Нейросетевая идентификация и настройка мехатронных систем с регуляторами состояния

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.

1. Анисимов А. А., Тарарыкин С. В. Структурно-параметрический синтез, оптимизация и настройка систем управления технологическими объектами. Иваново: Изд-во ИГЭУ, 2015. 296 c.

2. Анисимов А. А. Автоматическая настройка полиномиальных регуляторов электромеханических систем с использованием искусственной нейронной сети // Мехатроника, автоматизация, управление. 2008. № 8. С. 13—18.

3. Omatu S., Khalid M., Yusof R. Neuro-Control and its Applications. Advances in Industrial Control. London: Springer, 1996. 255 p.

4. Еременко Ю. И., Полещенко Д. А., Глущенко А. И. Анализ методов реализации схемы нейросетового управления с самонастройкой // Приборы и системы. Управление, контроль, диагностика. 2012. № 6.С. 50—55.

5. D’Emilia G., Marra A., Natale E. Use of neural networks for quick and accurate auto-tuning of PID-controller // Robo tics and Computer-Integrated Manufacturing. 2007. Vol. 23, N. 2. P. 170—179.

6. Осовский С. Нейронные сети для обработки информации: Пер. с польск. М.: Финансы и статистика, 2002. 344 с.

7. Пегат А. Нечеткое моделирование и управление: перевод с англ. М.: Бином. Лабораториязнаний, 2012. 798 с.

8. Paluszek M., Thomas S. MATLAB Machine Learning Recipes: А Problem-Solution Approach. NewYork: Apress Media, 2024. 447 p.

9. Анисимов А. А., Сороковнин М. Е., Тарарыкин С. В. Повышение точности идентификации и настройки линейных систем с регуляторами состояния при помощи искусственной нейронной сети // Вестник ИГЭУ. 2023. № 6. С. 57—68.

10. Кокотович П. В., Рутман Р. С. Чувствительность систем автоматического управления // Автоматика и телемеханика. 1965. № 4. С.730—750.

11. Кокотович П. В. Метод точек чувствительности в исследовании и оптимизации линейных систем управления // Автоматика и телемеханика. 1964. № 1. С. 1670—1676.

12. Башарин А. В., Новиков В. А., Соколовский Г. Г. Управление электроприводами: Учеб. пособ. Л.: Энергоиздат, 1982.392 с.