Система управления с настраиваемыми параметрами на основе нейронных сетей

Предложенная система управления предназначена для регулирования объектами с медленно меняющимися во времени параметрами. Технический результат достигается за счет того, что в систему управления с настраиваемыми параметрами на основе нейронных сетей, содержащую блок оптимального управления, на вход которого подается сигнал задания и выходной сигнал нейроклассификатора, интеллектуальный регулятор, выход которого соединен с входом объекта управления, вход интеллектуального регулятора соединен с выходом блока оптимального управления, с выходом объекта управления и с выходом блока временных задержек, вход блока временных задержек соединен с выходом объекта управления, вход нейроклассификатора соединен с выходом объекта управления и с выходом блока временных задержек, введены интеллектуальный регулятор на основе трехслойного персептрона и нейроклассификатор на основе нейронной сети Кохонена и производится расчет оптимальных управлений методом динамического программирования Беллмана.

Полезная модель относиться к системам управления и предназначена для регулирования объектами с медленно меняющимися во времени параметрами.

Уровень полезной модели известен из устройства, содержащего последовательно соединенные регулятор, объект управления, сумматор и блок настройки, выход которого соединен с первым входом регулятора, а вход системы соединен с третьим входом блока настройки и через эталонную модель - со вторым входом сумматора (патент 2007134519 G05B, опубл. 27.03.2009).

Недостатком данной системы является низкое качество управления при изменении параметров объекта управления.

Наиболее близким по технической сущности к заявляемой полезной модели является робастная система управления содержащая объект управления, блок задания коэффициентов, первый блок суммирования, последовательно соединенные первый умножитель, второй умножитель и второй блок суммирования, выходы объекта управления соединены с соответствующими входами блока задания коэффициентов, выходы которого соединены с соответствующими входами первого блока суммирования, дополнительно введен параллельный фильтр-компенсатор, причем вход параллельного фильтра-компенсатора подключен к выходу первого блока суммирования, выход параллельного фильтра-компенсатора подключен к первому и второму входам первого умножителя, выход первого умножителя соединен с первым входом второго умножителя, второй вход второго умножителя соединен с выходом параллельного фильтра-компенсатора, выход второго умножителя соединен с первым входом второго блока суммирования, второй вход которого соединен с выходом параллельного фильтра-компенсатора, выход второго блока суммирования подключен входу объекта управления (патент 2317578 G05B, опубл. 20.02.2008).

Недостатком известного устройства является ограничение регулированием технологического процесса связанное с отсутствием реализации оптимального управления

Заявляемая полезная модель направлена на повышение качества управления. Технический результат, достигаемый в процессе решения поставленной задачи, заключается в достижении оптимального управления технологическим процессом.

Указанный технический результат достигается системой управления с настраиваемыми параметрами на основе нейронных сетей, изображенной на фиг.1, которая содержит блок оптимального управления 1, интеллектуальный регулятор 2, объект управления 3, блок временных задержек 4, нейроклассификатор 5, при этом интеллектуальный регулятор, выход которого соединен с входом объекта управления, вход интеллектуального регулятора соединен с выходом блока оптимального управления, с выходом объекта управления и с выходом блока временных задержек, вход блока временных задержек соединен с выходом объекта управления, вход нейроклассификатора соединен с выходом объекта управления и с выходом блока временных задержек, на вход блок оптимального управления подается сигнал задания и выходной сигнал нейроклассификатора.

На фиг.1 для сигналов введены следующие обозначения:

U - сигнал задания

X - оптимальный сигнал задания

F - выходной сигнал интеллектуального регулятора

Q - выходной сигнал нейроклассификатора

Y - выходной сигнал объекта управления

Yz - задержанный выходной сигнал объекта управления

В блоке оптимального управления происходит расчет оптимальных управлений X на основании заданного функционала качества управления и сигнала задания для всей системы U посредством метода динамического программирования Беллмана. Сигнал U представляет собой множество значений, которые должны быть достигнуты сигналом Y в процессе работы. Оптимальные сигналы задания X располагаются и следуют на вход интеллектуального регулятора в последовательности, определяемой технологическим процессом и соответственно сигналом задания U. Количество оптимальных управлений X в блоке оптимального управления обозначим как - g.

Блок временной задержки представлен на фиг.2. Количество интервалов - n и временной интервал задержки - определяются исходя из сложности объекта регулирования и требуемой динамики управления.

