Methods of synthesis of neural regulators for adaptive TONFC control systems

Группа	Учебная литература
Название на русском языке	Methods of synthesis of neural regulators for adaptive TONFC control systems
Авторы на русском языке	Buyankin V.
Название на английском языке	Методы синтеза нейронных регуляторов для адаптивных систем управления техническими объектами с нелинейными нечеткими характеристиками (ТОННХ)
Авторы на английском языке	Буянкин В.М.
Издательство на русском языке	LAMBERT Academic Publishing Germany, 2019. 269 с.

Резюме

Современное развитие науки и техники предъявляет все более высокие требования к точности систем управления техническими объектами с нелинейными и нечеткими характеристиками (ТОННХ). Такими техническими объектами являются рассмотренные в книге ионно-плазменные установки, высокоточные цифровые электроприводы металлорежущих станков, манипуляторы для роботов с параллельной кинематикой.

С появлением нанотехнологий повысились требования к точности работе ионно-плазменных установок, предназначенных для напыления нанослоев (10-50нм) лития, хрома, никеля на лопатки авиационных двигателей с целью повышения жаропрочности, коррозионной стойкости и увеличения срока службы. Ионизированная плазма представляет собой многомерный технический объект с нелинейными и нечеткими характеристиками. Физические процессы в ионизированной плазме сложны. На стабильность и точность ионно-плазменного напыления в той или иной степени влияет около 60 взаимосвязанных параметров. В процессе напыления может меняться порядок системы дифференциальных уравнений, которые описывают динамические и статические характеристики ионизированной плазмы. Многие традиционные математические модели ионизированной плазмы во многих случаях неадекватны реальному процессу. Так как ионно-плазменное напыление является сравнительно новой технологией, то работ, посвященных управлению ионизированной плазмой, мало. Основными факторами, сдерживающими широкое внедрение систем управления ионизированной плазмой, являются: недостаточная информация о статических и динамических характеристиках; невысокая точность функциональных зависимостей, описывающих процесс напыления; отсутствие методов, методик и алгоритмов управления ТОННХ.

В настоящее время сверхточные прецизионные системы управления создаются на базе стандартных классических регуляторов: интегрального (И), пропорционально – интегрального (ПИ), пропорционально интегрально – дифференциального (ПИД), которые широко зарекомендовали себя благодаря своей простоте и высокой надежности для линеаризованных объектов управления. Однако, эти регуляторы не могут оперативно перестраивать свои структуры и варьировать коэффициенты при изменении параметров технических объектов. Стандартные классические регуляторы не могут вырабатывать упреждающее прогнозируемое управление, которое является необходимым для ТОННХ.

Одним из способов, позволяющим повысить точность работы ТОННХ при компенсации внешних возмущающих воздействий в системах автоматического управления, является применение теории инвариантности. Основным методом, используемым при построении инвариантных систем, является комбинированное управление с вводом в контур технических объектов производных от задающих и возмущающих воздействий. Однако, формирование этих производных в условиях нечеткой информации о внешних возмущающих воздействиях затрудняет применение комбинированного управления.

Другой способ повышения точности работы ТОННХ базируется на применении теории чувствительности с методами исследования зависимости свойств систем управления от изменения параметров технических объектов. Основой теории чувствительности является определение функций и коэффициентов чувствительности. Функции и коэффициенты чувствительности позволяют оценить влияние отдельных параметров на динамические и статические характеристики системы управления. Однако, анализ работы ТОННХ из-за неточности исходных данных не формализуем. В результате вычисление функций чувствительности на базе частных производных состояний объекта по параметрам затруднено, что также ограничивает применение теории чувствительности.

В целом методы управления ТОННХ классическими методами (оптимальным, экстремальным, стохастическим и т.д.) описываются большим количеством дифференциальных уравнений, что приводит к увеличению объемов расчетов и увеличению времени их обработки. Поэтому классические методы управления не могут существенно повысить быстродействие и точность работы ТОННХ.

