Применение метода контролируемого возмущения для модификации нейроконтроллеров в реальном времени

• Published in: Математичні машини і системи
• Date: 2011
• Main Authors: Дзюба, Д.А., Чернодуб, А.Н.
• Format: Article
• Language: Russian
• Published: Інститут проблем математичних машин і систем НАН України 2011
• Subjects: Обчислювальні системи
• Online Access: https://nasplib.isofts.kiev.ua/handle/123456789/83395
• Journal Title: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Cite this: Применение метода контролируемого возмущения для модификации нейроконтроллеров в реальном времени / Д.А. Дзюба, А.Н. Чернодуб // Мат. машини і системи. — 2011. — № 1. — С. 20-28. — Бібліогр.: 17 назв. — рос.

Предложен новый метод обучения нейронных сетей управлению динамическими объектами, базирующийся на оценке локальных значений якобиана положения объекта по управлению за счет использования малых возмущений прикладываемого управления. Метод не требует наличия априорной информации об управляемом объекте и может использоваться для адаптивного управления объектами различной природы. Эксперименты по использованию предложенного метода для обучения рекуррентных нейросетей в системах управления различными объектами демонстрируют преимущества такого нейроуправления над стандартным PID-управлением. Запропоновано новий метод навчання нейронних мереж керуванню динамічними об'єктами, який базується на оцінці локальних значень якобіану положення об'єкта по керуванню за рахунок використання малих збурень управління, що прикладається до об'єкта. Метод не вимагає апріорної інформації про об'єкт керування і може використовуватись для адаптивного керування об'єктами різної природи. Експерименти з використанням запропонованого методу для навчання рекурентних нейромереж у системах керування різними об'єктами демонструють переваги такого нейрокерування над стандартним PID-керуванням. New method for training neural networks to control dynamic objects is proposed. The method is based on estimation of local values of Jacobian of object's position on control signal by introducing a small perturbation in applied control. The method does not require any a priori information about controlled object and may be applied for adaptive control over objects of different nature. Experiments on application of the proposed method for recurrent neural networks training within control systems of different objects show advantages of such neuro control versus standard PID-control.