УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта

јвтор:  √лущенко ј.».
Ќазвание:  ќ методе определени€ скорости обучени€ нейронной сети дл€ задачи оперативной настройки линейных регул€торов при управлении нелинейными объектами
—татус:  опубликовано
»здательство:  »ѕ” –јЌ
√од:  2018
“ип:  стать€ вед.журн.
Ќазвание журнала:  ”правление большими системами
¬ыпуск:  72
Ѕиблиографи€:  √лущенко ј.». ќ методе определени€ скорости обучени€ нейронной сети дл€ задачи оперативной настройки линейных регул€торов при управлении нелинейными объектами // ”правление большими системами. ¬ыпуск 72. ћ.: »ѕ” –јЌ, 2018. —.52-107. URL: https://doi.org/10.25728/ubs.2018.72.4
–убрика:  ћатематическа€ теори€ управлени€
 лючевые слова:  адаптивное управление, ѕ»-регул€тор, скорость обучени€ нейронной сети, второй метод Ћ€пунова, устойчивость
 лючевые слова (англ.):  adaptive control, PI-controller, neural network learning rate, LyapunovТs second method, sustainability
јннотаци€:  –ассмотрена проблема выбора скорости оперативного обучени€ нейронной сети, €вл€ющейс€ составной частью нейросетевого настройщика, осуществл€ющего адаптацию ѕ-/ѕ»-регул€тора в реальном масштабе времени. ¬ыходами сети €вл€ютс€ параметры регул€тора. ƒанный вопрос непосредственно св€зан с оценкой устойчивости изучаемой системы управлени€, поскольку излишне высокие скорости обучени€ могут привести к переходу объекта в неустойчивое состо€ние. ¬ работе предложен подход, основанный на втором методе Ћ€пунова и позвол€ющий, не име€ модели объекта управлени€, определ€ть верхний допустимый предел дл€ скорости обучени€ нейронной сети в различных ситуаци€х. ѕроведено моделирование и натурные эксперименты дл€ типовых агрегатов из классов нагревательных печей и двигателей посто€нного тока, подтверждающие адекватность предложенного подхода.
јннотаци€ (англ.):  The problem of a neural network learning rate calculation for online training process is considered. The network is a part of a neural tuner used to adjust linear P-/PI-controllers parameters in real time. Its outputs are the controller parameters values. The problem under consideration is closely related to a control system sustainability estimation, as too high learning rates might make the system unstable. So we propose an approach based on the second LyapunovТs method to calculate learning rate upper acceptance limit for different situations without knowing the plant model. Modeling and laboratory experiments have been conducted using typical plants of heating furnaces and DC drives classes to prove the method reliability. Having analyzed obtained results, the conclusion can be made that for both plant classes learning rate estimations allow to keep the control system stable. At the same time, constant usage of maximum allowed value of the learning rate during the online training process may result in the plant energy efficiency decrease.

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

ѕросмотров: 591, загрузок: 263, за мес€ц: 13.

Ќазад

»ѕ” –јЌ © 2007. ¬се права защищены