Применение искусственных нейронных сетей для решения задач управления динамическими объектами

• Автор: Логовский, Алексей Станиславович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 1998
• Место защиты: Москва
• Количество страниц: 125 с. : ил.

Оглавление.
Введение
Глава 1. Основные понятия теории нейронных сетей
1.1 Биологический нейрон. Строение и основные функции
1.2 Математическая модель нейрона. Нейрон Мак-Каллока-Питтса
1.3 Обобщенная математическая модель нейрона
1.3.1 Нейрон с конечным числом входных сигналов
1.3.2 Нейрон с бесконечным числом входных сигналов
1.4 Пространственное и временное суммирование в нейроне
1.4.1 Механизм временного суммирования
1.4.2 Преобразование временного суммирования в пространственное
1.4.3 Преобразование временного суммирования в пространственное
1.4.4 Обобщенная модель нейрона
1.5 Искусственные нейронные сети
1.5.1 Многослойные нейронные сети
1.6 Системный подход к построению нейросегевых систем
Глава 2. Применения нейронных сетей в системах управления
2.1 Классы задач теории управления, решаемые с использованием искусственных нейронных сетей
2.1.1 Нейросетевая аппроксимация поведения контроллера
2.1.2 Нейросетевая модель измерительного устройства
2.1.3 Нейросетевая модель объекта управления
2.1.4 Задача синтеза в нейросетевой постановке
2.2 Классы динамических объектов, для управления которыми используются нейроконтроллеры
2.2.1 Объекты управления, описываемые дифференциальными уравнениями первого порядка
2.2.2 Динамические объекты, описываемые дифференциальными уравнениями второго порядка
2.2.3 Дискретные дифференциальные уравнения
Глава 3. Примеры практического применения нейронных сетей для решения задач управления динамическими объектами
3.1 Обратная кинематическая задача для робота-манипулятора
3.1.1 Постановка задачи обратной кинематики для робота-манипулятора
3.1.2 Решение прямой задачи кинематики
3.1.3 Решение обратной задачи кинематики
3.1.4 Результаты моделирования
3.2 Использование нейронных сетей для управления обратным маятником,
как неустойчивой системой, в реальном времени
3.2.1 Постановка задачи управления обратным маятником
3.2.2 Математическая модель обратного маятника
3.2.3 Структура нейросетевого для контроллера управления обратным маятником
3.2.4 Моделирование объекта управления
3.2.5 Обучение нейронной сети для моделирования поведения объекта управления
3.2.6 Обучение нейронной сети-контроллера
Литература
Приложение Пакет программ моделирования нейронных сетей NeuroSolutions фирмы NeuroDimension Inc

Введение.
Актуальность темы.
В последнее время во всем мире наблюдается резко возросший объем научных исследований в области теории искусственных нейронных сетей, нейрокомпьютинга и нейроинформатики. Это связано, прежде всего, с теми возможностями, которые искусственные нейронные сети предоставляют для решения сложных, зачастую неформализуемых, прикладных задач.
Искусственные нейронные сети и специализированные вычислительные устройства, созданные на их основе - нейрокомпьютеры - строятся и функционируют по тем же принципам, что и биологические нейронные сети. Подобно своим биологическим аналогам, искусственные нейронные сети представляют собой однородную структуру, состоящую из большого количества параллельно работающих простейших вычислительных элементов -нейронов. За счет применения принципиально нового способа обработки информации достигается гораздо более высокая скорость работы нейросетевых алгоритмов по сравнению с другими алгоритмами. Каждый из составных элементов нейронной сети - нейронов - осуществляет нелинейное преобразование, поэтому нейронная сеть в целом представляет собой нелинейную систему, что особенно важно при использовании нейронных сетей для решения сложных прикладных задач с нелинейными характеристиками.
Искусственные нейронные сети находят широкое применение во многих областях человеческой деятельности. Они активно применяются для решения сложных, часто неформализуемых, прикладных задач, таких как распознавание образов, обработка изображений, обработка сигналов, обработка информации и т.д., а также широко используются для решения различных задач, связанных с управлением динамическими системами. Являясь по своей природе нелинейными адаптивными системами, нейронные сети успешно применяются для управления сложными существенно нелинейными или неформализованными динамическими объектами, там, где неэффективны традиционные алгоритмы управления. Степень использования нейронных сетей в задачах управления за последние несколько лет достигла такого размаха, что уже можно говорить о появлении новой области теории управления

задержка сигнала до момента и
Чіі)_[ w(t2) у
х(Уо)

х(и.)

Чім) У,(іі)
рис. 1.6 Реализация временного суммирования в виде пространственного.