Персептронний класифікатор теплового комфорту

Abstract

Алгоритмізація управління автоматизованими системами тепловим комфортом людини для встановлення оптимального теплового комфорту з використанням класифікаційних та обчислювальних можливостей найпростішої одношарової нейронної мережі – персептрону. Класифікація гіперпростору станів системи теплового комфорту штучною нейронною мережею, математичний аналіз класифікаційних рівнянь гіперплощин, сформованих внутрішніми нейронами персептрону, оптимізація стану теплового комфорту шляхом визначення координат проекції вектору-образу теплового комфорту на гіперплощини. Розвиток методів і моделей нейронних мереж для формування алгоритму управління системою теплового комфорту людини. Досліджено використання класифікаційних та обчислювальних властивостей персептрону як інструменту геометричної інтерпретації переходу від дійсного стану теплового комфорту до бажаного у багатовимірному гіперпросторі станів системи, що дозволило відмовитись від формулювання аналітичної оптимізаційної функції. Розвинено і поширено на клас систем теплового комфорту класифікаційні властивості штучної нейронної мережі. Вперше для подальшої формалізації алгоритму зміни параметрів довкілля використано метод Качмажа. Енергоефективність складних багатофакторних динамічних технічних систем забезпечується не тільки досконалим сучасним обладнанням, але і раціональними моделями управління. Технології нейронних мереж дозволяють оптимально використати класифікаційні та обчислювальні можливості штучних нейронних мереж для формування команд управління виконавчим пристроям систем теплового комфорту.

Алгоритмизация управления автоматизированными системами тепловым комфортом человека для установления оптимального теплового комфорта с использованием классификационных и вычислительных возможностей простой однослойной нейронной сети – персептрона. Классификация гиперпространства состояний системы теплового комфорта искусственной нейронной сетью, математический анализ классификационных уравнений гиперплоскостей, сформированных внутренними нейронами персептрона, оптимизация состояния теплового комфорта путем определения координат проекции вектора-образа теплового комфорта на гиперплоскости. Развитие методов и моделей нейронных сетей для формирования алгоритма управления системой теплового комфорта человека. Исследовано использование классификационных и вычислительных свойств персептрона как инструмента геометрической интерпретации перехода от действительного состояния теплового комфорта к желаемому в многомерном гиперпространстве состояний системы, что позволило отказаться от формулировки аналитической оптимизационной функции. Развито и распространено на класс систем теплового комфорта классификационные свойства искусственной нейронной сети. Впервые для дальнейшей формализации алгоритма изменения параметров окружающей среды использован метод Качмажа. Энергоэффективность сложных многофакторных динамических технических систем обеспечивается не только совершенным современным оборудованием, но и рациональными моделями управления. Технологии нейронных сетей позволяют оптимально использовать классификационные и вычислительные возможности искусственных нейронных сетей для формирования команд управления исполнительным устройствам систем теплового комфорта.

Algorithmic control of automated systems by human thermal comfort for the establishment of optimal thermal comfort with the use of classification and computational capabilities of the simplest single layer neural network – perceptron. Classification of the hyperspace of the states of the thermal comfort system by an artificial neural network, mathematical analysis of the classification equations of the hyperplanes, formed by the internal periphery perceptron neurons, optimization of the thermal comfort state by determining of the coordinates of the projection of the thermal comfort vector-image on the hyperplane. Development of methods and models of neural networks for forming of the algorithm of control of human thermal comfort system. The use of classification and computational properties of the perceptron as an instrument of geometric interpretation of the transition from the real to the desired state of thermal comfort s in the multidimensional hyperplane space has been studied. Such an approach made it possible to abandon of the formulation of the analytical optimization function. The classification properties of the artificial neural network have been developed and extended to the class of systems of thermal comfort. For the first time, the method of Kačmaža was used to further formalize the algorithm of environmental parameters change. Energy efficiency of complex multifactorial dynamic technical systems is ensured not only by advanced modern equipment, but by rational management models also. Neural network technologies allow to use the classification and computational capabilities of artificial neural networks optimally to form commands for the devices of thermal comfort systems managing.