УПРАВЛЕНИЕ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ

В статье рассматривается порядок построения  нейросетевой  системы  управления динамическими  объектами.  Сравниваются  методы непрерывной адаптации  нейросетевого  регулятора с  подстройкой  нейронной  сети  к  изменениям динамических  характеристик  объекта  и  адаптации по  сигналу рассогласования.  Для  устранения недостатков,  первого  метода,  схема  дополнена блоком  обнаружения  изменений  состояний объекта управления, предназначенным  для  обнаружения сигнала  рассогласования  с  «уставкой».  С  целью обеспечения  надежности обнаружениясигнала рассогласования учитывается парное срабатывание в  пределах  расчетного  значения  среднего  времени запаздывания. Подстройка нейросетевой  модели объекта  управления  осуществляется  вне  контура управления.  Для  своевременного обнаружения рассогласования настраивается алгоритм кумулятивных  сумм,  у  которого  определяющими характеристиками  являются  среднее  время запаздывания Tи_ad  среднее  время  между ложными срабатываниями T_fa

The  article  discusses  the  procedure  for building  a  neural  network  control  system  for  dynamic objects.  Methods  of  continuous  adaptation  of  the neural network controller  with  the  adjustment  of  the  neural network  to  changes  in  the  dynamic characteristics of the object  and  adaptation  to  the  mismatch  signal arecompared. To  eliminate  the  disadvantages  of  the  first  method,  the scheme  is  supplemented  with  a  block  for  detecting changes  in  the  state  of  the  control object,  designed  to detect  the  signal  of  mismatch  with  the  "set  point". In  order  to  ensure  the  reliability  of  detectio n  of  the mismatch  signal,  the pair response is taken into  account within the calculated value of the average delay time. The neural  network  model  of  the  control  object  is  adjusted outside the control loop. Todetect mismatch in a timely manner,  the  cumulative  sum  algorithm  is  configured,  in which the average delay time T_ad and the average time 
between  false  positives T_af are  the  defining characteristics

Мақолада  динамик  объектларни бошқаришнинг  нейрон  тармоқли  системаларини қуриш тартиби кўриб чиқилган. Объектнинг динамик тавсифларини ўзгаришига  нейрон  тармоғи тузилишидаги  нейрон  тармоқли  ростлагични узлуксиз  мослашиши  ҳамда  номувофиқлик  сигнали бўйича мослашиш усуллари солиштирилган. Биринчи усулни  камчилигини  бартараф  этиш  учун  схемага бошқариш  объектининг  ҳолатлари  ўзгаришларини аниқловчи, “ўрнатилган қиймат” билан номувофиқлик сигналини  аниқлашга  мўлжалланган  блок  қўшилган. Номувофиқлик  сигналини  аниқлаш  ишончлилигини таъминлаш  мақсадида  ўртача  кечикиш  вақтининг ҳисобий  қийматлари  чегарасидаги  жуфтли  ишга тушишлар  эътиборга  олинган. Бошқариш объектининг  нейрон  тармоқли  модели  бошқариш контуридан ташқарида қурилган. Номувофиқликни ўз вақтида  аниқлаш  учун  тўпланувчи йиғиндилар алгоритми  созланади  ва  ундаги  асосий  тавсифлар ўртача  кечикиш  вақти T_ad ва  сохта  ишга тушишлар орасидаги ўртача вақт T_fa ҳисобланади.