Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller

Виконано синтез системи наведення і стабілізації з застосуванням нейромережевого регулятора на основі еталонної моделі Model Reference Controller. Наведена структура і принцип дії нейрорегулятора. Розроблена схема системи наведення і стабілізації з пропорційнио-диференційним регулятором у к...

Full description

Saved in:

Bibliographic Details
Published in:	Електротехніка і електромеханіка
Date:	2015
Main Authors:	Кузнецов, Б.І., Василець, Т.Ю., Варфоломієв, О.О.
Format:	Article
Language:	Ukrainian
Published:	Інститут технічних проблем магнетизму НАН України 2015
Subjects:	Електротехнічні комплекси та системи. Силова електроніка
Online Access:	https://nasplib.isofts.kiev.ua/handle/123456789/149288
Tags:	Add Tag No Tags, Be the first to tag this record!
Journal Title:	Digital Library of Periodicals of National Academy of Sciences of Ukraine
Cite this:	Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller / Б.І. Кузнецов, Т.Ю. Василець, О.О. Варфоломієв // Електротехніка і електромеханіка. — 2015. — № 4. — С. 35–39. — Бібліогр.: 6 назв. — укр.

Institution

Digital Library of Periodicals of National Academy of Sciences of Ukraine

_version_	1860124343316512768
author	Кузнецов, Б.І. Василець, Т.Ю. Варфоломієв, О.О.
author_facet	Кузнецов, Б.І. Василець, Т.Ю. Варфоломієв, О.О.
citation_txt	Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller / Б.І. Кузнецов, Т.Ю. Василець, О.О. Варфоломієв // Електротехніка і електромеханіка. — 2015. — № 4. — С. 35–39. — Бібліогр.: 6 назв. — укр.
collection	DSpace DC
container_title	Електротехніка і електромеханіка
description	Виконано синтез системи наведення і стабілізації з застосуванням нейромережевого регулятора на основі еталонної моделі Model Reference Controller. Наведена структура і принцип дії нейрорегулятора. Розроблена схема системи наведення і стабілізації з пропорційнио-диференційним регулятором у контурі положення і нейромережевим регулятором у контурі швидкості. Проведено моделювання нейромережевої системи на ЕОМ і виконано аналіз динамічних характеристик системи. Выполнен синтез системы наведения и стабилизации с применением нейросетевого регулятора на основе эталонной модели Model Reference Controller. Приведена структура и принцип действия нейрорегулятора. Разработана схема системы наведения и стабилизации с пропорционально-дифференциальным регулятором в контуре положения и нейросетевым регулятором в контуре скорости. Проведено моделирование нейросетевой системы на ЭВМ и выполнен анализ динамических характеристик системы. The aim of this work is the synthesis of neural network aiming and stabilization system for the special equipment of moving objects with neuro-controller on the basis of standard model and performance comparison of the neural network system with the neural network predictive control. Build a block diagram of the neural network aiming and stabilization system, based on the subject control principle with PD-regulator in the position loop and with neuro-controller on the basis of standard model in the in the velocity loop. The neuro-controller on the basis of standard model Model Reference Controller is synthesized in the MATLAB Neural Network Toolbox and system simulation is performed. The studies show that the transient state variables of the system are oscillatory. Therefore, the neuro-controller with the prediction NN Predictive Controller should be used for aiming and stabilizing system to provide high dynamic characteristics achieved at the cost of higher complexity and computational cost.
