А. А. Анисимов, д-р техн. наук, проф.
Anisimov A. A., Professor, Doctor of Engineering
Ivanovo, 153003
М. Е. Сороковнин, аспирант, ст. преподаватель
Ivanovo, 153003
С. В. Тарарыкин, д-р техн. наук, проф.
Ivanovo, 153003
Решается задача повышения точности идентификации и настройки мехатронных систем с регуляторами состояний с помощью искусственных нейронных сетей (ИНС) в условиях действия широкополосных помех в каналах измерения путем оптимизации структуры и параметров идентификатора.
В целях снижения длительности настройки систем с регуляторами состояний предлагается идентификационный метод, основанный на применении радиальных ИНС. На входы идентификатора подаются дискретные значения переходных характеристик координат состояния, по которым ИНС формирует оценки неизвестных параметров объекта управления, после чего выполняется автоматический расчет регулятора состояний с использованием метода модального управления.
Выбор оптимального состава каналов измерения осуществляется на основе критерия в форме отношения мощностей сигнала и помехи, причем сигнал определяется как разность переходных характеристик при номинальном и возмущенном значении параметра объекта. Для каждого переменного параметра находится координата состояния, дающая максимальное значение критерия, после чего формируется оптимальная структура ИНС, обеспечивающая минимизацию погрешности идентификации.
В случае относительно малых вариаций параметров объекта управления мощность информационного сигнала рекомендуется определять в среде моделирования с использованием функций чувствительности координат состояния. При кратных вариациях параметров и различном уровне помех в каналах измерения более точные оценки дает непосредственное вычисление с использованием матричных выражений. Разработанный алгоритм обучения позволяет определить оптимальное значение дисперсии радиальных базисных функций, обеспечивающее заданную точность идентификации параметров объекта при минимальном числе нейронов первого слоя ИНС.
Как показывают вычислительные эксперименты, предложенный метод настройки мехатронных систем дает возможность получить заданное качество управления в условиях параметрической неопределенности объекта. При этом оптимальное по предложенному критерию сочетание каналов измерения на входе ИНС обеспечивает минимальное значение погрешности идентификации в условиях действия широкополосных помех.
The article deals with the problem of identification and tuning of mechatronic systems with state controllers using artificial neural networks (ANN) in conditions of wideband interference in measurement channels by optimizing the structure and parameters of a neural network identifier. The method based on application of radial ANN is proposed to reduce the tuning time of systems with state controllers. Discrete values of dynamics characteristics of system state coordinates are connected to the identifier inputs, according to which the ANN estimates of the variable parameters of the controlled object. Based on the estimates obtained, the parameters of the state controller are automatically calculated using the modal control method. The optimal composition of measurement channels is selected based on the ratio of information signal and interference powers, where signal is considered as the difference of dynamics characteristics with nominal and changed values of the object parameters. For each variable parameter, a state coordinate is found that gives a maximum value of the criterion, after which the optimal ANN structure is formed, providing a minimum identification error under interference conditions. In case of small variations in the parameters of object, it is recommended to determine the power of information signal using sensitivity functions of state coordinates. With large variations in parameters and different powers of noise in the measurement channels, direct calculation using matrix expressions provides more accurate estimates. The developed training algorithm allows us to determine optimal value of radial basis functions spread, which ensures a given accuracy in identifying the object parameters with minimum number of neurons in the network first layer. The proposed method of systems tuning makes it possible to obtain a given quality of control in conditions of parametric uncertainty of mechatronic object. At the same time, the optimal combination of measurement channels at ANN input according to the proposed criterion provides a minimum value of the identification error in conditions of wideband interference.
The authors declare that there are no conflicts of interest present.