Нейронные сети и нейроконтроллеры. Бураков М.В. - 224 стр.

UptoLike

Составители: 

224
решения, при котором пригодность одной из хромосом превысит
заданный порог. Дополнительными условиями выступают отсут-
ствие улучшений на длительном интервале времени или просто ис-
течение времени, отведенного на поиск решения.
Подсистема моделирования содержит две модели:
эталонную модель (ЭМ), которая описывает желаемую реак-
цию объекта на тестовый сигнал. Такая модель может быть намного
проще реального объекта, например, это может быть динамическое
звено невысокого порядка или просто набор выходных координат в
заданные моменты времени;
имитационную модель системы управления, включающую в
себя описание регулятора и объекта и реализованную в виде ком-
пьютерной программы или блок-схемы Simulink.
Эталонная и имитационная модели запускаются одновременно,
порождая два переходных процесса: желаемый и реальный. Соот-
ветственно при моделировании с определенным шагом накаплива-
ются два массива (вектора) точек. Пригодность хромосом обратно
пропорциональна расстоянию между этими векторами.
Таким образом, блок оценки качества решения возвращает зна-
чение пригодности каждой хромосомы (фитнес-функцию), что не-
обходимо для выполнения генетических операций.
Время работы ГА измеряется поколениями (генерациями). Каж-
дое поколение заново подвергается тестированию и генетическим
операциям.
Рассмотрим два примера использования ГА при синтезе нейро-
сетевых регуляторов.
Пример 8.2. Генетический синтез нейроконтроллера двигателя
постоянного тока.
Рассмотрим задачу управления скоростью вращения вала двигате-
ля постоянного тока (ДПТ) с возбуждением от постоянных магнитов.
Математическая модель рассматриваемого ДПТ может быть вы-
ражена системой уравнений [61]:
â
,
sgn( ) ,
,
,
a
a aa a a
m
L m mm
am
La
di
v Ri L e
dt
d
TJ T B
dt
eK
T Ki
ω
ωω
ω
ì
ï
ï
=+ +
ï
ï
ï
ï
ï
ï
=+ +
í
ï
ï
ï
=
ï
ï
ï
ï
=
ï
î
где v
a
напряжение питания обмотки якоря; R
a
активное сопро-
тивление обмотки якоря; i
a
ток, индуктируемый в проводниках