first_indexed	2025-12-07T17:41:27Z
format	Article
fulltext	ISSN 2074-272X. Електротехніка і Електромеханіка. 2015. №4 35 © Б.І. Кузнецов, Т.Ю. Василець, О.О. Варфоломієв УДК 681.5.01.23 Б.І. Кузнецов, Т.Ю. Василець, О.О. Варфоломієв НЕЙРОМЕРЕЖЕВА СИСТЕМА НАВЕДЕННЯ І СТАБІЛІЗАЦІЇ З РЕГУЛЯТОРОМ НА ОСНОВІ ЕТАЛОННОЇ МОДЕЛІ MODEL REFERENCE CONTROLLER Виконано синтез системи наведення і стабілізації з застосуванням нейромережевого регулятора на основі еталонної моделі Model Reference Controller. Наведена структура і принцип дії нейрорегулятора. Розроблена схема системи наве- дення і стабілізації з пропорційнио-диференційним регулятором у контурі положення і нейромережевим регулятором у контурі швидкості. Проведено моделювання нейромережевої системи на ЕОМ і виконано аналіз динамічних харак- теристик системи. Бібл. 6, рис. 5. Ключові слова: нейромережеве управління, система наведення і стабілізації, нелінійний динамічний об’єкт, нейроре- гулятор на основі еталонної моделі, Model Reference Controller. Выполнен синтез системы наведения и стабилизации с применением нейросетевого регулятора на основе эталонной модели Model Reference Controller. Приведена структура и принцип действия нейрорегулятора. Разработана схема системы наведения и стабилизации с пропорционально-дифференциальным регулятором в контуре положения и ней- росетевым регулятором в контуре скорости. Проведено моделирование нейросетевой системы на ЭВМ и выполнен анализ динамических характеристик системы. Библ. 6, рис. 5. Ключевые слова: нейросетевое управление, система наведения и стабилизации, нелинейный динамический объект, нейрорегулятор на основе эталонной модели, Model Reference Controller. Вступ. Характерною рисою розвитку сучасних за- собів озброєної боротьби є високий рівень автоматиза- ції, що зумовлює успішне рішення військами складних бойових завдань. Аналізуючи за даними вітчизняного і зарубіжного відкритого друку основні тенденції розви- тку і вдосконалення об’єктів спеціального призначення можна зробити висновок, що автоматизація охоплює практично всі системи сучасних бронеоб'єктів і істотно впливає на їх основні бойові властивості: маневреність і рухливість, вогняну потужність, захист і забезпечення життєдіяльності екіпажа. Синтез ефективних систем наведення і стабіліза- ції спеціального устаткування рухомих об’єктів є ак- туальним і важливим завданням. Постановка проблеми. За останні десятиліття запропоновано багато методів управління, зокрема методи адаптивного управління. Це стало можливим в значній мірі завдяки досягненням сучасної теорії управління і теорії стійкості. Здатність автоматично адаптуватися до змін динаміки об'єкту управління і зовнішнього середовища зробила адаптивні САУ все більш привабливими для різних практичних застосу- вань. Проте ефективність створюваних систем управ- ління реальними об'єктами значною мірою залежить від якості використовуваних при цьому математичних моделей, які, з одного боку, винні якнайповніше відо- бражати властивості досліджуваного об'єкту, а з іншої – бути зручними для реалізації алгоритмів управлін- ня. Відсутність достатньо повної інформації про умо- ви функціонування, властивостях самих об'єктів і пе- решкод обумовлюють необхідність застосування при управлінні ними адаптивного підходу, що допускає можливість використання спрощених, зокрема, ліній- них моделей. Хоча такий підхід і дозволяє у ряді ви- падків істотно зменшити апріорну невизначеність і реалізувати достатньо ефективне управління, обме- ження лінійними моделями не завжди забезпечує отримання необхідного результату. Тому ефективні- шою є розробка систем управління