史蒂芬妮·温克勒;安德烈亚斯·科纳;费利克斯·布雷特内克 人工混合动力系统建模框架。 （英语） Zbl 1478.93303号 非线性分析。，混合系统。 42，文章ID 101072，17 p.（2021）. 摘要：目前许多行业分支机构使用混合方法来解决复杂的应用程序问题。在过去的几十年中，已经开发了用于模拟此类混合系统（如Hysdel和YAMLIP）以及识别混合系统（例如HIT、MLP和OAF NN）的不同工具。本文提出的框架有助于在混合动力系统（HDS）建模过程中集成人工前馈神经网络。此外，该框架还提供了一种结构化语言来描述这些前馈网络本身。因此，可以在神经网络领域进行跨学科交流，并将其集成到混合动力系统中。针对具有自治事件的混合系统，介绍了两种不同的方法，即人工混合模型和人工混合动力学。反映了HDS建模过程中的挑战，并讨论了其优缺点。案例研究包括HDS的两个常见示例，并分析了仿真结果，并检查了建模框架的局限性。 MSC公司： 93立方 由微分方程以外的函数关系控制的控制/观测系统（如混合系统和开关系统） 93B70型 网络控制 65年第68季度 形式语言和自动机 2017年10月68日 人工神经网络与深度学习 关键词：混合动力系统;神经网络;建模基准;混合神经网络;混合建模框架 PDF格式BibTeX公司 XML格式引用 \textit{S.Winkler}等人，《非线性分析》。，混合系统。42，文章ID 101072，第17页（2021；Zbl 1478.93303） 全文： 内政部 参考文献： [1] Christin，A。；罗森布拉特，A。；Boyd，D.，《法院和预测算法》，11（2015），datacivilrights.org，http://www.law.nyu.edu/sites/default/files/upload_documents/Angele网站 [2] F.马斯切夫斯基。；Nosthoff，A.-V.，Res Publica ex Machina:论新控制论治理与政治终结，25（2018），INC Longforms [3] Lian，J。；刘，S。；李，L。；刘，X。；周，Y。；Yang，F。；袁，L.，插电式混合动力汽车（PHEV）的混合逻辑动态模型预测控制（MLD-MPC）能量管理控制策略，能源，10,74（2017） [4] 卢·W。；朱，P。；Ferrari，S.，非线性切换系统无模型控制的混合自适应动态规划方法，IEEE Trans。自动化。控件，61，10，3203-3208（2016），URLhttp://ieeexplore.ieee.org/document/7358089/ ·Zbl 1359.90146号 [5] 西特祖，C。；科罗纳·D。；A.Giua。；Bempoad，A.，连续时间切换仿射系统的最优控制，IEEE Trans。自动化。控件，51，5，726-741（2006），URLhttp://ieeexplore.ieee.org/document/1632302/ ·Zbl 1366.49038号 [6] Choy，K。；香港周小川。；Tan，K。；Chan，C.-K。；Mok，E.C。；Wang，Q.，利用第三方物流的供应链灵活性-混合知识系统方法，专家系统。申请。，35、4、1998-2016（2008），网址https://linkinghub.elsevier.com/retrieve/pii/S0957417407004137 [7] 高，G。；刘，F。；San，H。；吴，X。；Wang，W.，基于BPNN-PSO的工业机器人混合最优运动学参数识别，复杂性，2018，1-11（2018），URLhttps://www.hindawi.com/journals/complexity/2018/4258676/ [8] Cheng，M.-Y。；蔡，H.-C。；Sudjono，E.，建筑业动态项目成功评估的进化模糊混合神经网络，Autom。构造。，21，46-51（2012），网址https://linkinghub.elsevier.com/retrieve/pii/S0926580511000951 [9] 森·D。；罗伊，A。；Bhattacharya，A。；Banerjee博士。；Bhattacharjee，C.，用于研究乳清超滤过程中透析过滤效果的基于知识的混合神经网络（KBHNN）的开发，脱盐，273，1，168-178（2011），URLhttps://linkinghub.elsevier.com/retrieve/pii/S0011916410007538 [10] Yang，S。；卢，M。；Xue，H.，用于短期电力负荷预测的混合偏最小二乘和神经网络方法，J.控制理论应用。，6、1、93-96（2008），网址http://link.springer.com/10.1007/s11768-008-6208-x [11] S.O.劳尔森。；韦伯，D。；Ramirez，W.F.，生产外源蛋白的工业补料分批发酵过程的动态混合神经网络模型，计算。化学。工程，31，3，163-170（2007），URLhttp://linkinghub.elsevier.com/retrieve/pii/S0098135406001311 [12] Psichogios，哥伦比亚特区。；Ungar，L.H.，过程建模的混合神经网络第一原理方法，AIChE J.，38，10，1499-1511（1992），URLhttp://doi.wiley.com/10.1002/aic.690381003 [13] 古铁雷斯，P.A。；Hervas Martinez，C.