21694

ПАРАЛЛЕЛЬНАЯ СХЕМА УПРАВЛЕНИЯ

Лекция

Информатика, кибернетика и программирование

ПАРАЛЛЕЛЬНАЯ СХЕМА УПРАВЛЕНИЯ В параллельной архитектуре нейронного управления нейронная сеть используется наравне с обычным ПИДрегулятором. Настройка выполняется таким образом чтобы выходной сигнал объекта управления как можно точнее соответствовал заданному опорному сигналу . Из этих примеров следует что даже если удастся разработать хорошую общую стратегию управления может возникнуть необходимость в её настройке с целью получения лучших практических результатов.

Русский

2013-08-03

538.5 KB

5 чел.

етоды искусственного интеллекта

Лекция № 10

МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

ЛЕКЦИЯ № 11

На последних лекциях мы изучали последовательную схему нейронного управления, сегодня мы разберёмся с параллельной схемой.

ПАРАЛЛЕЛЬНАЯ СХЕМА УПРАВЛЕНИЯ

В параллельной архитектуре нейронного управления нейронная сеть используется наравне с обычным ПИД-регулятором.

Рисунок. Параллельная схема нейроконтроллера

Нейроконтроллер параллельного типа используется для настройки управляющего входного сигнала , который является суммой выходов нейросети и обычного контроллера. Настройка выполняется таким образом, чтобы выходной сигнал объекта управления  как можно точнее соответствовал заданному опорному сигналу . Задача нейроконтроллера параллельного типа заключается в том, чтобы подкорректировать управляющее воздействие , если оно не обеспечивает хорошего результата.

Например, хороший повар в ресторане может приготовить отличный обед, однако на каждом столе должны стоять соль и специи, чтобы каждый мог добавить их по вкусу.

Другой пример: инженеры разработали отличный контроллер, однако в реальных условиях может потребоваться настройка уровня входного управляющего сигнала, например, в соответствии с конкретным видом продукции.

Из этих примеров следует, что даже если удастся разработать хорошую общую стратегию управления, может возникнуть необходимость в её настройке с целью получения лучших практических результатов.


Алгоритмы обучения для параллельной схемы управления

Общая конфигурация управления показана на следующем рисунке.

Рисунок. Нейроконтроллер параллельного типа с эмулятором

На этой схеме блок NN1 представляет собой нейронную сеть для эмулятора объекта управления, создающего оценку  выходной координаты  объекта управления. Управляющий сигнал , представляющий собой выходной сигнал нейронной сети NN2, используется для коррекции управляющего сигнала , создаваемого обычным контроллером. Коррекция выполняется таким образом, чтобы обеспечить минимизацию рассогласования между опорным сигналом и выходом объекта управления.

Обозначим через  ошибку рассогласования между опорным сигналом  и фактическим выходом . Необходимо обучить сеть NN2 таким образом, чтобы она могла минимизировать среднеквадратическую ошибку. Обозначим её через  и определим в виде:

.

На нашем рисунке  обозначает выход блока NN2. Предположим, что используется трёхслойная нейронная сеть, на вход которой поступает сигнал , а на выходе появляется сигнал . Кроме того, предположим, что объект управления имеет единичную временную задержку. Таким образом, получим:

Чтобы получить алгоритм обучения, применим метод наискорейшего спуска для минимизации ошибки . Получим:

где  и  — скорость обучения и мгновенный член соответственно. Через  обозначен вес связи между -м нейроном скрытого слоя и нейроном входного слоя, а через  — вес связи между нейроном выходного слоя и -м нейроном скрытого слоя.

Обозначив

,

где

,

получим

.

Используя сигмоидную функцию, отношение вход-выход для нейрона запишем в следующей форме:

А из отношения вход-выход для объекта управления получим:

{почему-то здесь те же уравнения, что чуть выше мы уже получали. Наверное, трудности перевода… 8-)}

Таким образом, получим:

Здесь использовалось равенство

.

Если в качестве функции активации на выходном слое использовать отображение тождества, т.е. , то получим

,

где  обозначает то же самое, что , но при использовании отображения тождества в качестве функции активации нейронов.