на основі адаптив- ного підходу у поєднанні з методами теорії штучних нейронних мереж. Численні публікації останніх років, наприклад [1, 2], показують ефективність застосування нейроме- режевих структур в системах управління. Мета статті. Метою роботи є синтез нейроме- режевої системи наведення і стабілізації спеціального устаткування рухомих об’єктів з нейрорегулятором на основі еталонної моделі і порівняння показників якос- ті функціонування системи з нейромережевою систе- мою з нейрорегулятором з передбаченням. Схема системи наведення і стабілізації з ней- рорегулятором на основі еталонної моделі Model Reference Controller. Структурна схема виконавчого пристрою стабілізатора озброєння детально розгляну- та в роботі [3]. Далі наводимо основні положення і рівняння, які використовуються при синтезі нейроме- режевої системи наведення і стабілізації з нейрорегу- лятором Model Reference Controller. Стабілізатори озброєння є складними багатокон- турними системами, які повинні забезпечувати необ- хідні показники якості, такі як точність стабілізації, плавність наведення, необхідний діапазон регулюван- ня швидкості та ін. При рішенні задачі синтезу алго- ритмів управління, що забезпечують необхідні показ- ники якості, необхідно знати рівняння основних еле- ментів стабілізатора озброєння і, перш за все, рівнян- ня його виконавчих і вимірювальних пристроїв. Виконавчий пристрій стабілізатора озброєння складається з підсилювача потужності (ПП), привод- ного двигуна (ПД) і кінематичного пристрою сполу- чення (КПС). Кінематична схема системи наведення і стабілізації містить пружні елементи, наявність яких ускладнює розрахункову схему механічної частини системи, перетворюючи її на багатомасову. Дослі- дження показали, що з достатньою для практичних розрахунків точністю, механічна частина системи може бути представлена у вигляді двомасової систе- ми. Тоді процеси у виконавчому пристрої описуються наступною системою рівнянь: 36 ISSN 2074-272X. Електротехніка і Електромеханіка. 2015. №4 , ; ;ω стмпр м м тд пр д д д дфяяд я я MMM dt d J M N M M dt d J сIRU dt dI L      де Uд = kппUвх – напруга, що поступає на якірну обмо- тку ПД; Uвх – величина вхідної дії; kпп – коефіцієнт передачі ПП; Mд = Iяcф – електромагнітний момент двигуна; Iя – струм якоря ПД; cф = kдФ; kд – конструк- тивний коефіцієнт ПД; Ф – магнітний потік ПД; д – швидкість обертання валу ПД; м – швидкість обер- тання навантаження стабілізатора озброєння; Rя, Lя – опір та індуктивність якірної обмотки ПД; Jд – момент інерції ротора ПД; Jм – момент інерції навантаження стабілізатора озброєння; N – передавальне число КПС; Mтд – момент сухого тертя в підшипниках ПД; Mтм – момент тертя КПС; Mс – збурюючий момент, обумовлений коливаннями корпусу носія; Mпр – мо- мент пружності КПС:     ;5,0 ;5,05,0 ;5,0 при, 5,0 0 5,0 м м м м м пр           c c M c – коефіцієнт жорсткості елементів трансмісії;  – величина люфту між зубами провідної і веденої шес- терні; м – різниця між кутами повороту валу двигу- на д і робочого механізму , що описується рівнян- ням стану   м дмΔ ω N ω dt d   . При русі машин по пересіченій місцевості вини- кають коливання корпусу, які зумовлюють збурюючі моменти, що діють на озброєння. Оскільки спектра- льна щільність цих дій відома, доцільно формувати випадкові зміни збурюючого моменту Mc(t) від дже- рела випадкового сигналу типу білого шуму Vбш інте- нсивністю  за допомогою формуючого фільтру з пе- редавальною функцією коливальної ланки    2 вв 22 вв 2  ppkpW , де в – резонансна частота власних коливань;  – ко- ефіцієнт демпфування; kв – коефіцієнт посилення фо- рмуючого