，《混合人工神经网络：模型、算法和数据》，（计算智能的进展——第11届国际人工神经网络工作会议，IWANN 2011，Torremolinos-Málaga，西班牙，2011年6月8日至10日，Proceedings，Part II（2011），Springer），第177-184页 [14] Wermter，S。；Sun，R.，（混合神经系统概述。混合神经系统综述，计算机科学讲稿（2000），Springer） [15] 马蒂乌斯，G。；Lampert，C.H.，外推和学习方程（2016），arXiv:1610.02995[cs]arXiv:1610.02995。统一资源定位地址http://arxiv.org/abs/1610.02995 [16] Sjöberg，J。；张，Q。；永，L。；Benveniste，A。；Delyon，B。；Glorennec，P.-Y。；Hjalmarsson，H。；Juditsky，A.，《系统识别中的非线性黑盒建模：统一概述》，Automatica，31,121691-1724（1995），URLhttps://linkinghub.elsevier.com/retrieve/pii/0005109501208 ·Zbl 0846.93018号 [17] Billings，S.A。；贾马卢丁，H.B。；Chen，S.，神经网络的特性及其在非线性动力系统建模中的应用，国际。J.Control，55，1，193-224（1992），网址网址：http://www.tandfonline.com/doi/abs/10.1080/0207179208934232 ·Zbl 0742.93001号 [18] 科尔纳，A。；温克勒，S。；Breitenecker，F.，混合系统状态事件建模的可能性，SNE Simul。欧洲注释，28，3，109-111（2018），URLhttps://www.sne-journal.org/10429 [19] Mehlhase，A.，Konzepte für die Modellierung und Simulation Strukturvariabler Modelle，255（2015），柏林理工大学（博士论文） [20] Goebel，R。；Sanfelice，R。；Teel，A.，《混合动力系统：建模、稳定性和鲁棒性》（2012），普林斯顿大学出版社：普林斯顿大学出版，新泽西州普林斯顿·Zbl 1241.93002号 [21] Kwiatkowski，A。；利希滕贝格，G。；Schild，A.，使用正交函数对具有时变阈值的切换线性系统进行事件预测，（Maler，O.；Pnueli，A.，《混合系统：计算与控制》，第2623卷（2003），Springer Berlin Heidelberg），314-327，URLhttp://link.springer.com/10.1007/3-540-36580-X_24 ·Zbl 1032.93533号 [22] Zeigler，B.P。；Praehofer，H。；Kim，T.G.，《建模与仿真理论：集成离散事件和连续复杂动态系统》（2000），学术出版社 [23] T.A.Henzinger，《混合自动机理论》，载于：第11届IEEE计算机科学逻辑研讨会论文集，1996年，第278-292页·Zbl 0959.68073号 [24] 温克勒，S。；科尔纳，A。；比彻，M。；Breitenecker，F.，《混合动力系统不同建模与仿真方法的比较》，（UKSim-AMSS第19届国际计算机建模与仿真会议（UKSim）（2017），IEEE），97-102，URLhttps://ieeexplore.ieee.org/document/8359050/ [25] Körner，A.，《混合建模中状态事件的数学表征》（2015），维也纳理工大学（博士论文） [26] Carloni，L.P。；Paserone，R。；平托，A。；Angiovanni-Vincentelli，A.L.，混合系统设计的语言和工具，Found。趋势电子。设计。自动。，1，1，1-193（2006），网址http://www.nowpublishers.com/article/Details/EDA-001 ·Zbl 1107.68385号 [27] 托里西，F。；Bemporad，A.，HYSDEL-A工具，用于生成用于分析和综合问题的计算混合模型，IEEE Trans。控制系统。技术。，12、2、235-249（2004），网址http://ieeexplore.ieee.org/document/1281781/ [28] Bemporad，A。；Di Cairano，S。；费拉里·特雷卡特，G。；科瓦斯尼卡，M。；莫拉里，M。；Paoletti，S.，《分段仿射系统的建模、仿真、控制和验证工具》，（Lunze，J.；Lamnabhi-Lagarigue，F.，《混合系统控制手册》（2009），剑桥大学出版社），297-324，URLhttps://www.cambridge.org/core/product/identifier/CBO9780511807930A020/type/book_part [29] Kvasnica，M.，《用于混合系统控制和分析的高效软件工具》（2008），苏黎世联邦理工学院：苏黎世联邦理工学院，Physikstrasse 3，8092苏黎世，瑞士，网址https://www.uiam.sk/assets/publication_info.php？id_pub=747 [30] Lofberg，J.，YALMIP:MATLAB中建模和优化的工具箱，（2004年IEEE机器人与自动化国际会议（IEEE Cat.No.04CH37508）（2004）），284-289 [31] 费拉里·特雷卡特，G。；al，e.，用于识别分段仿射系统的聚类技术，Automatica，39，205-217（2003）·Zbl 1011.93508号 [32] 北卡罗来纳州坎蒂。