ДОСЛІДЖЕННЯ СТІЙКОСТІ СИСТЕМИ З НЕЙРОКОНТРОЛЕРОМ

Markiyan Nakonechnyi, Yuriy Hirnyak, Orest Ivakhiv, Taras Repetylo

Анотація


Здебільшого динаміка об’єктів систем автоматичного керування описується нелінійними рівняннями. Зокрема, електропривід руки робота, виконавчим механізмом якого є електричний двигун постійного струму, – це один з таких прикладів. На сьогодні апарат теорії нeйрoнних мeрeж дозволяє враховувати такі нелінійності. Використовуючи методологію теорії цифрового фільтрування, запропоновано цілеспрямовано формувати структуру вхідного кола контролера, яке визначається вибраним законом керування, в нашому випадку - пропорційно-інтегрально-диференційним.

В статті, виходячи з бажаної динаміки процесу, обгрунтовано вибір математичної моделі еталона, описано навчання нейронної мережі з викoристанням aлгoритму oбeрнeнoгo рoзпoвсюджeння похибки. Для забезпечення потрібних динамічних показників процесу керування була запропонована модифікація вхідних кіл нейронного контролера – розділення входів. В цьому випадку на вхід контролера замість традиційної різниці між вихідним сигналом об’єкта та вхідним сигналом еталона кожен із цих сигналів подавався на свій окремий вхід нейроконтролера і збіжність вихідних сигналів об’єкта та еталона виявилась кращою.

Для дослідження стійкості системи з пропонованим нейроконтролером його структуру було переформатовано в еквівалентну замкнену систему, охоплену від’ємним зворотнім зв’язком. Імітаційне моделювання в середовищі Simulink підтвердило стійкість такої системи керування.


Ключові слова


нейронний контролер; динамічний об’єкт; нейронні мережі; нелінійна система

Повний текст:

PDF

Посилання


Il'i͡asov B. G., Start͡sev I͡U. V., Golovat͡skiĭ K. Ė., Al'mukhamedov R. R., Belalov B. M. Avtonomnye nazemnye transportnye sredstva kak ob"ekty avtomaticheskogo upravlenii͡a. Mekhatronika, 2001, no 6, pp. 3 – 5. (In Russian)

Fu K. S., Gonzalez R.C., Lee C.S.G Robotics: Control, Sensing. Vis. McGraw-Hill Education (India) Pvt Limited, 1988, 580 p.

F. C. Goodwin, S. F. Fraebe, M. E. Salgado. Control System Design. Prentice Hall, Upper Saddle River, New Jercey, 2001.

Popovych M. H., Koval′chuk O. V. Teorii͡a avtomatychnoho rehuli͡uvanni͡a: Pidruchnyk. Kyiv, Lybid′ Publ., 2007. 544 p. (In Ukrainian)

Norgaared M., Ravn O., Poulsen N., Hansen L.Neural Networks for Modelling and Control of Dynamic Systems. Springer, London, 2000.

Rudenko O. H., Bodi͡ans′kyĭ I͡e. V. Shtuchni neĭronni merez͡hi: Navch. posibnyk. Kharkiv, TOV “Kompanii͡a SMIT”, 2006. 404 p. (In Ukrainian)

Medvedev V. S., Potemkin V. G. Neĭronnye seti. Moscow, DIALOG-MIFI Publ., 2002. 426 p. (In Russian)

Neural Network Toolbox Documentation [Online] The MathWorks, inc. Available at: http://www.mathworks.com/help/nnet/index.html

Orest Ivakhiv, Markii͡an Nakonechnyĭ, I͡uriĭ Nakonechnyĭ, Bohdan Stadnyk Pobudova kontroleriv z riznymy konfihurat͡sii͡amy navchal′nykh poslidovnosteĭ. Zeszyty naukowe Politechniki Rzerzowskiej, Nr 200, Elektrotechnika, z.24, Metody I technika prsetwarzania sygnalow w pomiarach fizychnych. Materialy X Miedzynarodowego Seminarium Metrologow, Rzeszow, 2006, pp. 69-74.

Ivakhiv O. V., Nakonechnyĭ M. V., Repetylo T. M. Systema neĭronnoho keruvanni͡a robotom z vykorystanni͡am adaptyvnykh metodiv navchanni͡a. Metody ta prylady kontroli͡u i͡akosti, 2013, no 1 (30), pp. 64 – 71. (In Ukrainian)

Hirnyak Yu., Ivakhiv O., Nakonechnyi M., Repetylo T. Control System of Robot Movement [The 7th IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications]. 2013, Berlin, pp. 334-337.




DOI: https://doi.org/10.20535/1970.48(2).2014.36055

Посилання

  • Поки немає зовнішніх посилань.


Copyright (c) 2017 Рівні права