Двухэтапная Процедура Синтеза Управления Нелинейными Нестационарными Объектами С Использованием Многослойного Персептрона

Abstract

Представлен обзор методов нейроуправления и анализ их достоинств и недостатков. Поставлена задача поиска квазиоптимальных настроечных параметров нейроуправления нелинейным нестационарным объектом при наличии случайных возмущений. Предложена процедура синтеза управления нелинейными нестационарными объектами с использованием многослойного персептрона, состоящая из двух этапов. На первом этапе решается задача робастного нейроуправления путем поиска вектора настроечных параметров алгоритма адаптации на основе предполагаемого множества вариантов модели объекта. Найденные настроечные параметры алгоритма адаптации используются на втором этапе – безмодельном нейроуправлении, на котором осуществляется поиск квазиоптимальных настроечных параметров алгоритма безмодельного нейроуправления. Устойчивость поиска настроечных параметров алгоритма безмодельного нейроуправления достигается за счет применения метода регуляризации. На основе модельного примера показана эффективность и устойчивость предложенной процедуры синтеза управления нелинейными нестационарными объектами. В численном эксперименте был выбран объект, описываемый нелинейным дифференциальным уравнением с коэффициентами, которые зависят от времени. На первом этапе было сформировано случайным образом 20 вариантов модели объекта, найдена архитектура нейронной сети, настроечные коэффициенты алгоритма адаптации. Нейронная сеть включает 2 нейрона во внутреннем слое и использует сигмоидальную функцию активации. На втором этапе проведены численные исследования процесса адаптивного управления. В результате работы алгоритма адаптации степень затухания переходных процессов превышает 50% и процесс управления является устойчивым при значительном отклонении параметров объекта от номинальных значений. Представленный метод является эффективным при управлении многосвязными нестационарными нелинейными объектами в робототехнике, в транспортных системах, химических производствах. The review of neurocontrol methods and analysis of their advantages and disadvantages is presented. The problem of searching of quasioptimal tuning parameters of neurocontrol for nonlinear non-stationary objects in the presence of random disturbances is formulated. A procedure for the synthesis of control for nonlinear non-stationary objects using a multi-layer perceptron, which consists of two stages, is presented. In the first stage the problem of finding a robust neurocontrol vector tuning parameters for adaptation algorithm based on the proposed set of variants of the model is solved. Founded tuning parameters for adaptation algorithm are used in the second stage - model-free neurocontrol, which searching for quasi-optimal tuning parameters for the algorithm of model-free neurocontrol. Stability of tuning parameters search procedure for the algorithm of model-free neurocontrol achieved by using the regularization method. Effectiveness and stability of the proposed procedure for the synthesis of control for nonlinear non-stationary objects are shown using the model example. In the numerical experiment, an object was chosen that was described by a nonlinear differential equation with coefficients that depend on time. At the first stage, 20 variants of the object model were randomly generated, the architecture of the neural network, the tuning coefficients of the adaptation algorithm were found. The neural network includes 2 neurons in the inner layer and uses a sigmoidal activation function. At the second stage, numerical studies of the adaptive control process were carried out. As a result of the adaptation algorithm, the degree of attenuation of transient processes exceeds 50% and the control process is stable with a significant deviation of the object's parameters from the nominal values. The presented method is effective for the control of multiply connected non-stationary nonlinear objects in robotics, transport systems, and chemical industries.