دانلود کتاب Practical grey-box process identification: theory and applications

ترجمه فارسی توضیحات (ترجمه ماشینی)

شناسایی عملی فرآیند جعبه خاکستری: نظریه و کاربردها

خلاصه در مدل‌سازی فرآیند، دانش فرآیند مورد بررسی معمولاً جزئی با ورودی‌های ناشناخته (اختلال) قابل توجهی در مدل است. اختلالات با ویژگی مطلوب تکرارپذیری مدل مقابله می کند. شناسایی «جعبه خاکستری» در این شرایط می‌تواند با بهره‌گیری از دو منبع اطلاعاتی که ممکن است در دسترس باشد، کمک کند: هر دانش قبلی و داده‌های پاسخ ثابت از آزمایش‌ها. شناسایی عملی فرآیند جعبه خاکستری یک پاسخ سه رشته‌ای به سوالات زیر که اغلب در رابطه با روش های جعبه خاکستری مطرح می شود: * چه مقدار از دانش قبلی من در این محیط مفید و حتی صحیح است؟ * آیا داده های تجربی من کافی و مرتبط هستند؟ * در مورد اختلالاتی که نمی توانم از آنها خلاص شوم چه کنم؟ * چگونه بفهمم که مدل من به اندازه کافی خوب است؟ بخش اول کتاب مروری کوتاه بر مبانی نظری شناسایی جعبه خاکستری است که به ویژه بر تئوری لازم برای نرم افزار ارائه شده در بخش دوم تمرکز دارد. بخش دوم، MoCaVa، یک ابزار نرم‌افزاری سازگار با MATLABAR، قابل دانلود از Springeronline.com را برای تسهیل فرآیند شناسایی موثر جعبه خاکستری، مورد توجه قرار می‌دهد. بخش سوم کاربرد MoCaVa را با استفاده از دو مطالعه موردی برگرفته از صنایع کاغذ و فولاد نشان می‌دهد. تئوری پیشرفته‌تر در یک پیوست ارائه شده است و کد منبع MoCaVa خوانندگان را قادر می‌سازد تا قابلیت‌های آن را به اهداف خود گسترش دهند. شناسایی عملی فرآیند جعبه خاکستری جالب توجه است و به مهندسین و محققان کنترل فرآیند و نرم‌افزار نشان می‌دهد. موردی که در اینجا ارائه می شود، کمک عملی زیادی به دانشجویانی که در این زمینه کار پروژه ای انجام می دهند، خواهد بود.

Practical grey-box process identification: theory and applications

SynopsisIn process modelling, knowledge of the process under consideration is typically partial with significant unknown inputs (disturbances) to the model. Disturbances militate against the desirable trait of model reproducibility. “Grey-box” identification can assist, in these circumstances, by taking advantage of the two sources of information that may be available: any invariant prior knowledge and response data from experiments.Practical Grey-box Process Identification is a three-stranded response to the following questions which are frequently raised in connection with grey-box methods: * How much of my prior knowledge is useful and even correct in this environment? * Are my experimental data sufficient and relevant? * What do I do about the disturbances that I can’t get rid of? * How do I know when my model is good enough?The first part of the book is a short review of the theoretical fundamentals of grey-box identification, focussing particularly on the theory necessary for the software presented in the second part. Part II puts the spotlight on MoCaVa, a MATLABÂR-compatible software tool, downloadable from springeronline.com, for facilitating the procedure of effective grey-box identification. Part III demonstrates the application of MoCaVa using two case studies drawn from the paper and steel industries. More advanced theory is laid out in an appendix and the MoCaVa source code enables readers to expand on its capabilities to their own ends.Practical Grey-box Process Identification will be of great interest and help to process control engineers and researchers and the software show-cased here will be of much practical assistance to students doing project work in this field.