Stabilność układu sterowania z regulatorem neuronowym

• Autorzy: Hirniak Y. , Ivakhiv O. , Nakonechnyi M. , Repetylo T.

Warianty tytułu

EN

Stability of system with neurocontroller

• Konferencja: XLVI Międzyuczelniana Konferencja Metrologów MKM’2014 i XIX Międzynarodowe Seminarium Metrologów MSM’2014 (XLVI i XIX; 13-16.09.2014; Gdańsk-Sztokholm, Polska-Szwecja)
• Języki publikacji: PL

Abstrakty

PL

W artykule rozpatrzono sposób syntezy regulatorów neuronowych, które wykorzystuje się do sterowania dynamicznymi obiektami nieliniowymi. Zbadano stabilność układu sterowania z regulatorem neuronowym, którego struktura została zaprojektowana według pożądanej reguły sterowania. Zaproponowano strukturę, w której w przeciwieństwie do zwykle stosowanego wprowadzenia uchybu regulacji na wejście regulatora podaje się sygnał wejściowy oraz wyjściowy na dwa oddzielne wejścia, co powoduje większą skuteczność działania systemu sterowania, a mianowicie polepszenie, jakości sterowania oraz przyśpieszenie reakcji systemu na sygnały wymuszające.

EN

The nature of nonlinearities in the objects of control particularly in the drives of robotic systems as dynamic objects of the second order is analyzed and shown that under the influence of some loads the mathematical model of such object is nonlinear and its linearization leads to disregard factors that significantly affect the dynamics of the object. The controllers which are built using classical methods in the process of system operation do not provide full adequacy between the values of specified and actual controlled variables of nonlinear control objects. An application of neural controllers promises the best prospects. We consider features of construction of dynamic neural network and the mathematical models of standard carried the review of functions of activation neurons and feasibility of using gradient algorithms including the algorithm Levenberg Marquardt for training dynamic neural networks. It is supposed that the system is based on the proportional-integral-differential law. The stability of the system supported by neurocontroller with two separated inputs is discussed. Obviously the control action of such dynamic system is corresponded with the difference between output signals of the non-linear object and the chosen standard. On contrary to a typical structure it was proposed to put these signals on two separate inputs. During the training procedure everyone weight is found one from another independently. This task has been considered which include the location of the dominant roots of the characteristic equation of the closed-loop system in a given area of the complex plane of the roots and then return back to the open-loop system. The comparison of obtained errors in traditional and proposed structures of neurocontroller showed that the last one is the most effective in quality and productivity sense.

Słowa kluczowe

PL

sieć neuronowa; dynamika układów sterowania; system sterowania; stabilność

EN

neuron network; non-linear object; system control; controller; algorithm studying

• Wydawca: Wydział Elektrotechniki i Automatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału Elektrotechniki i Automatyki Politechniki Gdańskiej
• Rocznik: 2014
• Tom: Nr 38
• Strony: 23--27
• Opis fizyczny: Bibliogr. 8 poz., rys., wykr.

Twórcy

autor

Hirniak Y.

• Lviv Polytechnic National University, Instytut Technologii Komputerowych, Automatyki i Metrologii, ul. Bandery 12, 79013 Lviv, Ukraina

autor

Ivakhiv O.

• Lviv Polytechnic National University, Instytut Technologii Komputerowych, Automatyki i Metrologii, ul. Bandery 12, 79013 Lviv, Ukraina

autor

Nakonechnyi M.

• Lviv Polytechnic National University, Instytut Technologii Komputerowych, Automatyki i Metrologii, ul. Bandery 12, 79013 Lviv, Ukraina

autor

Repetylo T.

• Lviv Polytechnic National University, Instytut Technologii Komputerowych, Automatyki i Metrologii, ul. Bandery 12, 79013 Lviv, Ukraina

Bibliografia

• 1. Goodwin F.C., Fraebe S.F., Salgado M.E.: Control System Design. Prentice Hall, Upper Saddle River, New Jercey, 2001.
• 2. Norgaared M., Ravn O., Poulsen N., Hansen I.: Neural Networks for Modelling and Control of Dynamic Systems. Springer, London, 2000.
• 3. Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. Wydawnictwo naukowe PWN, Warszawa, 2004.
• 4. Osowski S.: Sieci neuronowe do przetwarzania informacji. Oficyna wydawnicza politechniki Warszawskiej, Warszawa, 2000.
• 5. Flasiński M.: Wstęp do sztucznej inteligencji, Warszawa 2011.
• 6. Neural Network Toolbox Documentation [Online] The MathWorks, inc. available: http://www.mathworks.com/help/nnet/index.html
• 7. Ivakhiv O., Nakonechnyi M., Nakonechnyi Yu., Stadnyk B.: Neural Controllers with Different Teaching Sequences Configurations Creation./ Folia Scientiarum Universitatis Technicae Rosouiensis, NR 233, 2006, p. 153 – 163.
• 8. Hirnyak Yu., Ivakhiv O., Nakonechnyi M., Repetylo T.: Control System of Robot Movement, IDAACS`2013, The 7 IEEE International Conference on Intelligent Data Acquisition and Advanced Computing Systems (IDAACS), Volume 1, September 12-14, 2013, Berlin, Germany, p. 334-337.