В данной работе представлено решение задачи обучения искусственной нейронной сети (ИНС), с помощью которой в автоматической системе регулирования (АСР), имеющей в своем составе ШИМ-элемент, определяется такая важная составляющая его характеристики, как скважность. Исходя из вышесказанного можно говорить о широко распространенной в практике регулирования задаче параметрической оптимизации. Она с учетом применения ИНС при формулировкетребуетуточнения. Известны критерий оптимизации, архитектура ИНС, набор функций активации скрытого слоя. Необходимо определить значения синаптических весов, доставляющих экстремум принятого критерия. При этом следует дать рекомендации по выбору функции активации, исходя из конкретики требований, предъявляемых к процессам, протекающим в автоматической системе.Наличие в данной системе существенно нелинейного элемента определяет подход к решению вышеизложенной задачи с помощью алгоритмических методов.
Алгоритм обучения нейронной сети, сформирован на базе метода Нелдера–Мида, который относится к достаточно универсальным, что позволяет уменьшить трудности, проявляющиеся при решении подобных задач.
Как указывалось выше, этот алгоритм ОНС используется при обучении ИНС, входящей в АСР, структурная схема и ее математическое описание представлены. Для исследования работоспособности алгоритма использована методика, нашедшая распространение при проведении параметрической оптимизации классических импульсных АСР. Она основана на сходимости форм модуляционных характеристик. ПрименениеИНС повлекло за собой введение понятия «псевдомодуляционная характеристика». Приведены результаты настройки автоматической системы на достижение минимума интегрального критерия качества при использовании указанной архитектуры нейронной сети и пяти функций активации скрытого слоя.