554

2.Вновь спроектированный адаптивный регулятор температуры газа за компрессором низкого давления с применением нейронной технологии, обладая астатическими свойствами, исключает ошибку регулирования в статике, парирует контролируемые и неконтролируемые возмущения с максимальным быстродействием на всех режимах работы авиационного двигателя.

3.Вновь спроектированный нейро-нечеткий регулятор частоты вращения вентилятора ТРДД с применением нейронной технологии обеспечивает заданное техническим заданием качество управления при изменении по ресурсу характеристик двигателя как объекта управления. Регулятор парирует контролируемое и неконтролируемое изменение параметров объекта регулирования в условиях воздействия возмущающих факторов. Регулятор, обладая астатическими свойствами, исключает ошибку регулирования в статике. Переходные процессы при увеличении частоты вращения ротора вентилятора обеспечивают асимптотический запас устойчивости системы.

Сравнительный анализ нечеткого и нечетко-нейронного управления представлен в табл. 2.2.

151

Контрольные вопросы

1.Биологический нейрон.

2.Искусственный нейрон.

3.Персептрон Розенблатта.

4.Искусственные нейронные сети без обратных связей.

5.Нелинейные активационные функции: Гаусса, колоколообразные, сигмоидные, степенные и т.д.

6.Процедура Уидроу-Хоффа.

7.Модифицированный метод наименьших квадратов.

8.Метод последовательного обучения.

9.Области применения искусственных нейронных сетей.

10.Алгоритм обратного распространения ошибки.

11.Генетические алгоритмы. Основные понятия.

12.Работа генетического алгоритма.

13.Адаптивный нейрон.

14.Достоинства и недостатки нечетко-нейронного управления.

15.Классификация нейронных сетей.

16.Адаптивный линейный нейрон (адалайн).

152

ЗАКЛЮЧЕНИЕ

В представленном учебном пособии рассмотрены методы нечеткого, нейронного и нейро-нечеткого управления недетерминированными объектами в системах реального времени. Недостатком нечеткого управления является отсутствие адаптации нечетких регуляторов к внешним воздействиям, а достоинством – прозрачность их работы. Достоинством нечеткого нейронного управления является способность нейронной сети к обучению и возможность коррекции настроек нечеткого нейронного регулятора, их адаптации к изменяющимся внешним воздействиям. Недостаток – в отсутствии прозрачности работы нейронной сети, что исключает предшествующий опыт работы сети. Показано, что нечеткое управление обладает высоким быстродействием. В случае когда адаптацией можно пренебречь, данное управление недетерминированными объектами возможно использовать в системах реального времени. Показано, что нечеткое нейронное управление также применимо в системах реального времени, если адаптация регулятора достигается применением нейрона с последовательным методом обучения.

153

СПИСОК ЛИТЕРАТУРЫ

1.Об образовании в РФ: Федеральный закон РФ от 29 декабря 2012

г. № 273-ФЗ.

2.Комарцева Л.Г., Максимов А.В. Нейрокомпьютеры: учеб. пособие для вузов. – 2-е изд., перераб., и доп. – М.: Изд-во МГТУ им.

Н.Э. Баумана, 2004. – 400 с.

3.Сорокин С. Системы реального времени // СТА – современные технологии автоматизации. – 1997. – № 2. – С. 22–29.

4.Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети. Генетические алгоритмы и нечеткие системы. – М., 2006. – 452 с.

5.Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. – М.: Горячая линия – Телеком, 2007. – 284 с.

6.Штовба С.Д. Проектирование нечетких систем средствами Matlab. – М., 2007. – 288 с.

7.Гостев В.И. Проектирование нечетких регуляторов для систем автоматического управления. – СПб.: БХВ-Петербург, 2011. – 416 с.

8.Матушкин Н.Н., Хижняков Ю.Н. Нечеткий регулятор напряжения бесщеточного синхронного генератора с демпферной обмоткой // Вестник Казан. гос. техн. ун-та им. А.Н. Туполева. – 2011. – № 1. –

С. 61–67.

9.Леготкина Т.С., Хижняков Ю.Н. Модификация метода центроида // Вестник Ижев. гос. техн. ун-та. – 2011. – № 1. – С.122–125.

10.Бермант А.Ф., Абрамович И.Г. Краткий курс математического анализа. – 8-е изд., испр. и доп. – М.: Наука, 1973. – 720 с.

11.Смирнов В.А., Хасанова А.А. Особенности реализации системы управления на нечеткой логике // Известия Челяб. науч. центра. – 2003. –

Вып. 4 (21). – С. 33–38.

12.Терехов В.А. Нейросетевые системы управления. – М.: Высш.

шк., 2002. – 183 с.

13.Каллан Р. Основные концепции нейронных сетей: пер. с англ. –

М.: Вильямс., 2001. – 287 с.

14.BreinMaker, California Scientific Software, Nevada Сity, СA95959,

USA.

15.Evolver – the Genetic Algorithm Problem Solver, Axcelis, inc, 4668 Eastem Avenue N, Seattle, WA 98103, USA.

154

16.Хижняков Ю.Н., Южаков А.А. Нейро-нечеткий регулятор частоты газотурбинного двигателя // Приборы. – 2010. – №5. – С.17–21.

17.Леготкина Т.С., Данилова С.А. Методы идентификации систем: учеб. пособие. – Пермь: Изд-во Перм. гос. техн. ун-та, 2008. – 123 с.

18.Осовский С. Нейронные сети для обработки информации / пер.

спол. И.Д. Рудинского. – М.: Финансы и статистика, 2004. – 344 с.

155

Учебное издание

ХИЖНЯКОВ Юрий Николаевич

АЛГОРИТМЫ НЕЧЕТКОГО, НЕЙРОННОГО

ИНЕЙРО-НЕЧЕТКОГО УПРАВЛЕНИЯ

ВСИСТЕМАХ РЕАЛЬНОГО ВРЕМЕНИ

Учебное пособие

Редактор и корректор И.А. Мангасарова

Подписано в печать 11.12.13. Формат 60×90/16.

Усл. печ. л. 12,58. Тираж 100 экз. Заказ № 263/2013.

Издательство Пермского национального исследовательского

политехнического университета Адрес: 614990, г. Пермь, Комсомольский пр. 29, к.113.

Тел. (342) 210-80-33

156