Российский университет дружбы народов
Инженерный факультет
Кафедра кибернетики и мехатроники
Специальность "Автоматизация и управление"
Москва, 2013 г, — 63 с. В рамках данной дипломной работы разработана и исследована искусственная нейронная сеть, для адаптивной настройки регулятора, управляющего объектом с переменными параметрами.
Была выбрана сеть прямого распространения сигнала, обученная алгоритмом обратного распространения ошибки и активационной функцией гиперболического тангенса в первом скрытом слое и логистической функцией в выходном слое. Сеть была обучена на примере пар значений скорости снаряда, аэродинамического коэффициента и коэффициентов ПИД-регулятора.
Разработана программа в среде Matlab R2010b для реализации обучения нейронной сети и ее дальнейшего тестирования. Моделирование схем и сети производилось в программе Simulink 7.6.
Алгоритм был протестирован с использованием неизвестных пар параметров скорости и аэродинамического коэффициента и показал хорошие результаты. Содержание:
Постановка задачи
Математическая модель нейронной сети
Искусственный нейрон
Активационная функция
Архитектура искусственных нейронных сетей
Однослойный персептрон
Многослойный персептрон
Рекуррентные сети
Обучение нейронных сетей
Обучение с учителем
Обучение без учителя
Правило коррекции по ошибке
Метод Хэбба
Обучение методом соревнования
Генетический алгоритм
Алгоритм обратного распространения ошибки
Применение нейронных сетей для синтеза регуляторов
Вычислительный эксперимент
Математическая модель объекта управления
Подготовка данных
Структура нейронной сети
Инженерный факультет
Кафедра кибернетики и мехатроники
Специальность "Автоматизация и управление"
Москва, 2013 г, — 63 с. В рамках данной дипломной работы разработана и исследована искусственная нейронная сеть, для адаптивной настройки регулятора, управляющего объектом с переменными параметрами.
Была выбрана сеть прямого распространения сигнала, обученная алгоритмом обратного распространения ошибки и активационной функцией гиперболического тангенса в первом скрытом слое и логистической функцией в выходном слое. Сеть была обучена на примере пар значений скорости снаряда, аэродинамического коэффициента и коэффициентов ПИД-регулятора.
Разработана программа в среде Matlab R2010b для реализации обучения нейронной сети и ее дальнейшего тестирования. Моделирование схем и сети производилось в программе Simulink 7.6.
Алгоритм был протестирован с использованием неизвестных пар параметров скорости и аэродинамического коэффициента и показал хорошие результаты. Содержание:
Постановка задачи
Математическая модель нейронной сети
Искусственный нейрон
Активационная функция
Архитектура искусственных нейронных сетей
Однослойный персептрон
Многослойный персептрон
Рекуррентные сети
Обучение нейронных сетей
Обучение с учителем
Обучение без учителя
Правило коррекции по ошибке
Метод Хэбба
Обучение методом соревнования
Генетический алгоритм
Алгоритм обратного распространения ошибки
Применение нейронных сетей для синтеза регуляторов
Вычислительный эксперимент
Математическая модель объекта управления
Подготовка данных
Структура нейронной сети