Нейроуправление нелинейным динамическим объектом с использованием метода обобщенного управления с предсказанием

• Veröffentlicht in: Електротехніка і електромеханіка
• Datum: 2008
• Hauptverfasser: Кузнецов, Б.И., Василец, Т.Е., Варфоломеев, А.А.
• Format: Artikel
• Sprache: Russisch
• Veröffentlicht: Інститут технічних проблем магнетизму НАН України 2008
• Schlagworte: Електричні машини та апарати
• Online Zugang: https://nasplib.isofts.kiev.ua/handle/123456789/143062
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Zitieren: Нейроуправление нелинейным динамическим объектом с использованием метода обобщенного управления с предсказанием / Б.И. Кузнецов, Т.Е. Василец, А.А. Варфоломеев // Електротехніка і електромеханіка. — 2008. — № 4. — С. 34-41. — Бібліогр.: 6 назв. — рос.

В работе предложено использовать нейросетевой регулятор с предсказанием для обеспечения высоких динамических характеристик системы управления нелинейным динамическим объектом. При построении регулятора используется эффективная реализация обобщенного управления с предсказанием с применением многослойной прямонаправленной нейронной сети, как нелинейной модели объекта управления. Разработана схема системы управления, выполнен синтез регулятора и проведено моделирование системы. У роботі запропоновано використовувати нейромережевий регулятор з прогнозом для забезпечення високих динамічних характеристик системи управління нелінійним динамічним об'єктом. При побудові регулятора використовується ефективна реалізація узагальненого управління з прогнозом із застосуванням багатошарової прямонаправленої нейронної мережі, як нелінійній моделі об'єкту управління. Розроблена схема системи управління, виконаний синтез регулятора і проведено моделювання системи. In the given paper, utilizing a predictive neuro-controller for providing high performance characteristics of a nonlinear dynamic object control system is proposed. For the controller design, efficient implementation of generalized predictive control is applied by utilizing a multi-layer feedforward neural network as a nonlinear model of the control object. A chart of the control system is developed, the controller synthesis and the system modeling made.