Алгоритм параметрической оптимизации автоматических систем с ШИМ-элементом, имеющим в своем составе нейронную сеть
https://doi.org/10.17587/mau.18.227-232
##article.abstract##
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.
##article.authors.about##
И. В. Игумнов
Иркутский национальный исследовательский технический университет
Россия
Россия
Н. Н. Куцый
Иркутский национальный исследовательский технический университет
Россия
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.
##reviewer.review.form##
##article.forCitation##
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
##common.article.views##:
541
.png)
Послать статью по эл. почте 