фільтру. Параметри формуючого фільтру вибираються так, щоб спектральна щільність вихідно- го сигналу співпадала з кривої експериментальної спектральної щільності, отриманої на основі статис- тичної обробки реальних трас. У роботі [3] запропоновано систему наведення і стабілізації виконувати за принципом підлеглого ре- гулювання з нейронною компенсацією нелінійностей виконавчого пристрою стабілізатора озброєння в кон- турі регулювання швидкості з використанням у кон- турі положення П-регулятора, ПД-дегулятора або П- регулятора з передуправлінням за швидкістю. При використанні принципу передуправління на вхід ре- гулятора швидкості окрім сигналу, пропорційного помилці регулювання (t), подається сигнал, пропо- рційний похідній від задаючої дії  t' з . Синтез і дослідження нейромережевої системи наведення і стабілізації спеціального устаткування рухомих об’єктів доцільно виконувати з застосуван- ням системи MATLAB. В ППП Neural Network Toolbox системи MATLAB реалізовано три нейроре- гулятори: регулятором з передбаченням NN Predictive Controller, регулятор на основі моделі авторегресії з ковзаючим середнім NАRMA-L2 Controller і нейроре- гулятор на основі еталонної моделі Model Reference Controller. У роботах [4, 5] виконаний синтез і дослідження системи з нейрорегулятором NN Predictive Controller. При побудові регулятора використаний принцип пре- диктивного методу регулювання на основі моделі, який полягає у формуванні такої послідовності сигна- лів дії на об'єкт, яка мінімізує різницю між завданням і передбаченим моделлю процесу вихідним сигналом в майбутньому. Показано, що нейромережева система має високі показники якості функціонування. Це до- сягається завдяки використанню ефективної реаліза- ція узагальненого управління з прогнозом з викорис- танням багатошарової прямонаправленої нейтронної мережі, як нелінійної моделі об'єкту управління. За- вдяки використанню оптимізаційного алгоритму Ньютона-Рафсона, число ітерацій, необхідних для збіжності, значно менше, ніж при використанні інших методів, внаслідок чого алгоритм є більш швидкодію- чим, ніж інші методи, і може використовуватися для управління в режимі реального часу Оскільки управління з прогнозом є досить склад- ним і вимагає великої кількості обчислювальних ви- трат, в [6] розглянуто можливість застосування більш простого регулятора на основі моделі авторегресії з ковзючим середнім NАRMA-L2 Controller. При управ- лінні на основі моделі авторегресії з ковзаючим серед- нім регулятор є достатньо простою реконструкцією моделі керованого об'єкту. В роботі показано, що за- стосування NАRMA-L2 Controller не може забезпечити задані характеристики системи наведення і стабілізації. Виконаємо синтез і дослідження нейромережевої системи наведення і стабілізації з нейрорегулятором на основі еталонної моделі Model Reference Controller. На рис. 1 показана структурна схема нейромережевої системи наведення і стабілізації, розроблена в SIMULINK системи MATLAB. Схема включає блок нейрорегулятора Model Reference Controller, блок ге- нерації еталонного ступінчастого сигналу з випадко- вою амплітудою Random Reference, блок побудови графіків і блоки, що відносяться до об'єкту управлін- ня: блок Subsystem і інтегруюча ланка, що пов’язує швидкість обертання і кут повороту. У контур поло- ження включений пропорційно-диференціальний ре- гулятор. Коефіцієнти посилення пропорційної і дифе- ренціальної частини позначені Kp і Kd відповідно. Ланка Saturation служить для обмеження сигналу ди- ференціальної частини регулятора. Схема підсистеми Subsystem приведена на рис. 2. Дана схема складена на підставі вищенаведених рів- нянь динаміки виконавчого пристрою стабілізатора озброєння. Електрична частина приводу представлена у вигляді аперіодичної ланки першого порядку з кое- фіцієнтом посилення 1/Re і постійною часу, рівною ISSN 2074-272X. Електротехніка і Електромеханіка. 