УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта


јвтор:  ≈ременко ё. »., √лущенко ј. ».
Ќазвание:  ќ разработке метода выбора структуры нейронной сети дл€ решени€ задачи адаптации параметров линейных регул€торов
¬ыпуск:  62
–убрика:  јнализ и синтез систем управлени€
√од:  2016
Ѕиблиографи€:  ≈ременко ё. »., √лущенко ј. ». ќ разработке метода выбора структуры нейронной сети дл€ решени€ задачи адаптации параметров линейных регул€торов / ”правление большими системами. ¬ыпуск 62. ћ.: »ѕ” –јЌ, 2016. —.75-123.
 лючевые слова:  нейронна€ сеть, адаптивное управление, ѕ»ƒ-регул€тор, нейросетевой оптимизатор, выбор структуры нейронной сети, врем€ задержки входных сигналов.
 лючевые слова (англ.):  neural network, adaptive control, PID-controller, neural tuner, neural network structure selection, input signals delay time.
јннотаци€:  –ассмотрена проблема выбора структуры нейронной сети (Ќ—), осуществл€ющей в составе нейросетевого оптимизатора настройку параметров ѕ-, ѕ»- или ѕ»ƒ-регул€тора в реальном времени при управлении нелинейными объектами. ѕредложен подход, позвол€ющий без построени€ модели объекта управлени€ (ќ”) определ€ть количество слоев сети и нейронов в них, функции активации и врем€ задержки сигналов выхода ќ”, подаваемых на вход Ќ—. –азработан алгоритм построени€ и инициализации Ќ— нейросетевого оптимизатора. –езультаты численных экспериментов на модел€х ќ” и практической реализации дл€ двух электронагревательных печей показали экономию времени и энергоносител€ на выполнение графика заданий при использовании оптимизатора по сравнению с обычным линейным регул€тором, что подтверждает адекватность предложенного подхода.
јннотаци€ (англ.):  The problem of a neural network structure selection is considered. It is used as a part of a neural tuner to adjust P-, PI- or PID-controllers parameters online to control nonlinear plants. A method to find a number of network layers, neurons in each of them, choose activation functions and calculate delay time for network delayed inputs is proposed. Such method does not need a plant model. An algorithm to synthesize and initialize the neural network for the neural tuner with the help of a-priori known data about the plant is developed. Having made the experiments with plant models and two electroheating furnaces, we conclude that neural tuner helps to achieve both time and energy consumption decrease to complete setpoint schedule in comparison with conventional linear controller. This fact shows that proposed method is valid.

в формате PDF
ќбсудить статью в »нтернет-конференции по проблемам управлени€

ѕросмотров: 1308, загрузок: 529, за мес€ц: 17.

Ќазад

»ѕ” –јЌ © 2007. ¬се права защищены