Колодяжний Віталій Володимирович. Керування стохастичними об'єктами в умовах невизначеності на основі нечітких нейромережевих моделей

Короткий опис

Колодяжний Віталій Володимирович. Керування стохастичними об'єктами в умовах невизначеності на основі нечітких нейромережевих моделей : Дис... канд. наук: 05.13.03 2002

Колодяжний В.В. Керування стохастичними об'єктами в умовах невизначеності на основі нечітких нейромережевих моделей. Рукопис.
Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.03 системи та процеси керування. Харківський національний університет радіоелектроніки, Харків, 2002.
Розглянуто задачу керування широким класом стохастичних об'єктів в умовах невизначеності щодо структури та параметрів об'єкта. Вдосконалено методи керування на основі моделей, що настроюються. Це дозволило врахувати наявні обмеження на величину похибки керування та динаміку керуючого впливу. Запропоновано швидкодіючу адаптивну процедуру ідентифікації параметрів багатовимірних об’єктів керування.
Вперше запропоновано адаптивні процедури навчання та самоорганізації в реальному часі з високою швидкодією для нечітких нейромережевих моделей. Модифіковано метод керування на основі оберненої нечіткої моделі. Вперше запропоновано закони керування на основі локальної лінеаризації нечітких моделей з використанням процедур навчання та самоорганізації.
Проведено імітаційне моделювання розроблених законів керування та процедур навчання. Розв’язано актуальні практичні задачі керування складними технічними об'єктами з використанням розроблених методів та моделей.

У дисертаційній роботі розв’язано актуальну наукову задачу розробки методів керування широким класом стохастичних об’єктів в умовах невизначеності щодо структури та параметрів об’єктів на основі нечітких нейромережевих моделей. Проведені дослідження дозволяють зробити такі висновки:
1. В результаті аналізу поточного стану проблеми керування стохастичними об'єктами в умовах невизначеності відзначено недоліки відомих нечітких нейромережевих систем. Так, використання критеріїв типу мінімальної дисперсії не дозволяє враховувати наявні обмеження на фазові змінні. Крім того, процедури навчання на основі зворотного поширення похибок мають низьку швидкість збіжності, що обмежує їхнє застосування в реальному часі, а процедури на основі рекурентного методу найменших квадратів складні та нестійкі обчислювально.
2. Вдосконалено методи керування стохастичними об’єктами, що дозволило врахувати наявні обмеження на величину похибки керування та динаміку керуючого впливу. Запропоновано адаптивну процедуру ідентифікації параметрів багатовимірних об’єктів керування, що характеризується стійкістю та невисокою обчислювальною складністю.
3. Вперше запропоновано адаптивні процедури навчання для нечітких нейромережевих моделей з довільним типом розбиття простору входів, що характеризуються більш високою швидкістю збіжності у порівнянні з відомою процедурою зворотного поширення похибок та меншою обчислювальною складністю у порівнянні з відомими процедурами нелінійної оптимізації другого порядку. Вперше запропоновано процедуру самоорганізації нечіткої нейромережевої моделі в реальному часі, що відрізняється високою швидкодією та низькою обчислювальною складністю.
4. Модифіковано метод керування на основі оберненої нечіткої моделі, що дозволило синтезувати нечіткі регулятори, які є нелінійними узагальненнями регуляторів зниженого порядку та відрізняються простотою реалізації. Вперше запропоновано закони керування нелінійними стохастичними об’єктами на основі локальної лінеаризації нечітких моделей Такагі-Сугено та процедур навчання з підвищеною швидкістю збіжності та самоорганізації в реальному часі.
5. Проведено імітаційне моделювання розроблених законів керування та процедур навчання нечітких нейромережевих моделей. Показано їхні переваги перед відомими як за точністю, так і за швидкодією.
6. Розв’язані практичні задачі керування електрогідравлічним підсилювачем гідроприводу мобільної машини та керування швидкістю пересувної дорожньої лабораторії. Результати досліджень впроваджено в корпорації "Гідроелекс", м. Харків, в Північно-східному науковому центрі Транспортної Академії України, а також у навчальний процес у Харківському національному університеті радіоелектроніки.
7. Розроблені в дисертаційній роботі алгоритми та моделі можуть бути використані для керування широким класом динамічних стохастичних об’єктів в умовах апріорної та поточної невизначеності щодо їхньої структури та параметрів.