2015. №4 37 електромагнітній постійній часу якірного ланцюга Te = Lя/Re. Блоки MATLAB Fcn і MATLAB Fcn1 вико- ристовуються для завдання моментів сухого тертя на валу двигуна і механізму. Наявність люфту в кінема- тичному пристрої сполучення моделюється за допо- могою ланки Dead Zone. Дія збурюючого моменту Mc(t) і завад вимірювання регульованих координат в даній схемі не враховується. f 1 s In Out Subsystem Saturation Random Reference Plant Output Reference Control Signal Neural Network Controller Model Reference Controller Kp Kd du/dt Derivative Рис. 1. Схема системи наведення і стабілізації з нейрорегулятором Model Reference Controller 1 Out WmWd Ud 1 Jm.s 1 Jd.s 1/Re Te.s+1 1/N s Mtr_mMtr_d Mpr Md MATLAB Function MATLAB Fcn1 MATLAB Function MATLAB Fcn Ia CFKpp N c N 1/N CF Dead Zone 0 Constant 1 In Рис. 2. Схема підсистеми Subsystem Принцип побудови нейрорегулятора Model Reference Controller. При управлінні на основі ета- лонної моделі регулятор – це нейронна мережа, яка навчена управляти об'єктом так, щоб він відстежував поведінку еталонної моделі. Модель керованого об'- єкту використовується при настройці параметрів са- мого регулятора. Регулятор на основі еталонної моде- лі вимагає невеликого об'єму обчислень, проте архі- тектура регулятора з еталонною моделлю вимагає навчання нейронної мережі об'єкту управління і ней- ронної мережі регулятора. При цьому навчання регу- лятора виявляється достатньо складним, оскільки на- вчання засноване на динамічному варіанті методу зворотного розповсюдження помилки. Структурна схема системи управління з еталон- ною моделлю містить еталонну модель, яка задає ба- жану траєкторію руху об'єкту управління, а також 2 нейронні мережі: для регулятора і для моделі об'єкту управління. Мета навчання регулятора полягає в то- му, щоб рух об'єкту управління відстежував вихід еталонної моделі. Структурна схема, що пояснює принцип побудови системи управління з еталонною моделлю, показана на рис. 3. Архітектура нейронних мереж регулятора і об'- єкту управління надані на рис. 4. Мережі мають два шари нейронів і містять лінії затримок, використову- вані для формування входів нейронних мереж. Помилка моделі  Нейронна мережа моделі об'єкта Еталонна модель Нейронна мережа регулятора Об'єкт управління Помилка управління  Командний вхід Вихід об'єкта Управляючий вхід   Рис. 3. Структурна схема нейромережевої системи управління з еталонною моделлю Моделювання системи і аналіз отриманих ре- зультатів. Результати моделювання нейромережевої системи наведення і стабілізації з ПД-регулятором в контурі положення і з нейрорегулятором Model Reference Controller в контурі швидкості показані на рис. 5. Перехідні процеси приведені для ступінчастої вхідної дії з випадковою амплітудою, що знахо- диться в межах з = 11 [рад]. Як еталонна модель приймалася схема об'єкту управління без урахуван- ня тертя на валу двигуна і механізму, пружних еле- ментів і завад вимірювання регульованих коорди- нат. В результаті досліджень встановлено, що ні при яких параметрах нейрорегулятора Reference 38 ISSN 2074-272X. Електротехніка і Електромеханіка. 