Система двухуровневого управления на основе нейрорегуляторов

Предложенная система управления предназначена для регулирования объектом, состоящим из взаимосвязанными локальных объектов управления, при изменении связей между ними.

Технический результат достигается за счет того, что в систему двухуровневого управления на основе нейрорегуляторов, содержащую объект управления, который представлен взаимосвязанными первым локальным объектом управления и вторым локальным объектом управления, блок анализа взаимосвязей, глобальный нейрорегулятор, первый локальный нейрорегулятор, второй локальный нейрорегулятор, первый блок суммирования, второй блок суммирования, при этом вход первого локального нейрорегулятора соединен с выходом первого локального объекта управления и с сигналом задания для первого локального объекта управления, вход второго локального нейрорегулятора соединен с выходом второго локального объекта управления и с сигналом задания для второго локального объекта управления, вход первого блока суммирования соединен с выходом первого локального нейрорегулятора и с выходным сигналом глобального нейрорегулятора для первого локального объекта управления, вход второго блока суммирования соединен с выходом второго локального нейрорегулятора и с выходным сигналом глобального нейрорегулятора для второго локального объекта управления, вход глобального нейрорегулятора соединен с выходом блока анализа взаимосвязей, вход блока анализа взаимосвязей соединен с выходом первого локального объекта управления и с выходом второго локального объекта управления, вход первого локального объекта управления соединен с выходом второго локального объекта управления и с выходом первого блока суммирования, вход второго локального объекта управления соединен с выходом первого локального объекта управления и с выходом второго блока суммирования, введены локальные нейрорегуляторы, управляющие каждый своим локальным объектом управления, и глобальный нейрорегулятор реализующий корректирующие управления для каждого локального объекта управления с учетом количественных и качественных изменений взаимосвязей между локальными объектами управления.

Полезная модель относиться к системам управления и предназначена для регулирования объектом, состоящим из взаимосвязанными локальных объектов управления, при изменении связей между ними.

Уровень полезной модели известен из способа автоматической конфигурации системы управления процессом и системы управления процессом (патент RU 2005113662/09, опубл. 10.11.2006).

Недостатком известного устройства является то что, устройство управления не осуществляет раздельное регулирование подчиненными устройствами.

Наиболее близким по технической сущности к заявляемой полезной модели является адаптивная система управления (патент RU 2007121876/09, опубл. 20.12.2008).

Недостатком данного устройства является то что, не учитываются внутренние взаимосвязи, которыми может обладать объект управления при реализации регулирования.

Заявляемая полезная модель направлена на повышение качества управления. Технический результат, достигаемый в процессе решения поставленной задачи, заключается в достижении заданных показателей качества при изменении взаимосвязей между локальными объектами управления входящими в объект управления.

Это достигается за счет реализацией глобальным нейрорегулятором управления корректирующего локальные управления, вырабатываемые каждым локальным нейрорегулятором для своего локального объекта управления.

Указанный технический результат достигается системой двухуровневого управления на основе нейрорегуляторов, изображенной на фиг.1, которая содержит блок анализа взаимосвязей 1, глобальный нейрорегулятор 2, первый локальный объект управления 3, второй локальный объект управления 4, первый локальный нейрорегулятор 5, второй локальный нейрорегулятор 6, первый блок суммирования 7, второй блок суммирования 8, при этом вход первого локального нейрорегулятора соединен с выходом первого локального объекта управления и с сигналом задания для первого локального объекта управления, вход второго локального нейрорегулятора соединен с выходом второго локального объекта управления и с сигналом задания для второго локального объекта управления, вход первого блока суммирования соединен с выходом первого локального нейрорегулятора и с выходным сигналом глобального нейрорегулятора для первого локального объекта управления, вход второго блока суммирования соединен с выходом второго локального нейрорегулятора и с выходным сигналом глобального нейрорегулятора для второго локального объекта управления, вход глобального нейрорегулятора соединен с выходом блока анализа взаимосвязей, вход блока анализа взаимосвязей соединен с выходом первого локального объекта управления и с выходом второго локального объекта управления, вход первого локального объекта управления соединен с выходом второго локального объекта управления и с выходом первого блока суммирования, вход второго локального объекта управления соединен с выходом первого локального объекта управления и с выходом второго блока суммирования.

На фиг.1 для сигналов введены следующие обозначения:

U1 - сигнал задания для первого локального объекта управления 3

U2 - сигнал задания для второго локального объекта управления 4

Y1 - выходной сигнал первого локального объекта управления 3

Y2 - выходной сигнал второго локального объекта управления 4

F - выходной сигнал блок анализа взаимосвязей 1

XL1 - выходной сигнал первого локального нейрорегулятора 5

XL2 - выходной сигнал второго локального нейрорегулятора 6

XG1 - выходной сигнал глобального нейрорегулятора для первого локального объекта управления 3

XG2 - выходной сигнал глобального нейрорегулятора для второго локального объекта управления 4

X1 - входной сигнал первого локального объекта управления 3

Х2 - входной сигнал второго локального объекта управления 4

В блоке анализа взаимосвязей 1 происходит вычисление сигнала F, который определяет количественные и качественные характеристики взаимодействия первого локального объекта управления 3 и второго локального объекта управления 4 между собой на основании сигналов Y1 и Y2.

Первый локальный нейрорегулятор 5 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 U1, Y1. Размерность выходного слоя сети - m определяется размерностью сигнала X1. 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 первого локального регулятора является алгоритм обратного распространения ошибки.

Второй локальный нейрорегулятор 6 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 U2, Y2. Размерность выходного слоя сети - m определяется размерностью сигнала Х2. 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 второго локального регулятора является алгоритм обратного распространения ошибки.