；O’Mahony，T。；Cychowski，M.T.，分段仿射系统辨识的输出误差算法，控制工程实践。，20、4、444-452（2012），网址https://linkinghub.elsevier.com/retrieve/pii/S096706611100253X [33] Haykin，S.，《神经网络和学习机器》（2009），普伦蒂斯·霍尔，OCLC:ocn237325326 [34] 贾尔斯，C.L。；Maxwell，T.，《高阶神经网络中的学习、不变性和泛化》。，申请。选择。，26, 23, 4972-4978 (1987) [35] Shin，Y。；Ghosh，J.，《pi-sigma网络：用于模式分类和函数逼近的高效高阶神经网络》，（IJCNN-91-Seattle International Joint Conference on neural Networks，Vol.i（1991）），13-18，Vol.1 [36] 伊壁鸠鲁，M。；普拉吉亚科斯，V。；Vrahatis，M.，使用分布式进化算法的硬件友好型高阶神经网络训练，应用。软计算。，10、2、398-408（2010），网址https://linkinghub.elsevier.com/retrieve/pii/S1568494609001264 [37] Sahoo，S.S。；兰伯特，C.H。；Martius，G.，外推和控制的学习方程（2018），arXiv:1806.07529[cs，stat]。arXiv:1806.07259。统一资源定位地址http://arxiv.org/abs/1806.07259 [38] Števek，J。；苏黎世，A。；Kvasnica，M。；菲卡尔，M。；Kozák，t.，非线性系统的两步分段仿射辨识，Arch。控制科学。，22、4、371-388（2012），网址http://journals.pan.pl/dlibra/publication/97660/edition/84247/content ·兹比尔1270.93038 [39] 诺加德，M。；俄亥俄州拉文。；保尔森，N.K.，NNSYSID神经网络系统识别工具箱，数学。计算。模型。动态。系统。，8，1，1-20（2002），网址http://www.tandfonline.com/doi/abs/10.1076/mcmd.8.1.8342 [40] Bar-Sinai，Y。；霍耶，S。；希基，J。；Brenner，M.P.，学习偏微分方程的数据驱动离散化，Proc。国家。阿卡德。科学。，第201814058页（2019），URLhttp://www.pnas.org/lookup/doi/10.1073/pnas.1814058116 ·Zbl 1431.65195号 [41] Chen，R.T.Q。；Rubanova，Y。；Bettencourt，J。；Duvenaud，D.，《神经常微分方程》（2018），arXiv:1806.07366[cs，stat]。arXiv:1806.07366。统一资源定位地址http://arxiv.org/abs/1806.07366 [42] 拉加里斯，I.E。；利卡斯，A。；Fotiadis，D.I.，求解常微分方程和偏微分方程的人工神经网络，IEEE Trans。神经网络。，9, 5, 987-1000 (1998) [43] G.Taylor，R.Burmeister，Z.Xu，B.Singh，A.Patel，T.Goldstein，《无梯度训练神经网络：可扩展的ADMM方法》，载《第33届机器学习国际会议论文集》，2016年，第10页。 [44] 科尔纳，A。；Breitenecker，F.，《状态事件和结构动力学系统：ARGESIM基准C21的定义》，SNE Simul。欧洲注释，26，2，117-128（2016），URLhttps://www.sne-journal.org/10339 [45] Shukla，D。；Paul，F.W.，使用基于正交激活函数的神经网络对非线性系统进行计算有效控制，IFAC Proc。第29卷，第1卷，4995-5000（1996），网址https://linkinghub.elsevier.com/retrieve/pii/S1474667017584724 [46] Števek，J。；Szucs，A。；Kvasnica，M。；科扎克，S。；Fikar，M.，识别混合系统的智能技术，（2012年IEEE第十届应用机器智能和信息学国际研讨会（2012年），IEEE），383-388，URLhttp://ieeexplore.ieee.org/document/6208995/ [47] J.Števek等人。Kozák，非线性系统PWA识别的Matlab工具箱，摘自：《第18届国际过程控制会议论文集》，Fikar，M.，Kvasnica，M.著，2011年，第111-118页。 [48] 科扎克，S。；tevek，J.，《混合控制中非线性函数的改进分段线性逼近》，IFAC Proc。第44卷，14982-14987页（2011年），网址https://linkinghub.elsevier.com/retrieve/pii/S1474667016460374 [49] Benzaouia，A.，交换系统简介，（饱和交换系统（2012），施普林格伦敦），77-94 [50] 尼尔森，M.A.，《神经网络和深度学习》（2015），决定出版社，http://neuralnetworksanddeeplearning.com，上次访问时间：2020年7月20日 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。