Система управления объектом при изменении его состояния
Предложенная система управления предназначена для регулирования объектом при изменении его количественных и качественных показателей. Технический результат достигается за счет того, что в систему управления объектом при изменении его состояния, содержащую блок расчета 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 расчета 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 трехслойного персептрона, производится расчет управлений на основании сигнала задания для всей системы и состояния, в котором находится объект управления.
Полезная модель относиться к системам управления и предназначена для регулирования объектом при изменении его количественных и качественных показателей.
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 известного устройства является настройка регулятора на эталонную модель, не учитывающую возможность изменения объекта регулирования.
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 данного устройства является низкое качество управления в течении времени изменения параметров объекта управления при переходе из одного конечного состояния в другое.
Заявляемая полезная модель направлена на повышение качества управления. Технический результат, достигаемый в процессе решения поставленной задачи, заключается в достижении заданных показателей качества при изменении состояния объекта регулирования в результате перехода из одного конечного состояния в другое.
Это достигается за счет реализацией интеллектуальным регулятором управления соответствующего рассчитанному сигналу задания на его входе.
Указанный технический результат достигается системой управления объектом при изменении его состояния, изображенной на фиг.1, которая содержит блок расчета 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 расчета 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 расчета управления подается сигнал задания и выходной сигнал нейроклассификатора.
На фиг.1 для сигналов введены следующие обозначения:
U - сигнал задания для всей системы
Х - рассчитанный сигнал задания
F - выходной сигнал интеллектуального регулятора
Q - выходной сигнал нейроклассификатора
Y - выходной сигнал объекта управления
Yz - задержанный выходной сигнал объекта управления
В блоке расчета управления происходит вычисление сигнала задания Х на основании состояния, в котором находиться объект регулирования и сигнала задания для всей системы U. Сигнал U представляет собой множество управлений каждое, из которых соответствует своему классу из множества состояний объекта регулирования. Сигнал задания Х рассчитываются исходя из сигнала U и степени изменения объекта регулирования определенной нейроклассификатором.
Если любое значения принадлежности какому либо классу - q i становится меньше установленной величины - 
, то есть: qi<,, то сигнал задания Х рассчитывается следующим образом:
Где g - количество классов во множестве изменений объекта управления.
qi; - значение i-ого нейрона выходного слоя нейроклассификатора соответствующего i-ому классу.
ui- значение управления соответствующее i-ому классу.
В случае если состояние объекта управления принадлежит какому либо классу с заданной точностью, тогда: qi
,, и сигнал задания Х рассчитывается как:
Х=ui.
Количество классов g определяем исходя из того, в каких пределах может изменяться структура объекта управления и количественные характеристики его параметров в процессе работы, а так же от того каким образом задано разбиение на классы множества изменений объекта управления. Разбиение на классы осуществляется на основании экспертных данных.
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:
-p - 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. 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 нейронной сети интеллектуального регулятора 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 Х 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 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 - k определяется суммой размерностей сигналов Y,Yz. Размерность выходного слоя сети - g определяется количеством классов во множестве изменений объекта управления. Количество нейронов в скрытом слое изначально принимается эмпирически согласно выражению - 2(k+g). Если в процессе обучения требуемое качество классификации не достигается, то количество нейронов в скрытом слое увеличивается. Методом обучения трехслойного персептрона нейроклассификотора является алгоритм обратного распространения ошибки.
На фиг.4 изображена блок-схема включения нейронной сети нейроклассификатора в систему управления для обучения, которая содержит объект управления 3, блок временных задержек 4, нейроклассификатор 5, алгоритм обучения нейронной сети нейроклассификатора 10, эталонная модель класса 11, блок суммирования 12. Нейронная сеть нейроклассификатора настраивается таким образом, что бы минимизировать среднеквадратичную ошибку классификации между выходным сигналом эталонной модели класса и выходным сигналом нейроклассификатора с заданной точностью. В процессе обучения значения выходных нейронов настраиваются в интервале от нуля до единицы. Если состояние объекта управления принадлежит какому либо классу с заданной степенью точности -, то только один нейрон выходного слоя имеет значение 1, который соответствует данному классу, а все остальные нейроны выходного слоя имеют нулевые значения. Если соответствие классу меньше заданной точности , то значения всех нейронов выходного слоя находятся в интервале от нуля до единицы, но сумма значений всех нейронов выходного слоя не превышают единицы.
Эталонная модель класса определяет передаточную функцию объекта управления соответствующую заданному классу из множества изменений объекта управления. В процессе обучения входное воздействие F представляет собой множество ступенчатых и гармонических сигналов чередующихся случайным образом.
На фиг.4 дополнительно введены обозначения:
Ek - сигнал рассогласования
Hk - выходной сигнал эталонной модели класса
L - сигнал для изменения весовых коэффициентов нейронной сети нейроклассификатора
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 управления Х выходной сигнал объекта Y будет изменяться с ошибкой не больше заданной.
Устройство работает следующим образом. Перед началом работы выполняется определение множества изменений параметров и структуры объекта управления и разбиение данного множества на классы. Для каждого класса ставиться в соответствие свой сигнал управления. Происходит определение временного интервала задержки и их количество в блоке задержки и определение начального состояния объекта управления.
Выполняется задание эталонных моделей, настройка матриц весовых коэффициентов нейронных сетей нейрорегулятора и нейроклассификатора, определение сигнала задания для всей системы. После выполнения настроек происходит отработка управляющего сигнала U.
В процессе работы происходит анализ выходного сигнала объекта управления нейроклассификатором в результате чего определяется с какой степенью к какому классу из множества изменений объекта управления принадлежит состояние, в котором находится объект управления. Исходя из этого, в блоке расчета управления вычисляется сигнал X, который подается на вход интеллектуального регулятора. Работа продолжается до тех пор, пока не будет полностью отработано заданное управление U.
Предложенное устройство может быть реализовано программно-аппаратным способом на основе промышленной базы.
Система управления объектом при изменении его состояния, содержащая объект управления, отличающаяся тем, что дополнительно содержит блок расчета управления, нейроклассификатор, интеллектуальный регулятор, блок временных задержек, при этом интеллектуальный регулятор, выход которого соединен с входом объекта управления, вход интеллектуального регулятора соединен с выходом блока расчета 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 расчета управления подается сигнал задания и выходной сигнал нейроклассификатора.
