- •Технические нервные системы Обучаемые системы управления со зрением для промышленных роботов
- •Оглавление
- •Введение
- •1. Аналитический обзор информационно-управляющих систем промышленных роботов
- •1.1. Современное состояние систем управления роботами, использующих процедуру обучения
- •1.2. Принципы функционирования обучаемых систем управления (технических нервных систем)
- •Павлов Иван Петрович (1849-1936)
- •Пуанкаре (Poincare) Жюль Анри (1854-1912)
- •1.3. Сравнительный анализ адаптивных управляющих систем управления с распознаванием образов и обучаемых систем управления
- •1.4. Анализ вопросов аппаратной реализации систем управления роботами
- •2. Моделирование обучаемых систем управления
- •2.1. Математическое моделирование процесса обучения обучаемой системы управления
- •2.1.1. Алгоритм обучения обучаемой системы управления
- •2.1.2 Алгоритм расчета рецепторных долей сигнала управления
- •2.1.3. Условие сходимости процесса обучения
- •2.2. Закономерности процесса обучения, выявленные с помощью его математической модели
- •2.2.1. Закономерности процесса обучения системы управления для двух ситуаций обучаемой выборки
- •2.2.2. Закономерности процесса обучения системы управления при последовательном предъявлении ситуаций
- •2.2.3. Обучение с масштабированием подобных ситуаций
- •2.2.4. Влияние заданной точности выходных сигналов на продолжительность обучения
- •2.2.5. Влияние отличительности образов ситуаций обучаемой выборки на продолжительность обучения
- •2.2.6. Влияние порядка предъявления ситуаций обучаемой выборки на продолжительность обучения
- •Первый вариант обучения:
- •Второй вариант обучения:
- •2.2.7. Влияние способа дробления входной информации на продолжительность обучения
- •1 Вариант.
- •2 Вариант.
- •2.3. Имитационное моделирование обучения системы управления решению некоторых задач
- •2.3.1. Имитационное моделирование процесса обучения поиску заданного предмета
- •2.3.2. Имитационное моделирование процесса обучения воспроизведению образов
- •2.3.3. Имитационное моделирование процесса обучения распознаванию образов (ситуаций)
- •3. Схемные решения обучаемых систем управления
- •3.1. Командные рецепторы обучаемой системы управления
- •3.2. Обучаемая система управления с внутренними обратными связями
- •3.3. Деление рецепторов обучаемой системы управления на группы
- •3.4. Обучаемая система управления с парными рецепторами
- •3.5. Распределитель выходных сигналов обучаемой системы управления
- •4. Исследование обучаемой системы управления, установленной на робот тур-10к
- •4.1. Выбор параметров обучаемой системы управления для промышленного робота тур-10к
- •4.2. Методика обучения робота тур-10к с обучаемойсистемой управления со зрением поиску заданного предмета среди прочих
- •4.2.1. Разработка методики выбора ситуаций обучаемой выборки для решения задачи поиска заданного предмета
- •4.2.2. Настройка резисторной матрицы обучаемой системы управления и результат обучения
- •4.3. Свойства и особенности обучаемых систем управления, выявленные в результате исследований
- •5. Реализация обучаемых систем управления
- •5.1. Варианты физической реализации обучаемых систем управления
- •5.2. Варианты электрической реализации обучаемых систем управления
- •5.2.1. Обучаемая система управления с резисторной матрицей из подстроечных резисторов
- •5.2.2. Обучаемая система управления с резисторной матрицей, элементы которой выполнены в виде графитовых соединений
- •5.2.3. Обучаемая система управления с резисторной матрицей, элементы которой выполнены из халькогенидных полупроводников
- •5.3. Обучаемая система управления со зрением для промышленного робота pm-01 (puma)
- •6. Технический подход к проявлениям сложной нервной деятельности
- •6.1. Обучение и самообучение объекта с технической нервной системой
- •6.2. Чувства и эмоции объекта с технической нервной системой
- •6.3. Мышление объекта с технической нервной системой
2.2.4. Влияние заданной точности выходных сигналов на продолжительность обучения
Важным фактором, влияющим на продолжительность обучения обучаемой системы, является заданная точность формирования выходных сигналов в ситуациях обучаемой выборки.