2015. №4 Controller не вдалося отримати задовільні динамічні характеристики системи. Ідентифікація об'єкту управління була виконана з високою точністю. Проте навіть без урахування обурюючих дій пере- хідні процеси змінних стану системи мають коли- вальний характер. Нейрона мережа регулятора 1( )a t T D L 11IW 12IW 1b 21LW 2b 1 1 0 +1 -1 0 +1 -1 T D L 2 ( )a t 3 ( )a tT D L 11IW 12IW 1b 21LW 2b 1 1 0 +1 -1 0 +1 -1 T D L 4 ( )a t Нейрона мережа об’єкта Об’єкт управління T D L 11IW   2 ( )n t 1( )n t ( )y t 4 ( )n t ( )r t ( )М t ( )r t Рис. 4. Схема включення нейронних мереж регулятора і об'єкту управління в системі управління з еталонною моделлю 0 1 2 3 4 5 6 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 t, c f, rad з 1- 2-   12 а) 0 1 2 3 4 5 6 -1 -0.5 0 0.5 1 t, c Wm, c-1 б) 0 1 2 3 4 5 6 -500 0 500 t, c Wd, c-1 в) 0 1 2 3 4 5 6 -6000 -4000 -2000 0 2000 4000 6000 t, c Mpr, Nm г) 0 1 2 3 4 5 6 -20 -15 -10 -5 0 5 10 15 20 t, c Md, Nm д) 0 1 2 3 4 5 6 -30 -20 -10 0 10 20 30 t, c Ud, B е) Рис. 5. Графіки перехідні процеси змінних стану системи з нейрорегулятором NN Predictive Controller: а – задаюча дія з і кут ; б – швидкість механізму м; в – швидкість двигуна д; г – момент пружності Mпр; д – момент двигуна Mд; е – напруга двигуна Uд Висновки. У роботі розглянуто можливість ви- користання нейромережевого регулятора на основі еталонної моделі Model Reference Controller для сис- теми наведення стабілізації замість регулятора з про- гнозом NN Predictive Controller, який забезпечує висо- кі динамічні характеристики системи, але вимагає великої кількості обчислювальних витрат і є досить складним для практичної реалізації. Розроблена структурна схема нейромережевої системи наведення і стабілізації. Система виконана за принципом підлеглого регулювання з нейромере- жевим регулятором Model Reference Controller в кон- ISSN 2074-272X. Електротехніка і Електромеханіка. 2015. №4 39 турі регулювання швидкості і з ПД-регулятором в контурі положення. Розглянута структура і принцип дії нейрорегуля- торана на основі еталонної моделі Model Reference Controller. Виконано синтез нейрорегулятора Model Reference Controller, який реалізований в пакеті при- кладних програм Neural Network Toolbox системи MATLAB. У режимі Simulink розроблена система управління з нейрорегулятором Model Reference Controller і проведено моделювання системи. Як пока- зали дослідження, характеристики нейромережевої системи з нейрорегулятором Model Reference Controller поступаються відповідним характеристикам системи з нейрорегулятором NN Predictive Controller. СПИСОК ЛІТЕРАТУРИ 1. Терехов В.А., Ефимов Д.В. , Тюкин И.Ю. Нейросетевые системы управления. – М.: ИПРЖР, 2003. – 480 с. 2. Руденко О.Г., Бодянський Е.В. Штучні нейронні мере- жі: Навчальний посібник. – Х.: ТОВ «Компанія СМІТ», 2006. – 404 с. 3. Кузнецов Б.И., Василец Т.Е., Варфоломеев А.А. Разра- ботка нейросетевой системы наведения и стабилизации вооружения легкобронированных машин // Електротехніка і електромеханіка. – 2008. – №2. – С. 31-34. 4. Кузнецов Б.И., Василец Т.Е., Варфоломеев А.А. Синтез нейроконтроллера с предсказанием для двухмассовой элек- тромеханической системы // Електротехніка і електромеха- ніка. – 2008. – №3. – С. 27-32. 5. Кузнецов Б.И., Василец Т.Е., Варфоломеев А.А. Нейро- управление нелинейным динамическим объектом с исполь- зованием метода обобщенного управления с предсказанием // Електротехніка і електромеханіка. – 2008. – №4.– С. 34-41. 6. Кузнецов Б.І., Василець Т.Ю., Варфоломієв О.О. Синтез і дослідження системи наведення і стабілізації озброєння легкоброньованих машин з нейрорегулятором на основі моделі авторегресії з ковзаючим середнім // Системи озбро- єння і військова техніка. – 2010. – №4(24). – С. 118-121. REFERENCES 1. Terekhov V.A., Yefimov D.V., Tyukin I.Yu. Nejrosetevye sistemy upravlenija [Neural network control system]. Moscow, IPRZhR Publ., 2002. 