В последние годы резко повысился интерес к новым научным направлениям, в частности к нейроуправлению с использованием нейронных сетей. Нейронные сети позволяют эффективно обрабатывать полученные результаты, проводить достаточно глубокий анализ статических и динамических характеристик, отслеживать появление ошибок и нежелательных режимов. Преимущество идеи использования нейронных сетей заключается в сравнительной простоте оптимизации сложных законов управления, минуя процесс разработки математических моделей ТОННХ. Поэтому нейронные сети, реализованные на базе нейропроцессоров, нашли широкое применение во многих отраслях науки и техники. Нейропроцессорные системы управления непосредственно обучаются статическим и динамическим характеристикам, обеспечивая необходимую точность систем нейроуправления, что выгодно отличает их от традиционных микропроцессорных систем.

Однако при включении нейронных сетей в замкнутые контуры управления ТОННХ появилась проблема анализа устойчивости. Проблема устойчивости ставила в тупик первых исследователей. Сложно было предсказать, какие нейронные сети, состоящие из набора нейронов, связанных между собой перекрестными обратными связями с нелинейными функциями активации, будут устойчивы. Нейроны могут объединяться в сети различными способами, число слоев может быть неограниченным, определение числа нейронов и слоев представляет собой серьезную математическую проблему, основанную на использовании свойств аппроксимируемой функции. Широко применяемые классические методы анализа устойчивости Рауса-Гурвица, Найквиста-Михайлова, используемые для линеаризованных динамических систем, не годятся для систем управления ТОННХ. Для определения устойчивости систем управления ТОННХ уже долгое время широко применяется прямой метод Ляпунова. Однако поиск необходимой функции Ляпунова иногда является довольно затруднительным. Определенную трудность представляют и расчеты данными методами локально асимптотических областей устойчивости.

Таким образом, на сегодняшний день анализ устойчивости систем управления ТОННХ существующими классическими методами представляет сложную проблему, что требует новых подходов к определению устойчивости систем управления ТОННХ.

При длительной работе систем управления ТОННХ происходит износ оборудования, приводящий к нештатным ситуациям. В таких случаях приходится прогнозировать и определять неисправности, предсказывая будущие отказы. Такие задачи (в отличие от обычных методов диагностики) можно решать, используя системы прогнозирования на базе нейронных сетей, что делает незаменимой нейродиагностику для повышения надежности работы систем управления ТОННХ.

В работе предлагается новый подход к разработке нейросетевых методов для повышения точности работы ТОННХ с системами управления, состоящих из прогнозируемых нейрорегуляторов и нейроидентификаторов с нейродиагностикой неиспратвностей и отказов оборудования, что является на сегодняшний день важной и актуальной проблемой.

Цель работы. Повышение точности работы систем управления ТОННХ на базе новых методов нейроидентификации, нейроуправления, нейродиагностики.

Методы исследований базируются на применении нейроинформатики, теории нечеткой логики, теории распознавания образов, теории автоматического управления, теории электропривода, методов имитационного моделирования в средах Matlab Neural Network; Matlab-Simulink; Matlab Fuzzy tech.

Научная и теоретическая новизна.

1. Разработан метод синтеза нейроидентификаторов с прогнозированием на базе комплексного применения ансамбля нейронных сетей для систем управления ТОННХ. В отличие от существующих методов идентификации (метод частотных характеристик, метод временных характеристик, метод наименьших квадратов, метод статистических корреляционных функций), которые часто сводятся к линеаризации дифференциальных уравнений, что приводит к приближенному описанию работы и, как следствие, снижению точности идентификации ансамбли нейронных сетей определяют и прогнозируют статические и динамические характеристики систем управления ТОННХ.

Предлагаются системы управления, уменьшающие время обучения нейронных сетей за счет отсекания лишних локальных минимумов с нелинейным изменением шага обучения.

При синтезе и дообучении ансамбля нейронных сетей с нечеткой логикой с целью повышения точности идентификации при увеличении влияния нелинейностей на статические и динамические характеристики систем управления ТОННХ проводится коррекция функций принадлежности и баз нечетких правил.

Разработанные нейроидентификаторы с прогнозом используются для создания систем нейродиагностики. Окончательное решение об исправности принимает нейронная сеть, обученная на возможный спектр отказов работы систем управления ТОННХ в условиях неполной информации.

