Preview

Мехатроника, автоматизация, управление

Расширенный поиск

Алгоритм параметрической оптимизации автоматических систем с ШИМ-элементом, имеющим в своем составе нейронную сеть

https://doi.org/10.17587/mau.18.227-232

Полный текст:

Аннотация

Решена задача конкретизации значений коэффициентов алгоритма обучения нейронной сети (ОНС) применительно к системам, содержащим звенья с широтно-импульсной модуляцией, имеющим в своем составе искусственную нейронную сеть. Введен составной критерий наименьшего числа итераций алгоритма ОНС. Рассмотрены наиболее распространенные варианты построения нейронной сети: сеть на основе модуляционной характеристики; полносвязная однослойная нейронная сеть; полносвязная однослойная нейронная сеть с обратными связями. Приведены результаты работы генетического алгоритма по определению коэффициентов ОНС, настраивающего автоматическую систему на достижение экстремального значения интегрального критерия качества с использованием вышесказанных вариантов нейронных сетей и пяти функций активации нейронов.

Об авторах

И. В. Игумнов
Иркутский национальный исследовательский технический университет
Россия


Н. Н. Куцый
Иркутский национальный исследовательский технический университет
Россия


Список литературы

1. Yuan Z. A. Neural Network Based Space-Vector PWM Controller for Motor Drive // Advanced Materials Research. 2013. Vol. 816-817. P. 1002-1005.

2. Joao O. P., Bose B. K., Da Silva L. E. B. A neural-network-based space-vector PWM controller for voltage-fed inverter induction motor drive // IEEE Transactions on Industry Applications. 2000. Vol. 36. P. 1628-1636.

3. Игумнов И. В., Куцый Н. Н. Нейросетевая реализация и настройка ШИМ-элементов в автоматических системах // Вестник НГТУ. 2015. № 3 (60). С. 23-32.

4. Химмельблау Д. Прикладное нелинейное программирование. М.: Мир, 1975. 536 с.

5. Ловецкий К. П., Севастьянов Л. А., Бикеев О. Н. Математический синтез оптических наноструктур. М.: Изд. РУДН, 2008. 143 с.

6. Paviani D., Ph. D. Dissertation, The Univ. of Texas, Austin, Tex., 1969.

7. Воронежский Г. К., Махотило К. В., Петрашев С. Н. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. Харьков: Основа, 2004. 112 с.

8. Игумнов И. В., Куцый Н. Н. Формирование ШИМ-элемента с использованием искусственных нейронных сетей // Вестник ИрГТУ. 2014. № 6 (89). С. 31-35.

9. Терехов В. А., Ефимов Д. В., Тюкин И. Ю. Нейросетевые системы управления. М.: ИПРЖР, 2002. 480 с.

10. Галушкин А. И. Нейронные сети: основы теории. М.: Горячая линия-Телеком, 2010.496 с.

11. Куцый Н. Н. Автоматическая параметрическая оптимизация дискретных систем регулирования: Дис.. докт. техн. наук: 05.13.06: защищена 26.11.97.

12. Слепов Н. Н., Дроздов Б. В. Широтно-импульсная модуляция (Анализ и применение в магнит. записи). М.: Энергия, 1978. 191 с.

13. Локтюхин В. Н., Челебаев С. В., Антоненко А. В. Нейро-сетевые аналого-цифровые преобразователи. М.: Горячая линия-Телеком, 2010. 128 с.

14. Игумнов И. В., Куцый Н. Н. Применение метода Нелдера - Мида при настройке нейронных сетей, реализующий ПИД-закон регулирования // Современные технологии. Системный анализ. Моделирование. 2016. № 1 (49). С. 90-94.

15. Куцый Н. Н., Лукьянов Н. Д. Параметрическая оптимизация АИМ-систем с помощью генетического алгоритма // Мехатроника, автоматизация, управление. 2013. № 5. С. 10-13.

16. Грэхем Р., Кнут Д., Пташник О. Конкретная математика. Основание информатики: Пер. с англ. М.: Мир, 1998. 703 с.

17. Подиновский В. В. Введение в теорию важности критериев в многокритериальных задачах принятия решений: учеб. пособ. М.: Физматлит, 2007. 66 с.

18. Круглов В. В., Борисов В. В. Искусственные нейронные сети. M.: Горячая линия - Телеком, 2001. 369 с.


Рецензия

Для цитирования:


Игумнов И.В., Куцый Н.Н. Алгоритм параметрической оптимизации автоматических систем с ШИМ-элементом, имеющим в своем составе нейронную сеть. Мехатроника, автоматизация, управление. 2017;18(4):227-232. https://doi.org/10.17587/mau.18.227-232

For citation:


Igumnov I.V., Kucyj N.N. The Algorithm of Parametric Optimization of Automated Systems with PWM Element that Incorporates Artificial Neural Network. Mekhatronika, Avtomatizatsiya, Upravlenie. 2017;18(4):227-232. (In Russ.) https://doi.org/10.17587/mau.18.227-232

Просмотров: 393


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1684-6427 (Print)
ISSN 2619-1253 (Online)