- •Применение нейронных сетей для проектирования систем управления динамическими процессами Теоретические сведения
- •Iterations Per Sample Time – число итераций на один такт дискретности.
- •Практические задания
- •Основные этапы синтеза таковы:
- •Cписок литературы
- •Синтез управляющих систем на основе нечеткой логики
- •П1: если х есть а1, то y есть в1, п2: если х есть а2, то y есть в2, … Пn: если х есть Аn, то y есть Вn,
Основные этапы синтеза таковы:
1. Построение модели Simulink для управляемого процесса и её исследование.
2. Идентификация процесса и синтез его нейронной модели.
3. Задание параметров оптимизации и синтез регулятора.
4. Моделирование регулируемой системы и анализ качества ре
гулирования.
Задание 2.
Создать нейронную модель регулятора с использованием нелинейной авторегрессии со скользящим средним.
Управляемым объектом является магнит, который движется в электромагнит-
ном поле электромагнита. Уравнение движения этой системы имеет
вид
dt
t dy
t y
t i
g
dt
y d ) (
) (
) (
2
2
2
Μ
β
−
Μ
α + − = ,
где y(t) – расстояние движущегося магнита от электромагнита;
g – ускорение силы тяжести;
α – постоянная магнитного поля, зависящая от числа витков об-
мотки и намагниченности электромагнита;
i(t) – управляющий ток электромагнита:
М – масса магнита;
β – коэффициент вязкого трения.
Задание 3.
Создать нейронную модель регулятора на основе эта
лонной модели.
Регулируемым объектом является звено робота, опи-
сываемое дифференциальным уравнением
u
dt
d
dt
d
+
ϕ
− ϕ − =
ϕ
2 sin 10 2
2
,
где φ – угол поворота звена;
u – момент, развиваемый двигателем постоянного тока.
Цель обучения регулятора состоит в том, чтобы положение звена отслеживало выход эталонной модели
r
dt
dy
y
dt
y d r
r
r
9 6 9 2
2
+ − − = ,
где yr – выход эталонной модели;
r – задающий сигнал на выходе модели.
Основные этапы синтеза нейронного регулятора таковы:
1. Построение модели Simulink для управляемого объекта и эталонной моделей и их исследование.
2. Идентификация объекта и синтез его нейронной модели.
3. Идентификация эталонной модели и синтез регулятора.
4. Моделирование регулируемой системы и анализ качества регулирования.
Cписок литературы
1. Дьяконов, В. Matlab 6: учебный курс [Текст] / В. Дьяконов. – СПб.: Питер, 2001. – 592 с.
2. Медведев, В. Г. Нейронные Сети Matlab 6 / В. Г. Медведев; под общ. ред. к.т.н. В. Г. Потемкина. – М.: ДИАЛОГ-МИФИ, 2002. – 496 с. – (Пакеты прикладных программ; Кн.4).
3. Галушкин, А. И. Теория нейронных сетей [Текст] / А. И. Галушкин. – М.: ИПРЖР, 2000. – 416 с.
4. Галушкин, А. И. Нейрокомпьютеры [Текст]. – М.: ИПРЖР, 2000. – 532 с.
5. Нейрокомпьютеры и интеллектуальные работы [Текст] / под ред. В. Г. Неелова. – Киев: Пресса Украины, 1999. – 150 с.
6. Дунин-Барковский, В. П. Информационные процессы в нейронных структурах [Текст] / В. П. Дунин-Барковский. – М.: Наука, 1978.
7. Сивохин, А. В. Искусственные нейронные сети [Текст] / А. В. Сивохин; учеб. пособие / под ред. профессора Б. Г. Хмелевского. – Пенза: Изд-во Пенз. гос. ун-та, 2002. – 70 с.
8. Щербаков, М. А. Искусственные нейронные сети: Конспект лекций [Текст] / М. А. Щербаков. – Пенза: Изд-во Пенз. гос. тех. унта, 1996. – 44 с.
9. Осовский, С. Нейронные сети для обработки информации [Текст] / С. Осовский; пер. с польского И. Д. Рудинского. – М.: Финансы и статистика, 2002. – 344 с.
10. Дьяконов, В. П. Matlab 6/6.1/6.5 + Simulink 4/5. Основы применения. [Текст]. Полное руководство пользователя / В. П. Дьяконов. – М.: СОЛОН-Пресс, 2002. – 768 с.