На фиг.2 введены следующие обозначения:

е^- - передаточная функция чистого запаздывания на время

- временной интервал задержки

n - количество интервалов задержки

Интеллектуальный регулятор представляет собой нейронную сеть - трехслойный персептрон с сигмоидальными функциями активации для всех нейронов скрытого и выходного слоев. Нейроны входного слоя выполняют только распределительные функции для входных сигналов. Размерность входного слоя - n определяется суммой размерностей сигналов X, Y, Yz. Размерность выходного слоя сети - m определяется размерностью входного сигнала для объекта управления F. Количество нейронов в скрытом слое изначально принимается эмпирически согласно выражению - 2(n+m). Если в процессе обучения требуемое качество управления не достигается, то количество нейронов в скрытом слое увеличивается, и процесс обучения повторяется. Методом обучения трехслойного персептрона регулятора является алгоритм обратного распространения ошибки.

На фиг.3 изображена блок-схема включения нейронной сети регулятора в систему управления для обучения, которая содержит интеллектуальный регулятор 2, объект управления 3, блок временных задержек 4, эталонную модель 6, алгоритм обучения 7, первый блок суммирования 8, второй блок суммирования 9. Нейронная сеть регулятора настраивается таким образом, что бы минимизировать среднеквадратичную ошибку регулирования между выходным сигналом эталонной модели и выходным сигналом объекта управления с заданной точностью. Эталонная модель представляет желаемую передаточную функцию системы управления, которая должна быть достигнута настройкой весовых коэффициентов нейронной сети интеллектуального регулятора. В процессе обучения входное воздействие X представляет собой множество ступенчатых и гармонических сигналов чередующихся случайным образом.

На фиг.3 дополнительно введены обозначения:

Е - сигнал рассогласования

Н - выходной сигнал эталонной модели

М - сигнал для изменения весовых коэффициентов нейронной сети

Нейроклассификатор состоит из входного слоя, нейроны которого выполняют распределительные функции для входного сигнала и нейронной сети Кохонена. При этом каждый нейрон входного слоя сети соединен с каждым нейроном выходного слоя Кохонена. Количество нейронов распределительного слоя - v определяется суммой размерностей сигналов Y, Yz. Количество нейронов слоя Кохонена - k принимается эмпирически согласно выражению - (10*g). Весовые коэффициенты слоя Кохонена инициализируются случайным образом с последующей их настройкой конкурентным обучением для выработки выходного сигнала Q. Входной сигнал, состоящий из сигналов Y и Yz, предварительно нормируется перед подачей на нейроны входного слоя. Выходной сигнал Q представляет собой выходные значения нейронов победителей слоя Кохонена. При обучении сеть настраивается таким образом, что количество нейронов победителей равно количеству оптимальных управлений X в блоке оптимального управления.

Качество управления достигается за счет того, что нейронная сеть регулятора может быть настроена таким образом, что бы реализовывался выходной сигнал объекта управления Y аналогичный выходному сигналу эталонной модели Н с заданной степенью точности, при подаче на вход системы управляющего воздействия X. По этому при подаче на вход регулятора рассчитанного оптимального управления X выходной сигнал объекта Y будет изменяться так же по оптимальному закону с ошибкой не больше заданной.

Устройство работает следующим образом. Перед началом работы выполняется настройка весовых коэффициентов нейронной сети интеллектуального регулятора и нейроклассификатора, задание оптимального функционала качества управления, определение временного интервала задержки и их количество в блоке задержки, определение сигнала задания для всей системы. Затем происходит определение начального состояния объекта управления. После этого выполняется расчет оптимальных управлений в блоке оптимального управления.

После выполнения настроек и расчетов происходит отработка управляющих сигналов X интеллектуальным регулятором, которые поступают на его вход в установленной последовательности.

В процессе работы происходит анализ выходного сигнала объекта управления нейроклассификатором в результате чего определяется на сколько полно отработано заданное оптимальное управление X. Если управление отработано полностью, то вырабатывается сигнал Q для переключения на следующее оптимальное управление X в блоке оптимального управления. Так происходит до тех пор, пока все сигналы X из блока оптимального управления не будут отработаны.

Предложенное устройство может быть реализовано программно-аппаратным способом на основе промышленной базы.

Система управления с настраиваемыми параметрами на основе нейронных сетей, содержащая блок оптимального управления, отличающаяся тем, что дополнительно содержит нейроклассификатор, интеллектуальный регулятор, блок временных задержек, при этом интеллектуальный регулятор, выход которого соединен с входом объекта управления, вход интеллектуального регулятора соединен с выходом блока оптимального управления, с выходом объекта управления и с выходом блока временных задержек, вход блока временных задержек соединен с выходом объекта управления, вход нейроклассификатора соединен с выходом объекта управления и с выходом блока временных задержек, на вход блока оптимального управления подается сигнал задания и выходной сигнал нейроклассификатора.