Об одном методе построения системы прогнозирующего управления на основе нейронной сети Текст научной статьи по специальности «Экономика и бизнес»

повой переходный процесс в контуре с настроенным регулятором, постоянная времени эталонного фильтра около 2 с, интервал дискретизации 0,2 с.

1бо[- ч7» -/-- V > - —■ .....* - н ф, рад

140 120 100 80 60 40 20 0

г " 1 Г 1 — 1 1 Ф> рад ■..... 1 ,,Т" 1

-j— ; t, с

05

Рис.2. Отклик ЭМС на импульсное * Рис.3. Типовой вид управляемого

возмущение по управляемому входу переходного процесса

Отмечается отсутствие перерегулирования, однако повышенная колебательность процесса.

В настоящее время анализируется перевод регулятора на многошаговую стратегию [2] с целью дальнейшего понижения колебательности процесса и формализуется алгоритмическое обеспечение регулятора. 1

ЛИТЕРАТУРА

1. Управление колебаниями роботов / С. В. Елисеев, Н. К. Кузнецов, А. В. Лукьянов; Отв. ред. В. А Путилов, АН СССР, Сиб. отд-ние, Президиум Иркут. науч. центра, Отд. автоматизации и техн. физики. - Новосибирск: Наука, Сиб, отд-ние, 1990 - 317 с.

2. Juan М. Martin-Sanchez, Jose Rodellar. Adaptive predictive control: From the concepts to plant optimization. - Prentice Hall International (UK) Limited, 1996.

3. Шипитько И.А. Прогнозирующее управление с нейросетевой моделью объекта для манипулятора с нежесткими звеньями: Дисс. на соиск. уч. степ. канд. техн. наук. - Владивосток, ДВГТУ, 2004.

Безручко Т.В., Шипитько И.А.

ОБ ОДНОМ МЕТОДЕ ПОСТРОЕНИЯ СИСТЕМЫ ПРОГНОЗИРУЮЩЕГО УПРАВЛЕНИЯ

НА ОСНОВЕ НЕЙРОННОЙ СЕТИ.

Данная работа посвящена проблеме, возникшей при синтезе регулятора на основе одношаго-вой прогнозирующей модели. О методах прогнозирующего управления и их применении написано уже достаточно много. Методика обучения нейронной сети и синтеза на её основе регулятора широко известна, поэтому перейдём непосредственно к проблеме. В качестве объекта управления взята модель вертолета НшпшоЙ СЕ 150. Передаточная функция этого объекта имеет вид:

У(Ю _ 3.234

и(в) (1 + 0.25з)2 • (1 + 0.223з) ■ э '

В качестве моделирующей структуры примем сеть, состоящую из одного нейрона, имеющего 10 входов и обладающего линейной функцией активации «ригеНп». Частота дискретизации принята 0,1 с. Обучив данную сеть на объекте (1), выразим из нее алгебраически инверсное преобразование динамики объекта и исследуем переходный процесс последовательно включенных моделей инверсной и прямой (1) динамики объекта. Результат представлен на Рисунке 1.

Рис. 1. Исследование компенсации прямой и Рис.2. Переходный процесс

обратной динамики объекта ' системы (2)

Как известно прямая и обратная модели динамики должны компенсировать действие друг друга. Однако в данном случае этого не происходит, а, напротив, наблюдается скачок до значения

6 х1015. Исходя из вида переходного процесса, представленного на Рисунке 1, можно предположить, что система имеет вид звена, с передаточной функцией типа:

! ' УУ ~ ——~ * (2)

Для сравнения приведём график переходного процесса данной передаточной функции (см. Рисунок 2).

Охватим нашу систему отрицательной обратной связью и вычислим передаточную функцию регулятора, исходя из необходимой нам эквивалентной передаточной функции, которую примем равной:

Найдем эквивалентную передаточную функцию

=_по рег (4)

экв 1 +

Выразим из формулы (4) Ж и получим следующую передаточную функцию:

= ^ + 28^28 + 1

р=г Э3 + 2в2 + Б ' ()

Получившийся переходный процесс представлен на Рисунке 3. Сигнал достигает значения 2 х 1024. Примем теперь IV- £ +1. В этом случае передаточная функция регулятора примет вид:

Переходный процесс в данном случае представлен на Рисунке 4.

Как видно из графика скачок стал меньше на три порядка, однако даже подгонкой постоянных времени в передаточной функции регулятора избавиться от него не удаётся. Однако эмпирическим путём можно подобрать такой коэффициент Ы, при котором система выйдет в заданное положение. При Ь1==1 переходный процесс имеет вид, представленный на Рисунке 5.

Рис.3. Переходный процесс с Рис.4. Переходный процесс с

регулятором (5) регулятором (6)

O.D5

-GQS -ЛИ

■о «

-0.2 -0.56 -ал

Рис5. Переходный процесс при скорректированном эмпирически коэффициенте Ы

ЗАКЛЮЧЕНИЕ.

На Рисунке 5 переходный процесс выходит на значение 0,2, тогда как эквивалентная передаточная функция задавалась интегральным звеном первого порядка, т.е. переходный процесс должен был выйти на значение 1. Возможно дальнейшей подгонкой коэффициента Ы, а также постоянных времени регулятора можно будет достичь более приемлемых результатов, однако вывести какую либо методику настройки данной системы пока не представляется возможным. Из всего этого, на мой взгляд, можно сделать вывод, что линейная функция активации, используемая в нейронной сети в данном случае не справляется с поставленной задачей, т.е. для управления принятым объектом необходимо использовать другой тип нейрона.

I

ЛИТЕРАТУРА.

1. Дьяконов В.П., Круглов В.В. Математические пакеты расширения MATLAB. Специальный справочник. - С.-Пб.: Питер, 2001. - 480с.

2. Оссовский С. Нейронные сети для обработки информации/Пер. с польского. - М.: Финансы и статистика, 2002.- 344с.

3. Короткий С. Нейронные сети: основные положения [Электронный ресурс]. - Режим доступа: http://Hi.newmail.ru/NN/KQROTKY/N 1 /кот_пд 1 .htm, свободный. - Загл. с экрана.

-1-1-!-!- -i-' -------

\ ! ! ! ■ j

1. — ......4------- -------j------j------- Л I .......\------ ......

| 1 ■ 1 i Я ■ j

j i ^___1 | i 1 L.... a ■ t ■ ■ t i » j i

■ t ч щ ■ я ■ i i > M ■ i I 1 1 1