Нейронные сети и нейроконтроллеры. Бураков М.В. - 104 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

104
С помощью ИНС можно идентифицировать не только объект
управления, но и регулятор объекта, поскольку последний также
является динамическим звеном. Искусственные нейронные сети
могут быть использованы в различных конфигурациях в контексте
управления. Такая сеть может заменять человека в контуре управ-
ления, когда работа происходит в опасных условиях или для ис-
ключения ошибок из-за усталости, неопытности и т. п.
Для замены существующего регулятора (или человека-опера-
тора) нейросетевой моделью в режиме on line (рис. 4.9) следует в
определенные моменты времени считывать с датчиков сигналы со
входа регулятора (т. е. ошибка е(t) или описание состояния объекта
x(t)) и с его выхода – сигнал управления u(t). Описание состояния
подается на вход ИНС, а описание сигнала управления использует-
ся для расчета текущей ошибки выхода ИНС. Алгоритм обратного
распространения ошибки позволяет минимизировать ее:
() () ().
um
e t u t ut=-
При обучении в режиме offline с помощью существующего ре-
гулятора создается обучающая выборка, и ИНС обучается по этой
выборке.
Пример 4.3. Пусть имеется система управления с ПД-регулятором.
Требуется заменить его эквивалентным нейронным.
На рис. 4.10 приведена исходная схема, необходимая для полу-
чения обучающей выборки.
Поскольку ПД-регулятор является линейным, для его замены
можно использовать ИНС ПР с линейной активационной функцией:
>> net=newff([–1 1; –5 5], [3,1], {'purelin','purelin'},'trainlm');
P = simout';
T = simout1';
net.trainParam.show = 50;
Рис. 4.9. Обучение с помощью существующего регулятора
Регулятор
Алгоритм
обучения
+
–
Объект
y(t)
НР
+ –
u(t)
u
m
(t)
e
u
(t)
e(t)x(t)

Страницы