Алгоритмический синтез нейросетевых систем управления нелинейными динамическими объектами в условиях неопределенности

Алгоритмический синтез нейросетевых систем управления нелинейными динамическими объектами в условиях неопределенности

Автор: Тюкин, Иван Юрьевич

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2001

Место защиты: Санкт-Петербург

Количество страниц: 273 с.

Артикул: 318957

Автор: Тюкин, Иван Юрьевич

Стоимость: 250 руб.

Алгоритмический синтез нейросетевых систем управления нелинейными динамическими объектами в условиях неопределенности  Алгоритмический синтез нейросетевых систем управления нелинейными динамическими объектами в условиях неопределенности 

1. Разработан метод аналитическою синтеза оптимальных законов управления для класса нелинейных Динамических объектов. В качестве основных информационных единиц используются вектор состояния объекта локальная информация и желаемые инвариантные многообразия макроинформация. Синтезируемые макропеременные в последующем выполняют роль обобщенных ошибок в процедурах обучения МНС.
2. В развитие метода синтеза агрегированных регуляторов в условиях неопределенности математической модели объекта введен метод адаптивного управления на многообразиях и анализируются условия его применимости, в частности, в случае невыпукло параметризованных математических моделей объекта.
3. Методика синтеза нейросетевых систем управления, базирующаяся на методах адаптивного управления на многообразиях и синтеза оптимальных законов управления.
Компьютерное моделирование произведено с использованием пакета МАТНЬАВ 5.2. Моделирование подтвердило теоретические результаты работы.
Практическая ценность выполненной работы состоит в создании аппарата алгоритмического синтеза нейросетевых систем управления нелинейными динамическими объектами в условиях неопределенности.
ОГЛАВЛЕНИЕ
Введение


Схемы обобщенных настраиваемых объектов с МНС с инверсной моделью обучения а разомкнутая схема б замкнутая структура, г к вектор входа обучаемой МНС у к вектор выхода ОУ еу к г су к ошибка обучения нейронной сети аобобщенная ошибка обучения. Первая из схем на рис. Б. Уидроу 3. Вторая схема использования настраиваемой сети соответствует структуре адаптивной системы прямот действия . Схемы на рис. Однако формирование полной структуры нейросетевых систем управления завершается на этапе синтеза алгоритмов обучения нейросетей, в результате чего в схемах систем управления появляются дополнительные каналы формирования информации, необходимой для вычислений в алгоритмах обучения. Включение обучаемой нейросети в структуру системы управления динамическим объектом предъявляет требования к описанию многослойной сети с помощью того же математического аппарата, который используется для описания объекта и системы управления в целом, т. Эквивалентные дифференциальные уравнения, объединяющие статическое нелинейное преобразование 1. ВР, введены в книге . Кратко технология эквивалентного описания процессов в обучаемой многослойной нейросети сводится к следующему. Чк, в I, К , 1. Л нелинейный оператор преобразования своих аргументов о, вектор обобщенной ошибки обучения в слое . Так как вектор, то нелинейный оператор Л0, очевидно, соответствует правой части уравнения 1. В силу уравнений 1. В формулах 1. ОдК оед2д1е,е0,К1. Эквивалентные структурные схемы, отражающие функционирование обучаемой многослойной нейросети в соответствии с 1, приведены на рис. Входами эквивалентной схемы являются векторы ,0, и о, выходами служат векторы и в схеме обобщенного настраиваемого объекта и дО сч0 о0 .

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.485, запросов: 244