- •1. Введение
- •2. Основные положения теории искусственных нейронных сетей
- •2.1. Введение.
- •2.2. Задачи, решаемые при помощи инс
- •2.3. Устройство инс
- •2.3.1. Искусственный нейрон
- •2.3.2. Искусственная нейронная сеть.
- •2.4. Архитектуры инс
- •2.6. Обучение инс
- •2.5. Математическое обоснование работоспособности инс.
- •2.6.1. Метод обратного распространения ошибки
- •3. Моделирование аэродинамических характеристик несущего винта вертолета
- •3.1 Основные положения аэроупругой математической модели несущего винта
- •3.1.1. Моделирование упругих деформаций лопасти.
- •3.1.2. Уравнение движения лопасти.
- •3.1.3. Аэродинамическая нагрузка на несущем винте.
- •3.1.4 Расчет аэродинамических характеристик нв
- •3.2 Алгоритм моделирования аэродинамических характеристик несущего винта при помощи многослойного персептрона
- •4. Разработка и обучение нейронной сети, моделирующей аэродинамические характеристики несущего винта вертолета.
- •4.1 Разработка программного обеспечения, моделирующего искусственные нейронные сети.
- •4.1.1. Требования к по
- •4.1.2. Разработка по
- •4.1.2.1. Функции выполняемые программой «Искусственные Нейронные Сети 1.1»
- •4.1.2.2Принципиальная схема функционирования «Искусственные Нейронные Сети 1.1»
- •4.2 Исследование влияния конфигурации нейронной сети на эффективность ее работы
- •3.3.1.1. Оценка сходимости по числу нейронов в слое и количеству циклов обучения
- •3.3.1.2. Оценка сходимости по числу слоев сети и количеству циклов обучения
- •3.3.1.2. Оценка влияния числа входов/выходов нейросети.
- •4.3 Формирование предпроцессора и постпроцессора сети
- •3.3.2.1. Информативность параметров
- •3.3.2.2. Нормирование входных и выходных данных.
- •3.3.2.3. Дискретизация входных данных.
- •4.4 Оптимизация процесса обучения нейронной сети
- •3.3.3.1. Усовершенствование метода обратного распространения ошибки
- •3.3.3.2. Метод коррекции ошибки
- •4.5 Обучение нейронной сети с учетом результатов исследований.
- •5. Расчет характеристик несущего винта и сравнение с исходной расчетной моделью
- •5.1. Расчет коэффициента подъемной силы
- •5.2. Расчет коэффициента силы сопротивления
- •5.3. Расчет коэффициента крутящего момента
- •5.3. Расчет коэффициента момента тангажа
- •6. Основные результаты и выводы.
- •7. Расчет себестоимости создания нейросетевой математической модели нв и необходимого по.
- •7.1. Введение
- •7.2. Основные гипотезы и допущения
- •7.4.3. Заработная плата исполнителей.
- •7.4.3.1. Основная заработная плата.
- •7.4.4 Отчисления единого социального налога.
- •7.4.5 Расчет стоимости машинного времени
- •7.4.6 Материалы и комплектующие
- •7.6.6 Накладные расходы.
- •7.6.7 Суммарная себестоимость разработки по.
- •7.5 Расчет рентабельности
- •7.6 Итог
- •8. Безопасности жизнедеятельности. Рабочее место инженера расчетчика и оператора эвм
- •8.1 Введение
- •8.2 Объект экспертизы
- •8.3 Факторы влияющие на работу оператора эвм
- •8.3.1 Электромагнитное излучение
- •8.3.2 Статическое электричество
- •8.3.3 Вентиляция помещения
- •8.3.4 Микроклимат
- •Температуры и относительной влажности воздуха в помещениях с эвм
- •8.3.5 Освещение помещения
- •8.3.7 Электробезопасность
- •8.4 Эргономическая проработка рабочего места.
- •Моторные поля
- •8.5. Расчет показателей, характеризующих охрану и условия труда при работе за эвм.
- •8.5.1 Определение показателей степени автоматизации и механизации труда.
- •8.5.2 Определение показателей травмобезопастности труда.
- •Безопасные операции
- •8.5.3 Определение коэффициента безвредности труда.
- •8.5.4 Определение интегральных показателей.
- •8.6 Пожарная профилактика
- •Профилактика
- •Тушение пожара
- •8.7 Дерево отказов.
- •8.8 Охрана окружающей среды
- •Приложение «Искусственные Нейронные Сети 1.0»
- •Возможности программы
- •Руководство пользователя Загрузка обучающей выборки
- •Создание инс
- •Обучение инс
- •Проведение расчетов при помощи полученной инс
- •Сохранение и загрузка инс
- •Устройство программы
- •«Искусственные Нейронные Сети 1.1»
- •Выполняемые программой функции
- •Основные изменения
- •Создание новой инс
- •Загрузка обучающей выборки.