Таким образом, имеем:

или

.

Для -го элемента скрытого слоя имеем:

Определяя  как

,

получим

Используя цепное правило, получим:

.

Таким образом, обучающее правило для узлов скрытого слоя запишем в виде:

Следовательно, правило нейронного управления для параллельной схемы можно задать в виде следующих шагов.

Шаг 1. Установить начальные значения , , , ,  и . Установить  и перейти к шагу 2.

Шаг 2. Подать опорный (желаемый входной) сигнал  на вход нейронной сети. Вычислить  или  по формуле:

или

,

где

.

Шаг 3. Изменить веса связей:

или

.

Шаг 4. Вычислить  или  по формуле:

или

.

Шаг 5. Изменить веса связей на следующую величину:

или

.

Шаг 6.  и перейти к шагу 2.

Следует отметить, что в случае нейроконтроллера последовательного типа обучающее правило использует . Это значение можно вычислить приближённо, используя численную разность или применяя сеть-эмулятор.

СХЕМА НЕЙРОННОГО УПРАВЛЕНИЯ С САМОНАСТРОЙКОЙ

Схема нейронного управления с самонастройкой показана на рисунке:

Рисунок. Схема нейронного управления с самонастройкой

Здесь нейронная сеть используется для настройки параметров обычного контроллера подобно настройке, выполняемой человеком-оператором.

Человек-оператор накапливает определённый опыт и знания о системе управления. Однако, в отличие от компьютера, человек-оператор не может помнить все данные о прошлом системы для всех видов рабочих состояний. Компьютер может легко хранить такую информацию и мгновенно отыскивать её. Таким образом, если удастся включить знания и опыт оператора в нейронную сеть и обучить её на основе данных о прошлом системы, то обученную таким образом сеть можно будет использовать как средство оперативной настройки параметров контроллера.

Такой подход может непосредственно применяться для многих традиционных технологий управления, включающих методы адаптивного управления. Многие методы адаптивного управления включают ряд параметров или задаваемых пользователем полиномиальных коэффициентов, которые требуется выбирать или настраивать предварительно. Обычно они выбираются методом проб или ошибок. Встроим в схему управления нейронную сеть, можно затем использовать эту сеть для оперативной настройки указанных параметров. Таким образом, стратегия нейронного управления с самонастройкой может применяться во многих традиционных технологиях управления.

Далее мы вспомним немного о ПИД-регуляторах.

ПИД-регуляторы

ПИД-регуляторы имеют давнюю историю в управлении промышленными объектами, они зарекомендовали себя как надёжные, простые и устойчивые средства для многих реальных приложений. В частности, в Японии доля ПИД-регуляторов составляет 84 % среди всех средств управления, применяемых на практике. Это, правда, старые данные, по состоянию на 1993 год.

Широкое распространение ПИД-регуляторов подтверждает, что они пригодны для многих практических задач благодаря простоте своей структуры и принципов работы.

Схема ПИД-управления приведена на рисунке:

Рисунок. Общая схема ПИД-регулятора

На этой схеме обозначены:

коэффициент пропорциональности,

— постоянная интегрирования,

— постоянная дифференцирования.

Эти параметры настраиваются в соответствии с желаемым выходным сигналом.

Управляющий входной сигнал ПИД-регулятора  задаётся выражением:

.

Переводя это на русский язык, пропорциональное действие связано с текущей ошибкой, интегрирующее — с предысторией ошибки, а дифференцирующее — с будущим поведением ошибки. С точки зрения оценивания, пропорциональное, интегрирующее и дифференцирующее действия соответствуют фильтрации, сглаживанию и прогнозированию соответственно.

Мы рассмотрели параллельную схему нейронного управления и схему нейронного управления с самонастройкой.

PAGE  6

Томский политехнический университет,

Дмитрий Афонин, апрель 2006 г.


