स्वचालित दोष पहचान और समायोजन: एक शिक्षण प्रणाली का दृष्टिकोण

प्रणाली की विफलताओं या गिरावटों की पहचान, निदान और समायोजन आधुनिक इंजीनियरिंग समस्याओं में तेजी से अधिक महत्वपूर्ण होते जा रहे हैं। एक प्रणाली की विफलता अक्सर संकट में महत्वपूर्ण प्रणाली मापदंडों में बदलाव या यहां तक कि प्रणाली की गैर-रेखीय गतिशीलता में बदलाव का कारण बनती है। यह पत्र ऑनलाइन अनुमानक और अनुकूलन/शिक्षण योजनाओं का उपयोग करके स्वचालित दोष निदान और समायोजन आर्किटेक्चर बनाने के लिए एक सामान्य ढांचा प्रस्तुत करता है। इस ढांचे में, न्यूरल नेटवर्क मॉडल ऑनलाइन अनुमानक का एक महत्वपूर्ण वर्ग बनाते हैं। प्रणाली की गतिशीलता में परिवर्तन का निरंतरता से अनुकूलन मॉडल द्वारा निगरानी की जाती है, जिसका उपयोग न केवल विफलताओं को पहचानने के लिए बल्कि उन्हें समायोजित करने के लिए भी किया जाता है। गैर-रेखीय अनुमान विधियों के निर्माण के लिए एक व्यवस्थित प्रक्रिया विकसित की गई है, और ल्यापुनोव सिद्धांत का उपयोग करते हुए एक स्थिर शिक्षण योजना निकाली गई है। अनुकरण अध्ययनों का उपयोग परिणामों को प्रदर्शित करने और डिज़ाइन मापदंडों के चयन में अंतर्दृष्टि प्राप्त करने के लिए किया जाता है।