logo
calendar27 Mart 2024
view25
Основной язык:Русский

УПРАВЛЕНИЕ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ НА ОСНОВЕ НЕЙРОННЫХ СЕТЕЙ

Область науки:
pdf

6603a8c3ef585.pdf

PDF

АННОТАЦИЯ СТАТЬИ

quote
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 Tиad среднее время между ложными срабатываниями Tfa

АВТОРЫ

N.Kulmuratov

TATU

Теги

# setting# нейросетевой регулятор# нейросетевой объект# нейросеть# рассогласования# уставка# алгоритм адаптации# ошибка управления# neural network regulator# neural network object# neural network# mismatch# adaptation algorithm# control error# neyron tarmoq regulyatori# neyron tarmoq ob'ekti# neyron tarmoq# algoritmni o’rnatish# boshqaruv xatosi

ДРУГИЕ СТАТЬИ ЭТОГО ЖУРНАЛА

Оценить статью

0
оценок: 0
5
4
3
2
1

Идентификаторы статьи

DOI:

Недоступно

Список литературы

И.Г.Цвенгер, И.Р.Низамов// Применение нейросетевых регуляторов в системах управления электроприводами// Вестник технического университета Ташкент 2017. Т20 №8

Кабирова Айгуль Надилевна// Методы и комплексы программ построения нейросетевых моделей регуляторов для управления динамическим объектом// Диссертация. Казань 2017

В.А.Терехов, И.Ю.Тюкин//Синтез адаптивных нейросетевых регуляторах нелинейных динамических объектов// Institute for Physical and Chemical Research (RIKEN), Japan 2017

Д.П. Мухитдинов, Ё.Б. Кадиров, О.У. Саттаров. Разработка многосвязной динамической модели процесса экстракции фосфорной кислоты в дигидратном режиме. // Композиционные материалы. Научно-технический и производственный журнал-2019, № 2, с 132-135

Е. В. Леонидович, «Разработка и исследование нейросетевых алгоритмов управления стационарными и нестационарными объектами»: атореф. дис. кан.тех. наук-Москва 2012

Бабинков В.А. «Повышение эффективности управления технологическими процессами с использованием аблюдателей и регуляторов состояния(а примере производства экстракционой фосфорной кислоты)»: атореф. дис. кан.тех. наук-Старые -Оскол -2015

Filaretov G. F., Eliseev V. L. Modified Algorithm of Neural Network Control for Nonstationary Object // 55h International Scientific Colloquium. Ilmenau University of Technology: 2010. — September

Юсупбеков Н.Р., Мухитдинов Д.П., Саттаров О.У., Бойбутаев С.Б. Construction of a Neural Network Using an Approach to a Genetic Algorithm. // International Journal of Advanced Research in Science, Engineering and Technology Vol. 6, Issue 6 , June 2019

Сапрыкина Н.А.//Параметрические подходы формирования архитектурной среды в контексте адаптации и интерактивности// Наука, образование и экспериментальное проектирование. Материалы международной научно-практической конференции. Сборник статей. 2016 Издательство: Московский архитектурный институт (государственная академия) (Москва)

Мухитдинов Д.П., Кадиров Ё.Б., Саттаров О.У., Бойбутаев С.Б. Пропорционально-интегрально-дифференцирующие регуляторы в автоматизированных системах управления технологическим процессом // Научно -технический и производственный журнал «Горный вестник Узбекистана» №4/2014

А.Г. Горюнов, Ю.А. Чурсин, С.С. Михалевич, Д.Г. Рогозный. Динамеческая модель многокомпонентного неравновесного экстракционного процесса в колонном экстракторе // Известия высших учебных заведений. Физика, 2010.-№1182. – с.210-214.

Рыков В.П. Модульный принцип обучения искусственных нейронных сетей на примере известных нейросетевых топологий. Вестник ТГУ, т. 19, вып. 2, 2014. - С. 583-586

Beale M., Hagan M., Demuth H. Neural Network Toolbox TM User’s Guide. The Math Works, Inc, 2015. – 406 p

Саттаров О.У. Исследование процесса получения азотно-фосфорных удобрений на основе плава аммиачной селитры и фосфоритов.// Научно - технический и производственный журнал «Современные материалы, техника и технологии» 16-17 февраля 2017 года, №8 с164-170.

А.Г.Шумихин, А.С. Бояршинова. Применение нейросетевых динамических моделей в задаче параметрической идентификации технологического объекта в составе системы управления.// Вестник ПНИПУ, Перм 2015 г, с 21-36