 

А также другие работы, которые могут Вас заинтересовать

78521. Основные аппаратные составляющие и перифирийные устройства компьютеров, их назначение, типы, принципы функционирования и характеристики 33 KB
  Процессор является основным вычислительным устройством ВМ в задачу которого входит исполнение находящейся в памяти машины программы. Процессор является основным вычислительным узлом ПК в задачу которого входят исполнение находящейся в памяти программы. сам по себе процессор и остальные элементы контроллеры памяти интерфейсы шины КЭШ память...
78522. Вычислительные системы: общие понятия, классификация, структурные схемы, характеристики 159.5 KB
  Одним из эффективнейших направлений развития вычислительной техники стало построение так называемых многомашинных вычислительных систем ММВС Принципиальным отличием ММВС от многопроцессорных ВМ является то что входящие в состав ММВС отдельные ВМ или и отдельные так называемые вычислительные модули ВМод включающие центральный процессор основную память интерфейсное устройство и возможно дисковую память имеют свою собственную основную память. Вычислительные машины или и вычислительные модули связываются между собой посредством...
78523. Понятие и классификация вычислительных сетей. Модель многоуровневого сетевого взаимодействия 27 KB
  COWS – кластар рабочих станций NOWS – сеть рабочих станций Основной классифицирующей характеристикой ВС является их масштабная территориальная характеристика: локальные вычислительные сети и глобальные вычислительные сети ГВС и региональные городские РВС. Сети отделов. Сети кампусов изначально преследовали цель объединения нескольких мелких локальных сетей в одну. Корпоративные сети в рамках одного предприятия.
78524. Физический уровень сетевых телекоммуникаций: общие понятия, типы и характеристики линий связи, методы передачи данных 27 KB
  Физический уровень сетевых телекоммуникаций: общие понятия типы и характеристики линий связи методы передачи данных Физ. В зависимости от типа физической среды передачи информации линии связи могут быть либо кабельными проводными либо беспроводными электромагнитные волны. в оптоволоконном кабеле для передачи данных используются световые импульсы. малую надежность передачи информации.
78525. Базовые сетевые технологии: стандарты, механизмы, характеристики 27 KB
  Под топологией компьютерной сети обычно понимают физическое расположение компьютеров сети относительно Друг Друга и способ соединения их линиями. Топология определяет требования к оборудованию тип используемого кабеля методы управления обменом надежность работы возможность расширения сети. Звезда: все компьютеры сети соединяются с центральным компьютером активная звезда при отсутствии центрального компьютера – псевдо звезда. По сети непрерывно циркулирует маркер который имеет длину 3 байта и не содержит обычных данных.
78526. Конструирование путевых машин капитального ремонта пути 1007.73 KB
  От его работы зависит бесперебойная работа всех его секторов. Железнодорожный транспорт многоотраслевое хозяйство представлявшее собой огромный по протяженности конвейер бесперебойная и безаварийная работа которого зависит от функционирования каждой из его составных частей. Железнодорожный путь работает в самых сложных атмосферноклиматических условиях при постоянном воздействии динамической нагрузки от проходящих поездов. Для обеспечения указанных требований постоянно ведутся работы по усилению несущей способности и...
78527. Технология производства рабочей лопатки турбины 4.23 MB
  Одной из самых нагруженных деталью, ограничивающей межремонтный ресурс, являются неохлаждаемые лопатки турбины, изготавливаемые из деформируемого никелевого сплава ЭИ893. Лопатки из этого сплава из-за ограничений по длительной прочности имеют ресурс 48000 часов.
78528. Построение системы управления поставками и маркетинга для крупного металлургического холдинга «КарМет» 19.86 MB
  Традиционные информационные системы изначально были функциональной основой для множества организаций или функциональных сфер, но не могли объединять их в случае их географической распределенности. Одну и ту де информацию собирали многократно и во многих местах, и она была недоступна в реальном времени.
78529. Расчет и проектирование объемной гидропередачи привода рабочего органа дорожно-строительной машины 1.02 MB
  В настоящее время гидропривод широко применяется в авиационной, станкостроительной, тракторостроительной, металлургической и многих других отраслях промышленности. Гидропривод широко применяется также в тяжелых грузоподъемных машинах и самоходных агрегатах.