Апроксиматор - Велика Енциклопедія Нафти та Газа, стаття, сторінка 1
Апроксиматор
Апроксиматори, звані також у літературі чорними ящиками (black box), формальними моделями, є різновидом математичних моделей, описують функціональні зв'язки між входами і виходами системи, що моделюється без урахування (за відсутності) будь-яких знань про топологію системи. Коефіцієнти таких моделей можуть мати будь-якого фізичного сенсу, не співвідносяться, наприклад, з технологічними параметрами процесів. У цьому полягає нестача таких моделей. Проте, ці моделі ефективні у разі неможливості чи труднощі побудови суворих математичних описів поведінки систем. [1]
Діодним апроксиматором називається пристрій, який дозволяє реалізувати задану вхідну характеристику нелінійного резистора. Для апроксимації часто визначається безперервна характеристика, яку можна лінеаризувати відрізками прямих / і 2, як показано на рис. 22.21, а. Після лінеаризації неважко підібрати параметри еквівалентного реалізуючого пристрою. [2]
Ідея побудови такого апроксиматора заснована на тому, що площа прямокутного імпульсу лінійно зростає зі зростанням його тривалості, а амплітуда визначає швидкість цього зростання. [3]
Таким чином, налаштування поліноміального апроксиматора на задану нелінійну залежність вимагає установки в одному з двох положень трьох перемикачів і виставки значень п'яти провідностей. [4]
Лінеарізуючий пристрій у такому приладі може бути побудований на базі шматково-лінійного діодного апроксиматора. Основний недолік такої схеми полягає у появі додаткової похибки від перетворювача ЛП за зміни зовнішніх умов експлуатації АЕП. [5]
Перетворювачі, що працюють із методичнимипохибками, згідно з загальноприйнятою термінологією називають апроксиматорами. Апроксиматори можуть приблизно відтворювати широкий клас функцій, заданих як аналітично, так і таблично, оскільки їх функціональні характеристики виражаються функціями, що володіють певними можливостями наближення різних залежностей. [6]
На рис. 2.18 наведено схеми ФП для відтворення деяких тригонометричних функцій, побудованих за структурою поліноміальних або дрібно-раціональних апроксиматорів. Тут і далі поруч із умовними позначеннями нелінійних імпульсно-керованих провідностей зазначені (у дужках) позначення резисторів, що входять до їх ланцюга. [8]
Розглянуто метод синтезу адаптивних систем керування класом нелінійних динамічних об'єктів на базі нечіткого регулятора, який виконує роль апроксиматора оптимального керування. Закон адаптації параметрів нечіткого регулятора визначається за умови стійкості адаптивної системи за критерієм Ляпунова. [9]
Аналогова частина складається з: трьох перетворювачів число-напруга ПЧН (D, sin р, cos p); трьох розв'язувальних підсилювачів РУ; двох єїсно-косинусних апроксиматорів СКА; двох розмножувальних схем МС; двох підсилювачів потужності РОЗУМ; двох підсилювачів ОУ, що відхиляють. [11]
Перетворювачі, які працюють з методичними похибками, згідно із загальноприйнятою термінологією називають апроксиматорами. Апроксиматори можуть приблизно відтворювати широкий клас функцій, заданих як аналітично, так і таблично, оскільки їх функціональні характеристики виражаються функціями, що володіють певними можливостями наближення різних залежностей. [12]
Якщо функціональне перетворення реалізується у цифровій формі у природному масштабічасу з похибкою щонайменше 10 - 3, найефективніше завдання вирішується методом кусочно-линейной цифрової апроксимації. Вибір алгоритму перетворення та структурної схеми апроксиматора визначається особливостями відтворюваної функції та вимогами до точності. [14]
Звісно привабливо мати можливість отримання як якісного, а й кількісного правила, що пов'язує рівень розриву у доходах зі злочинністю. Ми знаємо, що нейронні мережі типу персептрон є універсальними апроксиматорами і можуть реалізувати будь-яке кількісне відображення. Очевидно, що досягти цього можна підбором відповідних функцій власності. А саме завдання полягає в тому, щоб так визначити поняття високий розрив у доходах і підвищений рівень злочинності, щоб виконувались і якісні і кількісні співвідношення. Потрібно, щоб і самі ці визначення не виявилося дикими - інакше доведеться засумніватися у нечіткому правилі, що використовується нами. Якщо таке завдання успішно вирішується, це означає успішний симбіоз теорії нечітких множин і нейронних мереж, у яких грають наочність перших і універсальність останніх. [15]