480 p. (Rus). 2. Rudenko O.G., Bodyansky E.V. Shtuchni nejronni merezhi: Navchal'nyj posibnyk [Artificial Neural Networks: Tutorial]. Kharkov, TOV «Kompanіja SMІT» Publ., 2006. 404 p. (Ukr). 3. Kuznetsov B.I., Vasilets T.E., Varfolomiyev O.O. Devel- opment of a neuro-system of guidance and stabilizing for light- armored machines armament. Elektrotekhnіka і elektromek- hanіka – Electrical engineering & electromechanics, 2008, no.2, pp. 31-34. (Rus). 4. Kuznetsov B.I., Vasilets T.E., Varfolomiyev O.O. Synthesis of a predictive neuro-controller for a two-mass electromechani- cal system. Elektrotekhnіka і elektromekhanіka – Electrical engineering & electromechanics, 2008, no.3, pp. 27-32. (Rus). 5. Kuznetsov B.I., Vasilets T.E., Varfolomiyev O.O. Nonlinear dynamic object neuro-control using a generalized predictive control method. Elektrotekhnіka і elektromekhanіka – Electrical engineering & electromechanics, 2008, no.4, pp. 34-41. (Rus). 6. Kuznetsov B.I., Vasilets T.E., Varfolomiyev O.O. Synthesis and study of the light armored vehicle aiming and stabilization system with neural network control based on the autoregressive- moving-average model. Sistemi ozbroennya i viyskova tehnika – Systems of arms and military equipment, 2010, no.4(24), pp. 118-121. (Ukr). Надійшла (received) 10.05.2015 Кузнєцов Борис Іванович1, д.т.н., проф., Василець Тетяна Юхимівна2, к.т.н., доц., Варфоломієв Олексій Олексійович3, к.т.н., 1 Державна установа «Інститут технічних проблем магнетизму Національної академії наук України», 61106, Харків, вул. Індустріальна, 19, e-mail: bikuznetsov@mail.ru 2 Українська інженерно-педагогічна академія, 61003, Харків, вул. Університетська, 16, тел/phone +38 057 7337959, e-mail: tatyana.vasilets@gmail.com 3 Технологічний інститут Нью Джерсі (США), University Heights, Newark, NJ, USA, 07102-1982, тел/phone +1609 7874172, e-mail: alexey.varfolomeyev@gmail.com B.I. Kuznetsov1, T.E. Vasilets2, О.O. Varfolomiyev3 1 State Institution «Institute of Technical Problems of Magnetism of the NAS of Ukraine», 19, Industrialna Str., Kharkiv, 61106, Ukraine. 2 Ukrainian Engineering Pedagogics Academy, 16, Universitetskaya Str., Kharkiv, 61003, Ukraine. 3 New Jersey Institute of Technology, University Heights Newark, New Jersey, USA, 07102. Neuro-system of aiming and stabilizing with a regulator on the basis of standard model Model Reference Controller. The aim of this work is the synthesis of neural network aiming and stabilization system for the special equipment of moving objects with neuro-controller on the basis of standard model and performance comparison of the neural network system with the neural network predictive control. Build a block diagram of the neural network aiming and stabilization system, based on the subject control principle with PD-regulator in the position loop and with neuro-controller on the basis of standard model in the in the velocity loop. The neuro-controller on the basis of standard model Model Reference Controller is synthesized in the MATLAB Neural Network Toolbox and system simulation is performed. The studies show that the transient state variables of the system are oscillatory. Therefore, the neuro-controller with the prediction NN Predictive Controller should be used for aim- ing and stabilizing system to provide high dynamic characteris- tics achieved at the cost of higher complexity and computational cost. References 6, figures 5. Key words: neural network control, aiming and stabilization system, nonlinear dynamic object, neuro-controller on the basis of standard model, Model Reference Controller.
