Метод нейросетевых алгоритмов для адаптивного контроля сложного объекта класса нелинейной динамической системы
Автор: Малыхина Г.Ф., Меркушева А.В.
Журнал: Научное приборостроение @nauchnoe-priborostroenie
Рубрика: Оригинальные статьи
Статья в выпуске: 4 т.14, 2004 года.
Бесплатный доступ
Рассмотрены прикладные элементы теории контроля и управления сложным объектом, который характеризуется многими параметрами состояния, нелинейными уравнениями динамики для этих параметров и для системы их измерения. Представление, идентификация и управление таким объектом (как нелинейной многопараметрической динамической системы, ДС) основаны на методологии нейронных сетей и даны в сопоставлении с принципами описания линейных ДС. Показано использование адаптивной схемы управления при неполной информации о модели объекта.
Короткий адрес: https://sciup.org/14264363
IDR: 14264363 | УДК: 681.51;
Neural network algorithms based methods for adaptive control of complex objects belonging to the class of nonlinear dynamical systems
Applied elements of the complex object control theory are considered when the object is characterized by many state parameters, nonlinear dynamics equations for parameters and the measurement system. The presentation, identification and control of such object (as a nonlinear multi-parametric dynamic system, DS) based on the neural networks methodology are and described compared with those for linear DS. For the case of incomplete information concerning the object model, the use of an adaptive control scheme is demonstrated.
Список литературы Метод нейросетевых алгоритмов для адаптивного контроля сложного объекта класса нелинейной динамической системы
- Cybenko G. Approximation by Superposition of a Sigmoidal Function//Mathematics of Control Signal and Systems. 1989. n 2. p. 303-314.
- Funahashi K. On the Approximate Realization of Continuous Mapping by Neural Network//Neural Networks. 1989. n 2. p. 183-192.
- Hasson M.M. Fundamentals of Artificial Neural Networks. Cambridge, MA: MIT Press, 1995. 186 p.
- Терехов В.А., Ефимов Д.В., Тюкин И.Ю., Антотов В.Н. Нейросетевые системы управления. СПб.: Изд-во СПб ГУ, 1999. 148 с.
- Intelligent Observer and Control Design for Nonlinear Systems/Ed. Schroder D. Berlin: Springer-Verlag, 2000. 336 p.
- Малыхина Г.Ф., Меркушева А.В. Метод контроля состояния подсистемы (объекта) при неполной измерительной информации о совокупности параметров, определяющих ее динамику. I. Анализ структуры нейронной сети, приспособленной к динамическому характеру анализируемой информации//Научное приборостроение. 2004. Т. 14, № 1. с. 72-84.
- Narendra K.S., Parthasarathy K. Identification and Control of Dynamical Systems Using Neural Networks//IEEE: Transactions on Neural Networks. 1990. v. 1. p. 4-27.
- Haykin S., Van Veen B. Signal and Systems. NY.: Willey, 1998. 440 p.
- Falb P.L., Wolovich W.A. Decoupling in the Design and Synthesis of Multivariable Control Systems//IEEE: Transactions on Automatic Control. 1976. v. 12. p. 651-659.
- Nijmeijer H., Schaft A.J. Nonlinear Dynamical Control Systems. NY.: Springer-Verlag, 1990. 183 p.
- Уидроу Б., Стирнз С. Адаптивная обработка сигналов. М.: Радио и связь, 1989. 439 с.
- Rosenwasser E.N., Lampe B.P., Rossenwasser E.N. Computer Controlled Systems: Analysis and Design with Process-Oriented Models (CCES Communications & Control Engineering). UK: Springer-Verlag, 2000. 500 p.
- Круглов В.В. Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия, 2001. 381 с.
- Меркушева А.В. Применение нейронной сети для текущего анализа нестационарного сигнала (речи), представленного его вейвлет-отображением. I. Основные принципы//Научное приборостроение. 2003. Т. 13, № 1. с. 64-71.
- Hornik K., Stinchcombe M., White H. Multilayer Feed-Forward Networks Are Universal Approximators//Neural Networks. 1989. N 2. p. 359-366.
- Калман Р., Фалб П., Арбиб М. Очерки по математической теории систем. М.: Мир, 1971. 398 с.
- Narendra K.S., Parthasarathy K. Gradient Methods for the Optimization of Dynamical Systems Containing Neural Networks//IEEE: Transactions on Neural Networks. 1991. v. 2. p. 252-262.
- Isidory A. Nonlinear Control Systems. NY.: Springer-Verlag, 1985. 230 p.
- Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. М.: Наука, 1986. 243 с.
- Bahrami M. Adaptive Control of Dynamic Systems by Back-Propagation Network//Neural Networks. 1994. v. 7, n 2. p. 409-419.
- Fung C.F. On-line Adaptive Training Using Radial Basis Functions//Neural Networks. 1996. v. 9, n 9. p. 1597-1618.