На фиг.2 изображена схема включения нейронной сети первого локального нейрорегулятора 5 в систему управления для обучения, которая содержит первый локальный нейрорегулятор регулятор 5, первый локальный объект управления 3, эталонную модель 11, алгоритм обучения 9, третий блок суммирования 10, четвертый блок суммирования 12. Нейронная сеть первого локального нейрорегулятора 5 настраивается таким образом, что бы минимизировать среднеквадратичную ошибку регулирования между выходным сигналом эталонной модели 11 и выходным сигналом первого локального объекта управления 3 с заданной точностью. Эталонная модель 11 представляет желаемую функцию, которая должна быть достигнута настройкой весовых коэффициентов нейронной сети первого локального нейрорегулятора 5. В процессе обучения сигнал U1 представляет собой множество ступенчатых и гармонических сигналов чередующихся случайным образом.

На фиг.2 дополнительно введены обозначения:

E1 - сигнал рассогласования

H1 - выходной сигнал эталонной модели 11

M1 - сигнал для изменения весовых коэффициентов нейронной сети первого локального нейрорегулятора 5

На фиг.3 изображена схема включения нейронной сети второго локального нейрорегулятора 6 в систему управления для обучения, которая содержит второй локальный нейрорегулятор регулятор 6, второй локальный объект управления 4, эталонную модель 15, алгоритм обучения 13, пятый блок суммирования 14, шестой блок суммирования 16. Нейронная сеть второго локального нейрорегулятора 6 настраивается таким образом, что бы минимизировать среднеквадратичную ошибку регулирования между выходным сигналом эталонной модели 15 и выходным сигналом второго локального объекта управления 4 с заданной точностью. Эталонная модель 15 представляет желаемую функцию, которая должна быть достигнута настройкой весовых коэффициентов нейронной сети второго локального нейрорегулятора 6. В процессе обучения сигнал U2 представляет собой множество ступенчатых и гармонических сигналов чередующихся случайным образом.

На фиг.3 дополнительно введены обозначения:

Е2 - сигнал рассогласования

Н2 - выходной сигнал эталонной модели 15

М2 - сигнал для изменения весовых коэффициентов нейронной сети второго локального нейрорегулятора 6

Глобальный нейрорегулятор 2 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 размерностью сигнала F. Размерность выходного слоя сети - m определяется суммой размерностей сигналов X1 и Х2. 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 глобального нейрорегулятора является генетический алгоритм.

На фиг.4 изображена схема включения нейронной сети глобального нейрорегулятора 2 в систему управления для обучения, которая содержит блок анализа взаимосвязей 1, глобальный нейрорегулятор 2, первый локальный объект управления 3, второй локальный объект управления 4, первый блок суммирования 7, второй блок суммирования 8 алгоритм обучения 17. Нейронная сеть глобального нейрорегулятора 2 настраивается таким образом, что бы минимизировать сигнал F с заданной точностью. В процессе обучения сигнал U представляет собой множество ступенчатых и гармонических сигналов чередующихся случайным образом.

На фиг.4 дополнительно введены обозначения:

U - сигнал задания для всей системы

М3 - сигнал для изменения весовых коэффициентов нейронной сети глобального нейрорегулятора 2

Качество управления достигается за счет того, что нейронная сеть глобального нейрорегулятора может быть настроена так, что корректирует выходные сигналы локальных нейрорегуляторов таким образом, что общий критерий качества для всей системы управления выполнялся с заданной степенью точности при изменении взаимосвязей между локальными объектами управления.

Устройство работает следующим образом. Выполняется задание эталонных моделей и настройка матриц весовых коэффициентов нейронных сетей локальных нейрорегуляторов. Определяется функция блока анализа взаимосвязей и настройка матрицы весовых коэффициентов глобального нейрорегулятора. После выполнения настроек происходит отработка управляющих сигналов U1 и U2 каждым локальным нейрорегулятором.

В процессе работы выполняется анализ выходных сигналов локальных объектов управления блоком анализа взаимосвязей, в результате чего формируется выходной сигнал глобального нейрорегулятора, который корректирует выходные сигналы локальных нейрорегуляторов. Работа продолжается до тех пор, пока не будет полностью отработаны заданные управления U1 и U2.

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

Система двухуровневого управления на основе нейрорегуляторов, содержащая объект управления, отличающаяся тем, что объект управления представлен взаимосвязанными первым локальным объектом управления и вторым локальным объектом управления и дополнительно содержит блок анализа взаимосвязей, глобальный нейрорегулятор, первый локальный нейрорегулятор, второй локальный нейрорегулятор, первый блок суммирования, второй блок суммирования, при этом вход первого локального нейрорегулятора соединен с выходом первого локального объекта управления и с сигналом задания для первого локального объекта управления, вход второго локального нейрорегулятора соединен с выходом второго локального объекта управления и с сигналом задания для второго локального объекта управления, вход первого блока суммирования соединен с выходом первого локального нейрорегулятора и с выходным сигналом глобального нейрорегулятора для первого локального объекта управления, вход второго блока суммирования соединен с выходом второго локального нейрорегулятора и с выходным сигналом глобального нейрорегулятора для второго локального объекта управления, вход глобального нейрорегулятора соединен с выходом блока анализа взаимосвязей, вход блока анализа взаимосвязей соединен с выходом первого локального объекта управления и с выходом второго локального объекта управления, вход первого локального объекта управления соединен с выходом второго локального объекта управления и с выходом первого блока суммирования, вход второго локального объекта управления соединен с выходом первого локального объекта управления и с выходом второго блока суммирования.