can play a better role in modeling of very complex processes.
Thus, a nonlinear time/space separation based neural modeling is also presented for a class of DPS with more complicated dynamics. Finally, all these modeling approaches are successfully applied to industrial thermal processes, including a catalytic rod, a packed-bed reactor and a snap curing oven. The work is presented giving a unifi ed view from time/space separation. The book also illustrates applications to thermal processes in the electronics packaging and chemical industry. This volume assumes a basic knowledge about distributed parameter systems, system modeling and identifi cation. It is intended for researchers, graduate students and engineers interested in distributed parameter systems, nonlinear systems, and process modeling and control.
Cover......Page 1
Dynamic Modeling......Page 5
Temporal Modeling Problem......Page 7
References......Page 10
References......Page 4
Neural Network for Nonlinear PCA......Page 6
Snap Curing Oven......Page 17
Snap Curing Oven......Page 19
References......Page 20
References......Page 21
Motivation......Page 22
References......Page 23
Contributions and Organization of the Book......Page 24
Comparison Studies of Neural Spectral and Neural KL Method......Page 26
Concluding Remarks......Page 29
Introduction......Page 30
Front Matter......Page 2
Neural Network for Dynamic Modeling......Page 8
Catalytic Rod......Page 9
Convergence Analysis......Page 11
Snap Curing Oven......Page 12
Summary......Page 15
Principal Component Analysis......Page 3
Simulation and Experiment......Page 13
Catalytic Rod......Page 14
Examples of Distributed Parameter Processes......Page 18
References......Page 25
References......Page 16
References......Page 27
Eigenfunction Method......Page 33
Finite Difference Method......Page 34
Weighted Residual Method......Page 35
Comparison Studies of Spectral and KL Method......Page 46
FDM Based Estimation......Page 48
FEM Based Estimation......Page 49
Spectral Based Estimation......Page 50
Green’s Function Based Identification......Page 51
FEM Based Identification......Page 52
Spectral Based Identification......Page 53
Comparison Studies of Neural Spectral and Neural KL Method......Page 55
Concluding Remarks......Page 58
References......Page 59
Introduction......Page 67
Wiener Distributed Parameter System......Page 68
Spatio-Temporal Wiener Modeling Methodology......Page 70
Wiener Model Identification......Page 73
Model Parameterization......Page 74
Parameter Estimation......Page 75
Simulation and Experiment......Page 77
Catalytic Rod......Page 78
Snap Curing Oven......Page 81
References......Page 86
Introduction......Page 89
Hammerstein Distributed Parameter System......Page 91
Karhunen-Loève Decomposition......Page 92
Hammerstein Model Identification......Page 93
Model Parameterization......Page 94
Structure Selection......Page 95
Parameter Estimation......Page 99
Simulation and Experiment......Page 101
Catalytic Rod......Page 102
Snap Curing Oven......Page 105
References......Page 109
Introduction......Page 111
Basis Function Expansion......Page 113
Temporal Modeling Problem......Page 116
Least-Squares Estimation......Page 117
Motivation......Page 119
Convergence Analysis......Page 122
Simulation and Experiment......Page 128
Packed-Bed Reactor......Page 129
Snap Curing Oven......Page 132
Summary......Page 135
Introduction......Page 138
Spatio-Temporal Volterra Model......Page 139
Spatio-Temporal Modeling Approach......Page 141
Time/Space Separation......Page 142
Temporal Modeling Problem......Page 144
Parameter Estimation......Page 145
State Space Realization......Page 146
Convergence Analysis......Page 148
Catalytic Rod......Page 153
Snap Curing Oven......Page 156
Summary......Page 160
Introduction......Page 163
Modeling Methodology......Page 164
Principal Component Analysis......Page 165
Dynamic Modeling......Page 167
Neural Network for Nonlinear PCA......Page 168
Neural Network for Dynamic Modeling......Page 170
Catalytic Rod......Page 171
Snap Curing Oven......Page 174
Summary......Page 177
References......Page 178
Conclusions......Page 180
References......Page 183
Back Matter......Page 185