УПРАВЛЕНИЕ БОЛЬШИМИ СИСТЕМАМИ
на главную написать письмо карта сайта


јвтор:  –оманова ¬.–., «уев —.¬.
Ќазвание:  јдаптивна€ система траекторного управлени€ јЌѕј на базе нейронной сети пр€мого распространени€
¬ыпуск:  108
–убрика:  ”правление техническими системами и†технологическими процессами
√од:  2024
Ѕиблиографи€:  –оманова ¬.–., «уев —.¬. јдаптивна€ система траекторного управлени€ јЌѕј на базе нейронной сети пр€мого распространени€ // ”правление большими системами. ¬ыпуск 108. ћ.: »ѕ” –јЌ, 2024. —.192-216. DOI: https://doi.org/10.25728/ubs.2024.108.11
 лючевые слова:  искусственна€ нейронна€ сеть, автономный необитаемый подводный аппарат, система адаптивного управлени€, интеллектуальна€ система управлени€, обучение искусственной нейронной сети
 лючевые слова (англ.):  artificial neural network, autonomous unmanned underwater vehicle, adaptive control system, intelligent control system, artificial neural network training
јннотаци€:  –абота посв€щена разработке и исследованию интеллектуальной системы адаптивного автоматического управлени€ с заданной целью, основанной на использовании искусственной нейронной сети пр€мого распространени€. ќбъектом управлени€ €вл€етс€ автономный необитаемый подводный аппарат (јЌѕј). ¬ работе предлагаетс€ подать на вход нейронной сети сигналы, получаемые от систем јЌѕј, и использовать выходной сигнал нейронной сети дл€ управлени€ с целью удержани€ аппарата на заданной траектории. ¬ качестве результата работы предлагаетс€ модель и метод обучени€, которые привод€т к удержанию јЌѕј на заданной траектории при внешнем воздействии с естественным ограничением дл€ рассматриваемого мобильного робота. ѕри наличии непрерывной заданной траектории и дискретных сигналов от систем јЌѕј это позвол€ет следовать заданной траектории с помощью простой интеллектуальной системы управлени€, не требующей больших вычислительных мощностей. ѕредложенный метод обучени€ системы управлени€ допускает предварительное обучение на численной модели движени€ аппарата со случайными внешними воздействи€ми, но не требует такого предварительного обучени€ при определенных услови€х. ѕоказано, в частности, что в случае достаточно большой скорости обучени€ модель успевает перестраиватьс€ и реагирует на изменившиес€ обсто€тельства. ѕредложенна€ интеллектуальна€ система адаптивного автоматического управлени€ может найти применение в тех случа€х, когда характерное врем€ изменений в†системе имеет пор€док времени обучени€, а траектори€ движени€ удовлетвор€ет изложенным в работе требовани€м.
јннотаци€ (англ.):  The paper is devoted to the development and study of an intelligent system of adaptive automatic control with a given target based on the use of artificial neural network of forward propagation. The control object is an autonomous unmanned underwater vehicle (AUV). In this paper, it is proposed to feed the signals received from the systems of the AUV to the input of the neural network, and use the output signal of the neural network for control to keep the vehicle on a given trajectory. As a result of this work, a model and a learning method are proposed that lead to holding the ANPA on a given trajectory under an external influence with a natural constraint for the considered mobile robot. Given a continuous preset trajectory and discrete signals from the ANPA systems, this allows following the preset trajectory with a simple intelligent control system that does not require large computational power. The proposed method of control system training allows pre-training on a numerical model of vehicle motion with random external influences, but does not require such pre-training under certain conditions. It is shown, in particular, that in the case of a sufficiently large learning rate, the model has time to rearrange itself and reacts to changed circumstances. The proposed intelligent system of adaptive automatic control can find application in those cases when the characteristic time of changes in the system is of the order of the training time, and the trajectory of motion satisfies the requirements stated in the paper.

¬ формате PDF

ѕросмотров: 102, загрузок: 37, за мес€ц: 18.

Ќазад

»ѕ” –јЌ © 2007. ¬се права защищены