Нейронные сети и нейроконтроллеры. Бураков М.В. - 118 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

118
Поэтому при обучении целесообразно использовать ошибку вы-
хода объекта e
y
(t), а не ошибку управления e
u
(t).
В методе специализированного инверсного нейроуправления
(рис. 4.27) проблема обучения инверсной динамике решается пу-
тем аппроксимации аналитической модели управляемого объекта
и вычисления локальных значений якобиана для различных обла-
стей пространства состояний.
Коррекция весовых коэффициентов нейронной сети выполняет-
ся методом наискорейшего спуска:
1
1
( ) () (),
( ) ()
() () ,
() ()
wk wk wk
yk uk
wk ek
uk wk
∆
∆α
+= -
+¶
=-
¶¶
где α – коэффициент скорости обучения.
Величина производной
()
()
uk
wk
вычисляется методом обратного
распространения ошибки, а производная
1()
()
yk
uk
¶+
представля-
ет собой якобиан объекта управления, значение которого можно
найти аналитически по заданной математической модели объекта
управления. На практике для получения приемлемого качества
управления часто бывает достаточно вычислить лишь знак якобиа-
на [26]. Коррекция значений весовых коэффициентов продолжает-
ся до достижения приемлемого качества управления.
Нейронная сеть обучается с целью минимизации ошибки управ-
ления e
y
(t). Метод может обеспечить оптимальное решение, если
ошибка измеряется надежно.
Проблема специализированного инверсного обучения при ис-
пользовании АОРО заключается в том, что в этой схеме e
y
(t) оказы-
Рис. 4.27. Специализированное инверсное управление
X(k –1)
е
y
(k)
Алгоритм
обучения
–
Объект
y(k)
ИНС
+
u(k)
g(k)
∆

Страницы