НАУЧНЫЙ ВЕСТНИК


НОВОСИБИРСКОГО ГОСУДАРСТВЕННОГО ТЕХНИЧЕСКОГО УНИВЕРСИТЕТА

ISSN (печатн.): 1814-1196          ISSN (онлайн): 2658-3275
English | Русский

Последний выпуск
№2-3(79) Апрель - Сентябрь 2020

Синтез нейросетевого регулятора управления нелинейной моделью перевернутого маятника на тележке

Выпуск № 2-3 (79) Апрель - Сентябрь 2020
Авторы:

Воевода Александр Александрович,
Шипагин Виктор Игоревич
DOI: http://dx.doi.org/10.17212/1814-1196-2020-2-3-25-36
Аннотация

В рамках настоящей статьи рассматривается алгоритм выбора структуры нейронной сети, используемой для регулирования объекта «перевернутый маятник на тележке» с учетом его дополнительных особенностей математического описания, а именно нелинейных параметров.



Работа алгоритма иллюстрируется на примере синтеза системы автоматического управления, включающей два нейрорегулятора. Один из них отвечает за вывод тележки в заданное положение, а второй – за удержание перевернутого маятника в вертикальном положении. Преобразования структуры будем осуществлять для регулятора, отвечающего за вывод тележки в заданное положение.



За основу берется архитектура нейросетевого регулятора, полученного из дискретного регулятора, синтезированного с использованием полиномиального матричного разложения.

Для исходного регулятора определим границы его возможного управления нелинейной системой. С целью увеличения диапазона управления нелинейным объектом выполним преобразования структуры нейросети исходного регулятора. Проведем некоторые усложнения структуры нейронной сети регулятора, а именно: увеличим количество нейронов и заменим некоторые функции активации на нелинейные (гиперболический тангенс). Далее предлагается один из способов выбора начальных значений весовых коэффициентов. Затем обучаем нейросеть и проверяем работоспособность полученного регулятора на нелинейном объекте. На следующем этапе сравниваются показатели качества регулирования (быстродействие, астатизм, перерегулирование) полученного регулятора с усложненной структурой нейросети и исходного регулятора.



Таким образом, целью настоящего исследования является формализация процедуры синтеза нейросетевого регулятора для управления нелинейным объектом по рассчитанному с использованием полиноминального матричного разложения регулятору для линеаризованной модели объекта.



Представляемый способ генерации архитектуры нейронной сети управляющих регуляторов дает возможность увеличить диапазон регулирования нелинейным объектом по сравнению с регулятором, полученным методом полиномиального матричного разложения для линейного объекта. Предлагаемая структура нейронной сети не избыточна и поэтому не требует дополнительных вычислительных ресурсов для ее настройки.


Ключевые слова: нейросетевой регулятор, управление нелинейным объектом, система управления, многоканальная система, архитектура нейронной сети, перевернутый маятник, выбор начальных весовых коэффициентов, выбор структуры нейронной сети

Список литературы

1. Artificial neural network classification of motor-related EEG: an increase in classification accuracy by reducing signal complexity / V.A. Maksimenko, S.A. Kurkin, E.N. Pitsik, V.Y. Musatov, A.E. Runnova, T.Y. Efremova, A.E. Hramov, A.N. Pisarchik // Complexity. – 2018. – Vol. 2018. – Art. 9385947. – P. 1–10.



2. Yang X.C., Yung M.H., Wang X. Neural-network-designed pulse sequences for robust control of singlet-triplet qubits // Physical Review A. – 2018. – Vol. 97. – P. 042324.



3. Eggensperger K., Lindauer M., Hutter F. Neural networks for predicting algorithm runtime distributions // Proceedings of the Twenty-Seventh International Joint Conference on Artificial Intelligence (IJCAI-18). – Stockholm, Sweden, 2018. – P. 1442–1448.



4. Golnaraghi F., Kuo B.C. Automatic control systems. –10th ed. – New York: McGraw-Hill, 2017. – 1160 p.



5. Isidori A. Lectures in feedback design for multivariable systems. – Switzerland: Springer, 2016. – 414 p. – (Advanced Textbooks in Control and Signal Processing).



6. Воевода А.А., Бобобеков К.М., Шипагин В.И. Синтез одноканальных регуляторов с использованием факторизации передаточной функции объекта // Сборник научных трудов НГТУ. – 2019. – № 2 (95). – С. 7–17. – DOI: 10.17212/2307-6879-2019-2-7-17.



7. Lopez-Martin M., Carro B., Sanchez-Esguevillas A. Neural network architecture based on gradient boosting for IoT traffic prediction // Future Generation Computer Systems. – 2019. – Vol. 100. – P. 656–673.



8. Silva A.J. da, Oliveira W.R. de, Ludermir T.B. Weightless neural network parameters and architecture selection in a quantum computer // Neurocomputing. – 2016. – Vol. 183. – P. 13–22.



9. Zoph B., Le Q. Neural architecture search with reinforcement learning // arXiv preprint. – arXiv:1611.01578, 2016.



10. Elsken T., Metzen J., Hutter F. Neural architecture search: a survey // arXiv preprint. – arXiv:1808.05377, 2018.



11. Pascanu R., Mikolov T., Bengio Y. On the difficulty of training Recurrent Neural Networks // arXiv preprint. – arXiv:1211.5063 [cs. LG].



12. Arjovsky M., Shah A., Bengio Y. Unitary evolution Recurrent Neural Networks // arXiv preprint. – arXiv:1511.06464.



13. Воевода А.А., Шоба Е.В. О модели перевернутого маятника // Сборник научных трудов НГТУ. – 2012. – № 1 (67). – С. 3–14.



14. Воевода А.А., Шоба Е.В. Управление перевернутым маятником // Сборник научных трудов НГТУ. – 2012. – № 2 (68). – С. 3–14.



15. Шипагин В.И. Нейросетевая реализация регулятора для устойчивого объекта Сборник научных трудов НГТУ. – 2019. – № 3–4 (96). – С. 53–63. – DOI: 10.17212/2307-6879-2019-3-4-53-63.

Для цитирования:

Воевода А.А., Шипагин В.И. Синтез нейросетевого регулятора управления нелинейной моделью перевернутого маятника на тележке // Научный вестник НГТУ. – 2020. – № 2–3 (79). – С. 25–36. – DOI: 10.17212/1814-1196-2020-2-3-25-36.

 

For citation:

Voevoda A.A., Shipagin V.I. Sintez neirosetevogo regulyatora upravleniya nelineinoi model'yu perevernutogo mayatnika na telezhke [Synthesis of a neural network control regulator of a nonlinear model of an inverted pendulum on a cart]. Nauchnyi vestnik Novosibirskogo gosudarstvennogo tekhnicheskogo universiteta = Science bulletin of the Novosibirsk state technical university, 2020, no. 2–3 (79), pp. 25–36. DOI: 10.17212/1814-1196-2020-2-3-25-36.

Просмотров: 49