Синтез адаптивных нейросетевых систем управления классом нелинейных динамических объектов

• Автор: Ефимов, Денис Валентинович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Санкт-Петербург
• Количество страниц: 170 с. : ил

1. Метод синтеза адаптивных нейросетевых систем управления аффинными объектами в условиях параметрической неопределенности и внешних возмущений.
2. Модификация метода аналитического синтеза агрегированных регуляторов метода АКАР, позволяющая стабилизировать динамические системы в условиях внешних возмущений, приведенных КО входу системы.
3. Процедура аналитического конструирования функций агрегированных макропеременпых, гаралтируюнщх минимальные энергетические затраты на управление нелинейными динамическими объектами в адаптивных системах.
Компьютерное моделирование произведено с использованием пакета МАТЬАВ 5.2, набор библиотек М1ЛЛ1ЧК 2.1. Моделирование подтвердило теоретические результаты работы.
Практическая ценность выполненной работы состоит в создании аппарата алгоритмического синтеза нейросетевых систем управления классом нелинейных динамических объектов в условиях неопределенности.
СОДЕРЖАНИЕ
Введение


МНС2
Отличительной особенностью рассмотренных систем управления является использование нейросети в задачах управления динамическими объектами как статическою преобразователя информации по заданном закону, без учета динамики объекта управления в алгоритме обучения. Подобный подход объясняется традиционным использованием сети в задачах управления статическими объектами при воспроизведении заданного класса функций. Необходимость учета динамики управляемого объекта в алгоритме обучения сети обуславливает переход к системам управления на базе динамических сетей. Процедура обучения нейросетей параллельно процессу управления недоопределенным объектом наделяет этот класс систем адаптивными свойствами. В большинстве работ, посвященных применению динамических нейросетей в задачах управления, используется рекуррентная сеть Дж. Хопфилда ,. Использования сетей с динамическими функциями активации встречаются реже. Примером может служить работа , опубликованная еще в году, в которой на базе искусственной нейронной сети с динамической функцией активации реализована процедура разложения передаточной функции объекта в спектр по ортогональным многочленам. Позднее, в работах ,, вновь была продемонстрирована эффективность использования многослойных нейросетей в задачах идентификации и адаптивного управления нелинейными динамическими объектами. Однако сразу наметился и основной недостаток этого подхода сложность анализа устойчивости переходных процессов в нейросетевых системах управления с настраиваемыми в реальном времени многослойными сетями. В целях компенсации этого недостатка в работе было предложено использовать многослойные нейросети с фиксированными весовыми коэффициентами в скрытых слоях с нелинейными функциями активации.