Детальная информация
Название | Multi-criterion optimization of control process based on DPCA and ANN: выпускная квалификационная работа магистра: направление 09.04.01 «Информатика и вычислительная техника» ; образовательная программа 09.04.01_17 «Интеллектуальные системы (международная образовательная программа) / Intelligent Systems (International Educational Program)» |
---|---|
Авторы | Чавелипарамбил Джаян Ядхукришнан |
Научный руководитель | Малыхина Галина Федоровна |
Организация | Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и кибербезопасности |
Выходные сведения | Санкт-Петербург, 2024 |
Коллекция | Выпускные квалификационные работы; Общая коллекция |
Тематика | neural network model; principal component analysis; multicriteria optimization; genetic algorithm for non-dominated sorting; dynamic principal component analysis |
Тип документа | Выпускная квалификационная работа магистра |
Тип файла | |
Язык | Русский |
Уровень высшего образования | Магистратура |
Код специальности ФГОС | 09.04.01 |
Группа специальностей ФГОС | 090000 - Информатика и вычислительная техника |
DOI | 10.18720/SPBPU/3/2024/vr/vr24-5858 |
Права доступа | Доступ по паролю из сети Интернет (чтение) |
Дополнительно | Новинка |
Ключ записи | ru\spstu\vkr\33737 |
Дата создания записи | 02.09.2024 |
Разрешенные действия
–
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа | Анонимные пользователи |
---|---|
Сеть | Интернет |
Современный подход к управлению промышленными системами предполагает, что важнейшие показатели, такие как производительность, материальные затраты и воздействие на окружающую среду, должны оптимизироваться одновременно. Целесообразно выполнять оптимизацию на основе анализа больших данных, содержащихся в базах данных производственных систем. Предлагается многокритериальная оптимизация с использованием модели нейронной сети промышленной системы и недоминантного генетического алгоритма сортировки NSGA-II. Динамический главный компонентный анализ является расширением главного компонентного анализа и используется для снижения размерности промышленной системы от большей к меньшей размерности. DPCA помогает фиксировать автокорреляционное поведение параметров в промышленной системе и использует сдвинутые во времени реплики параметров. Основной аспект проектирования DPCA включает выбор задержек и компонентов для окончательной модели. Модель ANN с использованием метода DPCA и алгоритма NSGA-II позволяет нам находить более эффективное решение для многокритериальной оптимизации промышленной системы. Метод помогает оптимизировать процесс в промышленных системах и системах с большим количеством параметров.
The modern approach to managing industrial systems assumes that the most important indicators such as productivity, material costs and environmental impact must be optimized simultaneously. It is advisable to perform optimization based on the analysis of big data contained in the databases of production systems. A multicriteria optimization is proposed using a neural network model of an industrial system and a non-dominant genetic sorting algorithm NSGA-II. Dynamic principal component analysis is an extension of Principal component analysis and used to reduce the dimensionality of industrial system to higher to lower dimension. DPCA helps to capture the auto correlative behaviour of the parameters in industrial system, and it uses the time shifted replicates of the parameters. The main design aspect of DPCA includes the selection of lags and components for final model. The ANN model using DPCA method and NSGA-II algorithm allow us to find more efficient solution to the multicriteria optimization of the industrial system. The method helps to optimize the process in industrial systems, and systems having large number parameters.
Место доступа | Группа пользователей | Действие |
---|---|---|
Локальная сеть ИБК СПбПУ | Все |
|
Интернет | Авторизованные пользователи СПбПУ |
|
Интернет | Анонимные пользователи |
|
Количество обращений: 0
За последние 30 дней: 0