Iterations Per Sample Time – число итераций на один такт дискретности.

Оптимизация Модель объекта в виде нейронной сети

Управляемый

процесс

U′

U

Ym Yr

U

Yp

После установки параметров оптимизации необходимо их ввести в регулятор с помощью кнопок Apply и OK и произвести моделирование полученной системы.

Для регулятора на основе эталонной модели необходимо построить две нейронные сети: сеть для модели объекта управления и сеть для самого регулятора. Нейронная сеть модели объекта управления строится точно так же, как и для регуляторов рассмотренного вида.

Для этих целей надо на основной панели Model Reference Control, которая вызывается двойным щелчком левой кнопки мыши по блоку регулятора, воспользоваться кнопкой Plant Identification. Щелчок по этой кнопке вызывает диалоговую панель Plant Identification, которая имеет такой же набор управляющих элементов, как и для других регуляторов. С помощью этой панели надо задать архитектуру нейронной сети для управляемого объекта, задать характеристики обучающей последовательности и параметры обучения, произвести идентификацию управляемого объекта и обучить нейронную сеть. С

помощью кнопок Apply и OK завершить построение модели объекта и возвратиться к основной диалоговой панели Model Reference Control для синтеза нейронной модели регулятора.

Архитектура нейронной модели регулятора аналогична архитектуре нейронной модели объекта, поэтому управляющие элементы на панели Model Reference Control такие же, что и на панели Plant Identification, отсутствуют управляющие элементы для задания характеристик выходного сигнала, так как он непосредственно поступает на вход модели объекта, а обучающая последовательность разбивается на сегменты, для чего имеется специальное поле Controller Training Segments.

Для синтеза регулятора необходимо определить все требуемые параметры на панели, сгенерировать обучающие последовательности, нажав на кнопку Training Data и обучить нейронную сеть с помощью кнопки Train Controller, используя текущие веса и режим обучения с накоплением (если необходимо). Затем нажать на кнопку Apply для завершения процесса синтеза регулятора.

По окончании построения регулятора необходимо нажать но кнопку OK, вернуться в окно Simulink и выполнить моделирование работы системы нейронного регулирования для оценки характеристик регулятора.

Практические задания

Задание 1.

Создать нейронную модель регулятора с предсказанием для управлением каталитическим реактором с непрерывным помешиванием. Динамическая модель управляемого процесса описывается следующими обыкновенными нелинейными дифференциаль-

ными уравнениями:

() ()

()

()

()

() ⎪

⎪

⎩

⎪ ⎪

⎨

⎧

+

− − + − =

− + =

,

1

) (

; 2 , 0

2

2

1 2

2

1

1

2 1

Cb K

Cb K

h

t w Cb Cb

h

t w Cb Cb

dt

dCb

h t w t w

dt

dh

где h – уровень жидкости в резервуаре, который не регулируется;

w1(t) – скорость потока продукта с концентрацией Cb1;

w2(t) – скорость потока продукта с концентрацией Cb2;

Cb – концентрация продукта на выходе объекта;

K1 и K2 – константы скорости расхода продукта.

Цель регулирования состоит в поддержании концентрации про-

дукта путем регулирования скорости потока w2(t).

Для синтеза модели процесса использовать следующие значения

его параметров:

Cb1 = 29,4; Cb2 = 29,4; K1 = K2 = 1; w1(t) = 1; w2(t) = 0,1.