- •Обучение инс
- •Проведение расчетов при помощи полученной инс
- •Сохранение и загрузка инс
- •Устройство «Искусственные Нейронные сети 1.1»
- •Использованная литература
4. Разработка и обучение нейронной сети, моделирующей аэродинамические характеристики несущего винта вертолета.
4.1 Разработка программного обеспечения, моделирующего искусственные нейронные сети.
Для моделирования искусственных нейронных сетей в настоящее время используются как программные, так и аппаратные средства. У каждого из способов реализации есть как свои плюсы, так и минусы. При аппаратной реализации конфигурация сети неизменяема, однако ИНС обладает высоким быстродействием. Такая реализация используется, как правило, уже на готовых, оптимизированных нейронных сетях, потребность изменения конфигурации которых отсутствует. При программной реализации быстродействие ИНС несколько ниже, однако, есть возможность изменения конфигурации и других параметров ИНС. Появляется возможность использования большого количества различных ИНС на одной ЭВМ.
Мы отдаем предпочтение программной реализации ИНС по следующим причинам: 1. Нам не известна оптимальная конфигурация ИНС для решения поставленной задачи. 2. При такой реализации сети наиболее удобно проводить необходимые исследования. 3. Это наиболее простой и доступный метод моделирования ИНС, не требующий значительных материальных затрат.
4.1.1. Требования к по
Для выполнения поставленной задачи необходимо разработать программное обеспечение (ПО), позволяющее моделировать ИНС, проводить расчеты с их применением, а также являющееся удобной платформой для проведения необходимых исследований.
ПО должно удовлетворять следующим требованиям:
должно позволять создавать многослойные перцептроны любой конфигурации;
должен быть реализован процесс обучения ИНС;
должна быть возможность проведения расчетов с использованием полученной ИНС;
должно позволять проводить необходимые исследования ИНС.
должно обеспечивать возможность сохранения/восстановления созданной ИНС
должно обладать удобными средствами ввода/вывода информации.
должно обладать максимально удобным интерфейсом.
4.1.2. Разработка по
В процессе разработки необходимого ПО была создана программа «Искусственные Нейронные Сети 1.0», позволяющая создавать ИНС произвольной конфигурации, проводить их обучение и осуществлять с их помощью расчеты. Эта программа является опытным образцом и не соответствует всем поставленным требованиям. «Искусственные Нейронные Сети 1.0» была создана для отладки всех необходимых математических алгоритмов ИНС и структур хранения данных. Подробнее о программе «Искусственные Нейронные Сети 1.0» смотрите в Приложении.
Результатом дальнейшей работы стало создание новой усовершенствованной версии программы «Искусственные Нейронные Сети 1.1», удовлетворяющей всем поставленным требованиям и ставшей платформой для проведения необходимых исследований.
Рис. 11. «Искусственные Нейронные Сети 1.1»
«Искусственные Нейронные Сети 1.1» претерпела значительные изменения по сравнению с версией 1.0. А именно: Внедрена линеаризация последнего слоя ИНС, то есть появилась возможность замены функции активации последнего слоя с сигмоидальной на линейную. Это дает ИНС возможность моделировать процессы, диапазон выходных значений которых может изменяться от минус бесконечности до плюс бесконечности, а не от 0 до 1. Изменен метод обучения ИНС. Внедрен более совершенный метод, позволяющий преодолевать локальные минимумы функции ошибки. Подробнее о внедренном методе обучения смотрите раздел 3.3.4. Оптимизация метода обучения нейронной сети. Добавлен групповой способ обучения. Значительно изменен интерфейс программы. Он более логичен и понятен по сравнению с интерфейсом предыдущей версии. Функции разделены на отдельные вкладки; добавлены всплывающие подсказки, информационные окна, показатели продвижения процессов загрузки данных, обучения и т.д, а также дополнительные диалоговые окна, облегчающие работу с программой. Более подробный список внесенных изменений смотрите в Приложении в разделе «Искусственные Нейронные Сети 1.1»
Для обеспечения максимального удобства работы с программой и удобного представления входных/выходных данных была реализована СОМ связь с программой Microsoft Excel. Это является большим преимуществом разработанного ПО, поскольку дает возможность связи с другими необходимыми прикладными программами, а также широкие возможности графического представления полученных результатов. Кроме того, для обработки больших объемов данных предусмотрен специальный ускоренный ввод информации. В программе реализованы все методы и усовершенствования алгоритма, разработанные и принятые в процессе выполнения дипломной работы.
