Прогнозирующее инверсное нейроуправление в условиях возмущений для позиционно-следящего пневмопривода

• Автор: Марков, Николай Александрович
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Владивосток
• Количество страниц: 125 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
Елава I. ЕГРОГНОЗИРУЮЩЕЕ УПРАВЛЕНИЕ: ОСНОВНЫЕ ПОЛОЖЕНИЯ И ТЕНДЕНЦИИ РАЗВИТИЯ
1Л. Базовая схема прогнозирующего управления
1.2. Основные элементы прогнозирующего управления
1.2 Л. Прогнозирующая модель
1.2.2. Целевой функционал
1.2.3. Эталонная траектория
1.3. Обзор промышленных реализаций прогнозирующего управления
1.4. Современные тенденции развития прогнозирующего управления
1.5. Прогнозирующее инверсное нейроуправление
1.6. Оценка тенденций развития прогнозирующего управления по публикационной активности
1.7. Выводы по главе
Елава II. ПРОГНОЗИРУЮЩЕЕ ИНВЕРСНОЕ НЕЙРОУПРАВЛЕНИЕ: ИССЛЕДОВАНИЕ И РАЗВИТИЕ
2.1. Исследование свойств прогнозирующего инверсного нейроуправления
2.1.1. Базовая реализация
2.1.2. О вариативности форм переходных процессов в обучающей выборке
2.1.3. Влияние горизонта прогноза на точность прогнозирующих инверсных моделей
2.1.4. Особенности использования прогнозирующих инверсных моделей в качестве регулятора
2.1.5. Применение сглаживающих фильтров в системах инверсного прогнозирующего нейроуправления

2.1.6. О влиянии измерительного шума на качество прогнозирующего инверсного нейроуправления
2.2. Прогнозирующее инверсное нейроуправление с регенерируемым эталонным переходным процессом
2.2.1. Способы формирования регенерируемого эталонного переходного процесса и пример его реализации
2.2.2. Экспериментальное исследование системы с регенерируемым эталонным переходным процессом
2.2.3. Анализ предложенной системы с регенерируемым эталонным переходным процессом
2.3. Система управления с расширенной прогнозирующей инверсной моделью
2.3.1. Расширенная прогнозирующая инверсная модель
2.3.2. Пример реализации регулятора с расширенной прогнозирующей моделью
2.3.3. Исследование расширенной прогнозирующей модели на примерах управления линейными объектами
2.3.4. Исследование системы управления с расширенной прогнозирующей инверсной моделью на примере управления моделью пневмопривода
2.4. Выводы по главе
Глава III. КОМПЕНСАЦИЯ ВОЗМУЩЕНИЙ В ПРОГНОЗИРУЮЩЕМ ИНВЕРСНОМ НЕЙРОУПРАВЛЕНИИ
3.1. Прогнозирующее инверсное нейроуправление с косвенной оценкой возмущений
3.1.1. Анализ контура компенсации
3.1.2. Рекомендации по настройке канала компенсации
3.1.3. Численные эксперименты
3.2. Система управления с ретроспективным временным интервалом
3.3. Выводы по главе

Глава IV. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ПРЕДЛАГАЕМЫХ РЕШЕНИЙ
4.1. Технические характеристики исследуемого пневмопривода
4.2. Исследование системы управления с расширенной прогнозирующей инверсной моделью
4.3. Управление пневмоприводом в условиях возмущений
4.4. Выводы по главе
ЗАКЛЮЧЕНИЕ
ПРИЛОЖЕНИЕ 1. Математическое описание пневматических систем
ПРИЛОЖЕНИЕ 2. Разработка математической модели пневмопривода в среде МАТЬАВ БитНик
ПРИЛОЖЕНИЕ 3. Акт об использовании результатов диссертации
Список использованных источников

Таким образом, введение сглаживающего фильтра в ПИН регулятор не гарантирует совпадение эталонного и фактического переходных процессов и отсутствия колебательности в системе, что позволяет судить о нерешенности проблемы использования прогнозирующих инверсных моделей с малым горизонтом прогноза.
2.1.6. О влиянии измерительного шума на качество прогнозирующего инверсного нейроуправления
При рассмотрении свойств прогнозирующего инверсного нейроуправления, необходимо также учитывать влияние на качество управления измерительного шума, как правило, неизбежного в реальных условиях. Бесконечно понижать горизонт прогноза в практических приложениях вряд ли окажется возможным из-за большей чувствительности к шуму прогнозирующих моделей с малым горизонтом. Для демонстрации этой проблемы проведем синтез систем по зашумленным данным (рис. 2.9). Для этого повторим численные эксперименты, представленные на рисунке
2.5, добавив при формировании обучающей выборки в канал обратной связи шум с амплитудой 0,1 % от сигнала задания.
Рис. 2.9. Результаты управления по зашумленным данным