2. Разработан метод синтеза адаптивных прогнозируемых нейрорегуляторов на базе нейронных сетей с нечеткой логикой. В отличие от существующих подходов к синтезу классических регуляторов И, ПИ, ПИД предлагается выбор структур нейрорегуляторов с использованием нечетких бинарных отношений с (max-min) – транзитивным замыканием для систем управления ТОННХ, у которых в процессе работы могут меняться параметры, влияющие на статические и динамические характеристики. Прогнозируемые параметры нейрорегуляторов рассчитываются с использованием нечеткой логики.

Для стабилизации давления ионизированной плазмы в установках МАП 2,3 разработана методика синтеза нейрорегуляторов с инверсной характеристикой нейропрогнозирующих нейроидентификаторов. Нейрорегуляторы обеспечивают необходимые динамические и статические характеристики системы стабилизации давления ионизированной плазмы, увеличивают запасы устойчивости.

Для многоконтурных структур электроприводов разработана методика синтеза нейрорегуляторов на базе эталонных моделей. Системы нейроуправления позволяют дообучать нейрорегуляторы с целью получения необходимых статических и динамических характеристик для достижения необходимой точности работы контуров электроприводов.

Разработанные методики были использованы для создания нейросетевых систем управления манипуляторами для роботов с параллельной кинематикой. За счет этих методик удалось повысить точность работы систем управления в условиях анизотропии с неоднородностью динамических, упругих и скоростных свойств манипулятора.

3. Разработан метод анализа устойчивости систем нейроуправленя. В отличие от существующих методов Рауса-Гурвица, Найквиста-Михайлова, Ляпунова, рассматривается поэтапный анализ первой и второй производных оценочной функции, представляющей сумму ошибок между сетевыми выходными сигналами и ожидаемыми значениями выходного сигнала нейросетевого узла с учетом внешних возмущающих воздействий. На первом этапе определяется оценочная функция нейронной сети, на втором этапе вычисляются производные оценочной функции, на третьем этапе происходит разложение в ряд Тейлора выхода нейросетевого узла, на четвертом этапе проводится анализ устойчивости. Стремление к нулю производных первого, второго порядка оценочной функции и ошибки обучения нейронной сети во временной бесконечности позволяет сделать заключение о локальной асимптотической устойчивости систем нейроуправления. Рассмотрены этапы поиска областей локальной асимптотической устойчивости, где производные первого порядка, разложенные в ряд Тэйлора, доминируют над производными второго порядка в ξ приближении, на основании чего делается вывод, что влияние производных высших порядков в этой области ничтожно. При снижении запасов устойчивости в систему нейроуправления поступает сигнал о перенастройке нейрорегуляторов. Данный метод упрощает анализ устойчивости нелинейных динамических систем по сравнению с классическими методами.

Краткое содержание книги

Во введении обоснована актуальность исследований, сформулированы научная новизна, практическая ценность.

В первой главе проведен аналитический анализ и обзор отечественных и зарубежных методов и моделей современных систем нейроуправления с нейроидентификаторами и нейрорегуляторами ТОННХ.

Во второй главе рассмотрен метод синтеза нейроидентификаторов с прогнозом ТОННХ. Проводится анализ традиционных методов: метод частотных характеристик, метод временных характеристик, метод наименьших квадратов, метод статистических корреляционных функций.

В третьей главе рассмотрен метод синтеза прогнозируемых нейрорегуляторов с выбором структур нейрорегуляторов на базе нечетких бинарных отношений.

В четвертой главе рассмотрен метод анализа устойчивости систем нейроуправления ТОННХ. На рисунке 11 представлена структурная схема метода анализа локальной асимптотической устойчивости системы нейроуправления техническим объектом с проверкой затухания высших производных ошибки обучения нейронной сети.

В пятой главе предложен новый подход к разработке систем диагностики на базе системы нейроуправления. Использование нейроидентификаторов с прогнозом позволяет создать систему прогнозируемой нейродиагностики для ТОННХ.

В шестой главе рассмотрены примеры реализации нейросетевых систем управления ТОННХ.

Издание "Methods of synthesis of neural regulators for adaptive TONFC control systems" (Buyankin V.) отмечено наградой
МЕДАЛЬ «ЗА ВЕРНОСТЬ ТРАДИЦИЯМ ОТЕЧЕСТВЕННОГО ОБРАЗОВАНИЯ» С УДОСТОВЕРЕНИЕМ

Оформление наградных документов и заказ каталога