Разработка и исследование нейросетевых алгоритмов управления стационарными и нестационарными объектами

• Автор: Елисеев, Владимир Леонидович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Москва
• Количество страниц: 208 с. : ил.

Содержание
Введение
Глава 1. Современные тенденции применения нейронных сетей в задачах автоматического управления
1.1. Области применения нейронных сетей в современных системах
управления
1.2. Нейронные сети как объект проектирования
1.3. Роли нейронных сетей в системах управления
1.4. Нейросетевой регулятор
1.5. Идентификация и нейросетевая модель объекта управления
1.6. Прочие способы применения нейронных сетей
1.7. Сопоставление нейросетевых и линейных регуляторов
1.8. Программные комплексы для изучения нейросетевых систем управления
1.9. Выводы
Глава 2. Методика замены линейного регулятора на нейросетевой
2.1. Постановка задачи
2.2. Архитектура нейросетевого регулятора
2.3. Обучающие данные
2.4. Обучение нейронной сети регулятора и контроль качества имитации
2.5. Пример с линейным объектом третьего порядка
2.6. Пример с нелинейным объектом управления
2.7. Выводы
Глава 3. Синтез нейросетевого оптимального регулятора

3.1. Постановка задачи
3.2. Принцип обучения нейрорегулятора с использованием инверсной
модели
3.3. Синтез нейросетевой модели объекта управления
3.4. Данные для обучения нейросетевой модели
3.5. Анализ процесса обучения нейросетевого оптимального регулятора
3.6. Обучение нейросетевого оптимального регулятора в реальных
условиях
3.7. Сравнение с винеровским оптимальным регулятором
3.8. Выводы
Глава 4. Нейросетевое управление нестационарным объектом
4.1. Метод постоянной адаптации
4.2. Метод адаптации по обнаружению разладки
4.3. Эксперименты в стационарных и нестационарных условиях
4.4. Выводы
Глава 5. Нейросетевое управление мобильным роботом
5.1. Описание робота
5.2. Задача движения на маяк
5.3. Синтез нейросетевого регулятора
5.4. Сравнительный эксперимент
5.5. Выводы
Глава 6. Программный пакет для моделирования и обучения методам нейросетевого управления
6.1. Описание программного пакета
6.2. Применение пакета в курсе лабораторных работ
6.3. Описание лабораторных работ
6.3.1. Синтез нейросетевого регулятора

6.3.2. Сравнение нейросетевого, винеровского оптимального и ПИД регулятора
6.3.3. Нейросетевое управление нестационарным объектом
6.4. Выводы
Заключение
Литература

туальными входами и не зависит от состояния нейросети в предыдущие моменты времени, а также от прошлых входов.
Для построения адекватной динамической модели следует снабдить нейросеть информацией о прошлых состояниях. В литературе по нейросетевому управлению известно несколько способов решения этой проблемы. Наиболее очевидный из них предполагает использование обратных связей внутри нейронной сети для сохранения состояния между рабочими тактами. Второй состоит в добавлении внешних обратных связей к базовой нейросети прямого распространения. Третий вариант предполагает непосредственное повторение нескольких прошлых наблюдений с целью “напомнить” нейросети о состоянии моделируемого объекта в предыдущие моменты времени. Четвертым вариантом является подход, объединяющий два предыдущих. Рассмотрим их подробнее.
Один из возможных вариантов модели с внутренним состоянием нейронной сети предложен в [48]. Архитектура описанной нейросетевой модели представляет собой расширенный вариант радиально-базисной сети с РШ фильтром в локальной обратной связи. Функционирование нейрона в нейросетевой модели описывается уравнением (1.2), однако радиально-базисная функция Ш.) вычисляется по более сложной формуле, включающей локальные обратные связи:
Настройка такой нейронной сети проводится с помощью адаптированного градиентного метода и имеет целью коррекцию весовых коэффициентов нейронной сети Wi и FIR фильтра ад5. В работе [48] не предложено аргументированного способа выбора глубины обратной связи S.
Другой вариант нейросетевой модели, предложенный в [47] имеет архитектуру сети Элмана [9]. Нейронная сеть имеет внешнюю архитектуру уи+1