О. М. Халімовський

УДК 681.51
С. 68-74
Мова Укр.
Бібл. 14 назв.

ВИКОРИСТАННЯ НЕЙРОННОЇ МЕРЕЖІ ДЛЯ АПРОКСИМАЦІЇ ТИПОВИХ НЕЛІНІЙНИХ ЛАНОК СИСТЕМ АВТОМАТИЧНОГО КЕРУВАННЯ

Б. І. Приймак, О. М. Халімовський
Національний технічний університет України «Київський політехнічний інститут»
просп. Перемоги, 37, м. Київ, 03056, Україна. Е-mail: bp-08@ukr.net, o.khalimovskyy@ukr.net
Отримання високої якості систем автоматичного керування складними електромеханічними об’єктами вимагає самоналаштування та оптимізації режимів роботи в реальному часі. Для цього потрібне швидке моделювання керованого об’єкта з урахуванням його нелінійностей. До нових високопродуктивних засобів моделювання динамічних систем на сьогодні належать штучні нейронні мережі, які обробляють інформацію в паралельній формі. Це пояснює актуальність тематики щодо застосування нейронних мереж для задач моделювання, проте не всі важливі аспекти цієї тематики достатньовивчені. Метою даної роботиє дослідження питання апроксимації типових нелінійних ланок систем автоматичного керування за допомогою нейронних мереж прямого передавання сигналу.Уроботі розглянуто характеристики наступних однозначних нелінійностей: зона нечутливості, зона насичення, двопозиційне реле, трипозиційне реле, а також таких неоднозначних (гістерезисних) нелінійностей, як люфт і реле з гістерезисом. Для вирішення завдання апроксимації за основу було взято нейронну мережу прямого передавання сигналу з одним захованим шаром нейронів та одним вихідним нейроном. Функціями активації цих нейронів були гіперболічний тангенс і лінійна залежність відповідно. Для апроксимації гістерезисних нелінійностей статична нейронна мережа була трансформована в динамічну шляхом уведення двох елементів затримки сигналу в часі. Результати виконаних досліджень дозволили дати обґрунтовані відповіді на два важливих питання. Перше з них полягає у виборі способу формування навчальної множини даних, при якому процес навчання нейронної мережі є ефективним. Друге питання стосується встановлення необхідної кількості нейронів у захованому шарі нейронної мережі, за якою мережа досить точно апроксимує характеристику заданої нелінійної ланки. У підсумку проведені дослідження засвідчили, що однозначні й неоднозначні характеристики типових нелінійних ланок автоматичних систем можуть бути успішно апроксимовані нейронною мережею прямого передавання сигналу з досить невеликою кількістю нейронів.
Ключові слова: нейронна мережа, нелінійна ланка, апроксимація, математичне моделювання.

УДК 681.51

ВИКОРИСТАННЯ НЕЙРОННОЇ МЕРЕЖІ ДЛЯ АПРОКСИМАЦІЇ ТИПОВИХ НЕЛІНІЙНИХ ЛАНОК СИСТЕМ АВТОМАТИЧНОГО КЕРУВАННЯ

Б. І. Приймак, О. М. Халімовський

Національний технічний університет України «Київський політехнічний інститут»

просп. Перемоги, 37, м. Київ, 03056, Україна. Е-mail: bp-08@ukr.net, o.khalimovskyy@ukr.net

Отримання високої якості систем автоматичного керування складними електромеханічними об’єктами вимагає самоналаштування та оптимізації режимів роботи в темпі реального часу. Для цього потрібне швидке моделювання керованого об’єкта з урахуванням його нелінійностей. До нових високопродуктивних засобів моделювання динамічних систем на сьогодні належать штучні нейронні мережі, які обробляють інформацію в паралельній формі. Це пояснює актуальність тематики щодо застосування нейронних мереж для задач моделювання. Проте не всі важливі аспекти цієї тематики достатньо вивчені. Метою даної роботи є дослідження питання апроксимації типових нелінійних ланок систем автоматичного керування за допомогою нейронних мереж прямого передавання сигналу. Розглянуто характеристики наступних однозначних нелінійностей: зона нечутливості, зона насичення, двопозиційне реле, трипозиційне реле, а також таких неоднозначних (гістерезисних) нелінійностей, як люфт та реле з гістерезисом. Для вирішення завдання апроксимації за основу було взято нейронні мережі прямого передавання сигналу з одним прихованим шаром нейронів та одним вихідним нейроном. Функціями активації цих нейронів були гіперболічний тангенс та лінійна залежність відповідно. Для апроксимації гістерезисних нелінійностей нейронна мережа була трансформована в динамічну мережу шляхом введення двох елементів затримки сигналу в часі. Результати виконаних досліджень дозволили дати обґрунтовані відповіді на два важливих питання. Перше з них полягає у виборі способу формування навчальної множини даних, при якому процес навчання нейронної мережі є ефективним. Друге питання стосується встановлення необхідної кількості нейронів у захованому шарі нейронної мережі, за якою мережа досить точно апроксимує характеристику заданої нелінійної ланки. Отже, проведені дослідження засвідчили, що однозначні та неоднозначні характеристики типових нелінійних ланок автоматичних систем можуть бути успішно апроксимовані нейронною мережею з прямим передаванням сигналу.

Ключові слова: нейронна мережа,  нелінійна ланка, апроксимація.