Повышение подвижности быстроходной гусеничной машины на основе перераспределения во времени управляющих силовых воздействий

• Автор: Карпов, Егор Константинович
• Шифр специальности: 05.05.03
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Курган
• Количество страниц: 150 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

1. СОСТОЯНИЕ ВОПРОСА, ОБОСНОВАНИЕ ПРЕДЛАГАЕМОГО

ПОДХОДА РЕШЕНИЯ ПРОБЛЕМЫ И ЗАДАЧИ ИССЛЕДОВАНИЯ

1Л Анализ методов оценки подвижности быстроходной гусеничной машины в характерных условиях движения
1.2 Зависимость подвижности быстроходной гусеничной машины от удельной мощности двигателя, динамических свойств машины, типа системы управления поворотом
1.3 Анализ автоматизированных систем управления движением быстроходной гусеничной машины и методов синтеза оптимального управления

1.4 Задачи исследования

2. ТЕОРЕТИЧЕСКОЕ ИССЛЕДОВАНИЕ ДИНАМИКИ УПРАВЛЕНИЯ ДВИЖЕНИЕМ БЫСТРОХОДНОЙ ГУСЕНИЧНОЙ МАШИНЫ
2.1 Математическая модель плоскопараллельного движения транспортной машины в горизонтальной плоскости
2.2 Синтез автоматизированного управления на основе аппарата эБарег-фильтров
2.3 Алгоритм идентификации и раздельного регулирования различных типов движения БГМ с применением искусственных нейронных сетей
2.4 Расчёт и построение модели адаптивного ZVD-shaper-фильтpa системы автоматизированного управления движением БГМ
2.5 Выводы
3. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ДИНАМИКИ УПРАВЛЕНИЯ ДВИЖЕНИЕМ БЫСТРОХОДНОЙ ГУСЕНИЧНОЙ МАШИНЫ
3.1 Объект и задачи экспериментального исследования
3.2 Комплекс измерительно-информационной аппаратуры
3.3 Проведение экспериментальных исследований управления движением

быстроходной гусеничной машины, статистическая обработка и анализ
результатов
3.4 Выводы
4. ОБОБЩЕНИЕ РЕЗУЛЬТАТОВ ТЕОРЕТИЧЕСКОГО И ЭКСПЕРИМЕНТАЛЬНОГО ИССЛЕДОВАНИЯ
4.1 Сопоставление результатов теоретического и экспериментального исследования
4.2 Алгоритм коррекции управляющих воздействий
4.3 Расширение функциональности и оптимизация разработанной автоматизированной системы
4.4 Оценка эффективности результатов исследования
ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ И ВЫВОДЫ
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ
ВВЕДЕНИЕ
Актуальность темы исследования
Одним из основных эксплуатационных свойств быстроходных гусеничных машин (БГМ) является подвижность, оцениваемая скоростными качествами. Повышение удельной мощности машин до 25 кВт/т, совершенствование трансмиссий, систем управления движением и информационного обеспечения способствует росту потенциальных скоростных качеств современных гусеничных машин. Однако реализация потенциальных скоростных качеств ограничивается рядом динамических явлений характеризующих управляемость при прямолинейном движении и в процессе поворота. Это свойство характеризует все аспекты динамики системы «Человек - машина - внешняя среда» и оценивается динамическими, кинематическими и силовыми характеристиками. Динамические свойства определяются по фазовым частотным характеристикам и качеству переходных процессов, т.е. по реакции машины на управляющее воздействие.
Повышение степени реализации потенциальных скоростных качеств быстроходной гусеничной машины и управляемости частично достигается введением корректирующего устройства - ПИД-регулятора в систему управления движением БГМ. Однако эффективность такого решения ограничена вследствие вариации параметров конструкции гусеничной машины, входящих в математическую модель, определяющих собственную частоту системы и её демпфирующие свойства, в соответствии с которыми синтезирован регулятор. Кроме того, параметры сенсора бокового движения сильно зашумлены и их сигналы существенно запаздывают относительно управляющего воздействия, что снижает эффективность обратной связи.
В настоящее время для трудно формализуемых систем и, - для которых сложно организовать обратную связь применяется перераспределение управляющих воздействий во времени посредством вйарег-фильтров. Они обеспечивают управление объектом по управляющему воздействию. Применение нового информационного подхода для повышения степени реализации

системы. В частности, комплексную задачу можно разбить на последовательность относительно простых, часть из которых может решаться нейронными сетями [58].
С позиций нейронной сети используется следующее определение понятия “обучения”:
Обучение - это процесс, в котором свободные параметры нейронной сети настраиваются посредством моделирования среды, в которую эта сеть встроена. Тип обучения определяется способом подстройки этих параметров.
Это определение процесса обучения предполагает следующую последовательность событий:
1) в нейронную сеть поступают стимулы из внешней среды;
2) в результате этого изменяются свободные параметры нейронной сети;
3) после изменения внутренней структуры нейронная сеть отвечает на возбуждения уже иным образом.
Вышеуказанный список четких правил решения проблемы обучения называется алгоритмом обучения. Несложно догадаться, что не существует универсального алгоритма обучения, подходящего для всех архитектур нейронных сетей. Существует лишь набор средств, представленный множеством алгоритмов обучения, каждый из которых имеет свои достоинства. Алгоритмы обучения отличаются друг от друга способом настройки синаптических весов нейронов.
Многослойный персептрон, обучаемый согласно алгоритму обратного распространения, можно рассматривать как практический механизм реализации нелинейного отображения “вход-выход” общего вида.
Теорема об универсальной аппроксимации, обосновывающая минимальное количество скрытых слоев многослойного персептрона, обеспечивающего аппроксимацию некоторого непрерывного отображения, является теоремой существования, т.е. математическим доказательством возможности аппроксимации любой непрерывной функции [90]. Тем не менее из теоремы не следует, что один скрытый слой является оптимальным в смысле времени