Аналіз існуючих методів опису та керування нелінійних динамічних об’єктів, розробка нейромережевих методів, їх ідентифікація. Синтез алгоритмів нейрорегуляторів, рекурентні форми регуляризованих багатокрокових процедур навчання штучних нейронних мереж.
Аннотация к работе
Ефективність систем керування реальними обєктами значною мірою залежить від якості математичних моделей, що використовуються при цьому, які, з одного боку, повинні найбільш повно відображати властивості обєктів, а з іншого - бути зручними для реалізації алгоритмів керування. Відсутність достатньо повної інформації щодо умов функціонування, властивостей самих обєктів і перешкод визначає необхідність застосування при керуванні ними адаптивного підходу, що припускає можливість використання спрощених, зокрема, лінійних моделей. Незважаючи на величезну кількість робіт, обмеження, що накладаються різноманіттям видів нелінійностей, динамічними властивостями обєктів, їх нестаціонарністю, а також наявність зовнішніх збурень і помилок вимірювань, не дозволяють створити єдиний підхід при побудові систем керування. Здатність ШНМ до навчання (як самостійно, так і за допомогою “вчителя” на основі співвідношень “вхід-вихід”) дозволяє отримати простіші рішення для складних задач керування. Крім того, наявність в структурі ШНМ нейронів з нелінійними функціями активації дозволяє використовувати їх для вирішення задач керування нелінійними обєктами у той час, коли традиційні методи не забезпечують вирішення подібних задач.Нейромережева модель обєкта (1) має вигляд: ,(2) де L-число шарів у мережі; Wi-матриця вагових параметрів нейронів i-го шару мережі; fi()-функція активації i-го шару. За аналогією з традиційним підходом до вирішення задачі ідентифікації, при якому процес побудови моделі розбивається на два етапи - структурну і параметричну ідентифікацію, застосування ШНМ також вимагає вирішення двох задач: визначення структури мережі і настроювання (навчання) її параметрів. Нейромережева система керування складається з двох частин: нейрорегулятора та нейромережевої моделі обєкта (ідентифікатора). Синтез нейромережевої системи керування складається з декількох етапів, а саме: вибору критерію оптимальності, на основі якого будується процедура настроювання параметрів нейрорегулятора; вибору структури нейромережевої моделі обєкта та нейрорегулятора; вирішення задачі параметричної ідентифікації, для знаходження вагових коефіцієнтів нейромережевої моделі. Та обставина, що обидві ці мережі дозволяють апроксимувати з будь-якою заданою точністю будь-яку неперервну функцію, забезпечила їх широке застосування в задачах ідентифікації нелінійних обєктів, а поєднання апроксимуючих властивостей із здатністю швидко навчатися дозволяє використовувати їх для керування нелінійними динамічними обєктами в реальному часі.У дисертаційній роботі здійснено нове вирішення наукової проблеми керування нелінійними динамічними обєктами на основі БП за умов апріорної і поточної невизначеностей щодо властивостей обєктів і діючих завад. Важливість цієї проблеми повязана з тим, що застосування нових інформаційних технологій значно підвищує ефективність використання обчислювальної техніки в задачах керування складними обєктами в реальному часі, а її вирішення є основою для побудови ефективного математичного забезпечення систем керування. Розглянуто методи математичного опису нелінійних динамічних обєктів і проведено аналіз основних принципів побудови NARMAX і NARX моделей. Показано ефективність використання нейронних мереж типу БП для вирішення задач ідентифікації і керування. Розроблено процедури настроювання параметрів БП, засновані на методі поточного регресійного аналізу, які забезпечують отримання нейромережевих моделей, що адекватно відбивають властивості нестаціонарних динамічних обєктів.