Методика исследования. Исследование проводилось с использованием математической модели процесса обучения. Обучение проводилось для наборов из пяти образов с числом признаков: m = 10. В качестве значений признаков брались случайные целые числа в пределах от 0 до 9. Значения выходных сигналов принимались равными порядковому номеру образа в наборе: для первого образа E1 = 1, для второго E2 = 2 и т.д. Вначале допустимое отклонение выходных сигналов задавалось в пределах E = 0,01. Затем допустимое отклонение расширялось до E = 0,5 с дискретой, равной 0,01. Для каждого значения E определялось число шагов обучения, необходимое для получения выходных сигналов с заданной точностью и характеризующее продолжительность обучения.
Полученные результаты. Зависимость продолжительности обучения от заданной точности рассмотрим на примере обучения для семи наборов образов:
1) ___5___0___3___5___8___0___3___8___6___3________E1 = 1; _____6___8___3___6___8___1___3___6___1___4________E2 = 2; _____6___9___1___6___9___1___4___7___9___4________E3 = 3; _____7___9___2___4___0___2___5___7___0___5________E4 = 4; _____7___0___2___5___8___3___5___8___0___3________E5 = 5;
2) ___9___4___6___9___1___4___9___2___4___7________E1 = 1; _____2___2___7___9___2___4___7___2___5___7________E2 = 2; _____0___2___5___0___2___5___8___0___5___8________E3 = 3; _____0___3___5___8___3___6___8___1___3___8________E4 = 4; _____1___3___6___9___1___6___9___1___4___6________E5 = 5;
3) ___8___9___4___6___9___1___4___6___2___4________E1 = 1; _____0___9___2___7___9___2___5___7___2___5________E2 = 2; _____7___0___2___5___0___3___5___8___0___5________E3 = 3; _____8___0___3___6___8___3___6___8___1___3________E4 = 4; _____8___1___4___6___9___1___6___9___1___4________E5 = 5;
4) ___0___3___6___1___3___6___8___1___3___9________E1 = 1; _____4___4___6___9___4___6___9___1___4___7________E2 = 2; _____2___4___7___9___8___7___9___2___5___7________E3 = 3; _____0___5___7___0___2___5___0___3___5___8________E4 = 4; _____0___3___8___0___3___6___8___3___6___8________E5 = 5;
5) ___3___6___8___1___3___9___1___4___6___9________E1 = 1; _____5___6___9___1___4___7___2___4___7___9________E2 = 2; _____2___4___0___2___5___7___0___5___7___0________E3 = 3; _____2___5___0___3___5___8___0___3___8___1________E4 = 4; _____3___6___8___3___6___8___1___3___6___1________E5 = 5;
6) ___2___7___0___3___5___8___0___5___8___0________E1 = 1; _____6___5___1___3___6___8___1___3___8___1________E2 = 2; _____4___6___9___4___6___5___1___4___6___2________E3 = 3; _____4___7___9___2___7___9___2___4___7___0________E4 = 4; _____5___7___0___2___5___0___3___5___8___0________E5 = 5;
7)_ __9___1___4___6___9___2___7___9___2___4________E1 = 1; _____0___2___5___7___0___2___7___0___2___5________E2 = 2; _____7___0___5___8___0___3___5___0___3___6________E3 = 3; _____8___1___3___8___1___3___6___8___4___6________E4 = 4; _____9___1___4___6___1___4___6___9___2___7________E5 = 5.
В результате исследований получены значения чисел шагов обучения, необходимых для достижения заданной точности, определяемой значениями допусков на выходные сигналы E. Эти значения представлены на рис.2.3:
Рис.2.3.
Зависимость числа шагов обучения Nш
от заданных значений допусков
E
При использовании логарифмической шкалы для заданных значений допусков E график примет следующий вид:
Рис.2.4.
Зависимость числа шагов обучения Nш
от заданных значений допусков
E ,
представленных логарифмической
шкалой
Выводы. Полученные результаты согласуются с формулами (2.15) и (2.16) и подтверждают вывод о том, что число шагов обучения, необходимых для достижения требуемой точности, определяется по логарифмическому закону [62]:
Nш = K1 – K2 · lg E ,
где K1 и K2 – постоянные для каждой конкретной обучаемой выборки, определяемые образами выборки и заданными выходными сигналами для них. Как заданная точность влияет на продолжительность обучения, видно из графиков на рис.2.3 и рис.2.4: чем выше требуемая точность, тем дольше обучение. Из этого следует вывод о том, что не следует предъявлять повышенные требования к точности обучаемых систем там, где в этом нет особой необходимости.
