Нейронные сети и нейроконтроллеры. Бураков М.В. - 116 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

116
ентированных на использование при обучении алгоритма обратно-
го распространения ошибки [26, 42, 43].
В схеме прямого инверсного управления (Direct Inverse Neuro-
control или Generalized Inverse Neurocontrol) ИНС рассматривается
как инверсная модель динамики системы (рис. 4.25).
Обучение ИНС происходит в режиме offline, причем сигнал u(t)
здесь выступает в качестве тестового, поэтому он может представ-
лять собой некоторый случайный процесс.
В ходе обучения ИНС должна аппроксимировать зависимость
значений управляющего сигнала u(k) от предыдущего состояния
X(k − 1). Таким образом, обучающую выборку формирует множе-
ство пар вида
{X(k − 1), u(k)}
i
, i = 1, 2, …, N.
Основная трудность использования алгоритма обратного распро-
странения ошибки в рамках этой схемы заключается в том, что при
этом необходимо находиться в окрестности глобального минимума
ошибки, а это требует достаточно точного знания структуры системы.
Поэтому более эффективным может быть использование алгоритмов
глобальной оптимизации, таких, как генетический алгоритм.
После обучения ИНС используется для непосредственного
управления объектом.
Рис. 4.24. Нейроуправление по состоянию
Объект
y(k )
g(k + 1)
НС
∆
u ( k)
X(k + 1)
Рис. 4.25. Прямое инверсное нейроуправление
е
u
(k)
Алгоритм
обучения
u
m
(k)
–
Объект
y(k )
ИНС
u(k)
+
∆
X(k –1)

Страницы