id	nasplib_isofts_kiev_ua-123456789-149288
institution	Digital Library of Periodicals of National Academy of Sciences of Ukraine
issn	2074-272X
language	Ukrainian
last_indexed	2025-12-07T17:41:27Z
publishDate	2015
publisher	Інститут технічних проблем магнетизму НАН України
record_format	dspace
spelling	Кузнецов, Б.І. Василець, Т.Ю. Варфоломієв, О.О. 2019-02-19T20:51:54Z 2019-02-19T20:51:54Z 2015 Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller / Б.І. Кузнецов, Т.Ю. Василець, О.О. Варфоломієв // Електротехніка і електромеханіка. — 2015. — № 4. — С. 35–39. — Бібліогр.: 6 назв. — укр. 2074-272X DOI: https://doi.org/10.20998/2074-272X.2015.4.06 https://nasplib.isofts.kiev.ua/handle/123456789/149288 681.5.01.23 Виконано синтез системи наведення і стабілізації з застосуванням нейромережевого регулятора на основі еталонної моделі Model Reference Controller. Наведена структура і принцип дії нейрорегулятора. Розроблена схема системи наведення і стабілізації з пропорційнио-диференційним регулятором у контурі положення і нейромережевим регулятором у контурі швидкості. Проведено моделювання нейромережевої системи на ЕОМ і виконано аналіз динамічних характеристик системи. Выполнен синтез системы наведения и стабилизации с применением нейросетевого регулятора на основе эталонной модели Model Reference Controller. Приведена структура и принцип действия нейрорегулятора. Разработана схема системы наведения и стабилизации с пропорционально-дифференциальным регулятором в контуре положения и нейросетевым регулятором в контуре скорости. Проведено моделирование нейросетевой системы на ЭВМ и выполнен анализ динамических характеристик системы. The aim of this work is the synthesis of neural network aiming and stabilization system for the special equipment of moving objects with neuro-controller on the basis of standard model and performance comparison of the neural network system with the neural network predictive control. Build a block diagram of the neural network aiming and stabilization system, based on the subject control principle with PD-regulator in the position loop and with neuro-controller on the basis of standard model in the in the velocity loop. The neuro-controller on the basis of standard model Model Reference Controller is synthesized in the MATLAB Neural Network Toolbox and system simulation is performed. The studies show that the transient state variables of the system are oscillatory. Therefore, the neuro-controller with the prediction NN Predictive Controller should be used for aiming and stabilizing system to provide high dynamic characteristics achieved at the cost of higher complexity and computational cost. uk Інститут технічних проблем магнетизму НАН України Електротехніка і електромеханіка Електротехнічні комплекси та системи. Силова електроніка Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller Neuro-system of aiming and stabilizing with a regulator on the basis of standard model Model Reference Controller Article published earlier
spellingShingle	Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller Кузнецов, Б.І. Василець, Т.Ю. Варфоломієв, О.О. Електротехнічні комплекси та системи. Силова електроніка
title	Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller
title_alt	Neuro-system of aiming and stabilizing with a regulator on the basis of standard model Model Reference Controller
title_full	Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller
title_fullStr	Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller
title_full_unstemmed	Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller
title_short	Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller
title_sort	нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі model reference controller
topic	Електротехнічні комплекси та системи. Силова електроніка
topic_facet	Електротехнічні комплекси та системи. Силова електроніка
url	https://nasplib.isofts.kiev.ua/handle/123456789/149288
work_keys_str_mv	AT kuznecovbí neiromereževasistemanavedennâístabílízacíízregulâtoromnaosnovíetalonnoímodelímodelreferencecontroller AT vasilecʹtû neiromereževasistemanavedennâístabílízacíízregulâtoromnaosnovíetalonnoímodelímodelreferencecontroller AT varfolomíêvoo neiromereževasistemanavedennâístabílízacíízregulâtoromnaosnovíetalonnoímodelímodelreferencecontroller AT kuznecovbí neurosystemofaimingandstabilizingwitharegulatoronthebasisofstandardmodelmodelreferencecontroller AT vasilecʹtû neurosystemofaimingandstabilizingwitharegulatoronthebasisofstandardmodelmodelreferencecontroller AT varfolomíêvoo neurosystemofaimingandstabilizingwitharegulatoronthebasisofstandardmodelmodelreferencecontroller

Нейромережева система наведення і стабілізації з регулятором на основі еталонної моделі Model Reference Controller

Institution

Similar Items