Нейросетевая модель сравнения по показателю качества

Предложенная система управления предназначена для построения моделей объектов регулирования на основании показателей качества. Технический результат достигается нейросетевой моделью сравнения по показателю качества, которая содержит объект управления, на вход которого подается входной сигнал, выход объекта управления соединен с входом блока расчета показателя качества, вход сумматора соединен с выходом блока расчета показателя качества и с выходом нейросетевой модели, выход сумматора соединен с входом блока алгоритма обучения, вход нейросетевой модели соединен с выходом блока алгоритма обучения и с входным сигналом, заключается в получении нейросетевой модели объекта управления с показателем качества не хуже чем у объекта управления, на основании которого она строиться.

Полезная модель относиться к системам управления и предназначена для построения моделей объектов регулирования на основании показателей качества.

Уровень полезной модели известен из устройства, содержащего сумматор, эталонную модель и последовательно соединенные регулятор, объект управления, первый ключ и идентификатор параметров, вход объекта управления через второй ключ подключен ко второму входу идентификатора, первый выход которого подключен к управляющим входам первого и второго ключей, отличающаяся тем, что она содержит задатчик параметров, блок памяти и третий ключ, второй выход идентификатора параметров через последовательно соединенные третий ключ, блок памяти и сумматор подключен к первому входу регулятора, выход задатчика параметров соединен со вторым входом сумматора, вход системы через эталонную модель соединен со вторым входом регулятора, а третий выход идентификатора параметров соединен с управляющим входом третьего ключа (патент 2007134521/09, опубл. 27.03.2009).

Недостатком данной системы является идентификация только количественных параметров объекта управления.

Наиболее близким по технической сущности к заявляемой полезной модели является самонастраивающаяся система для адаптивного управления динамикой сложного объекта, содержащая сумматор, объект регулирования, устройство сравнения, модель, инвертор, блок фильтров, отличающаяся тем, что она содержит подсистему верхнего уровня управления, на один вход которой поступает задающий входной сигнал, а другой вход параллельно подключен к выходу блока фильтров, первый выход подсистемы верхнего уровня управления через блок преобразователя информации подключается к первому входу сумматора, второй выход параллельно соединяется со вторым входом блока фильтров и со вторым входом блока сигнального алгоритма настройки модели; на вход блока сигнального алгоритма настройки модели поступает сигнал с выхода устройства сравнения, а выход подключен ко второму входу модели и первому входу блока фильтров (патент 2007133842/09, опубл. 20.03.2009).

Недостатком известного устройства является ограничение качественного анализа объекта управления при изменении его свойств.

Заявляемая полезная модель направлена на повышение качества регулирования за счет построения нейросетевой модели объекта управления. Технический результат, достигаемый в процессе решения поставленной задачи, заключается в получении нейросетевой модели объекта управления с показателем качества не хуже чем у объекта управления, на основании которого она строиться.

Указанный технический результат достигается нейросетевой моделью сравнения по показателю качества, изображенной на фиг.1, которая содержит объект управления 1, блок расчета показателя качества 2, нейросетевая модель 3, сумматор 4, блок алгоритма обучения 5, при этом на вход объекта управления подается входной сигнал, выход объекта управления соединен с входом блока расчета показателя качества, входы сумматора соединены с выходом блока расчета показателя качества и с выходом нейросетевой модели, выход сумматора соединен с входом блока алгоритма обучения, вход нейросетевой модели соединен с выходом блока алгоритма обучения и с входным сигналом.

На фиг.1 для сигналов введены следующие обозначения:

Х - входной сигнал

J - выходной сигнал блока расчета показателя качества

F - выходной сигнал нейросетевой модели

Y - выходной сигнал объекта управления

Е - сигнал рассогласования

М - сигнал для изменения весовых коэффициентов нейронной сети

В блоке расчета показателя качества происходит задание показателя качества, который должен быть у нейросетевой модели не хуже чем у объекта управления. Происходит вычисление данного показателя J на основании выходного сигнала объекта управления Y.

Нейросетевая модель 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 входного сигнала X. Размерность выходного слоя сети - m определяется размерностью выходного сигнала блока расчета показателя качества J. Количество нейронов в скрытом слое изначально принимается эмпирически согласно выражению - 2(n+m). Если после обучения ошибка между сигналами J и F больше заданного значения, то количество нейронов в скрытом слое увеличивается, и процесс обучения повторяется. Методом обучения трехслойного персептрона нейросетевой модели объекта управления является алгоритм обратного распространения ошибки. В процессе обучения сигнал Х представляет собой множество ступенчатых и гармонических сигналов чередующихся случайным образом.

Качество управления достигается за счет того, что нейронная сеть нейросетевой модели объекта управления может быть настроена таким образом, что бы выходной сигнал F отличался от показателя качества объекта управления с ошибкой не больше заданной.

Устройство работает следующим образом. Выполняется задание показателя качества, который должен быть достигнуть нейросетевой моделью объекта управления. На вход нейросетевой модели и объекта управления подается входной сигнал X. Нейросетевая модель вычисляет сигнал F. Объект управления выдает сигнал Y. Затем на основании выходного сигнала объекта управления Y в блоке расчета показателя качества вычисляется сигнал J. На входы сумматора поступают сигналы F и J и происходит вычисление сигнала рассогласования Е. Сигнал рассогласования Е поступает на вход блока алгоритма обучения в котором вычисляется сигнал для изменения весовых коэффициентов нейронной сети М нейросетевой модели. На основании сигнала М происходит настройка весовых коэффициентов нейронной сети нейросетевой модели для достижения заданного показателя качества не хуже чем выходной сигнал блока расчета показателя качества J. Так происходит до тех пор пока не будут отработаны все входные сигналы X.

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

Нейросетевая модель сравнения по показателю качества, содержащая объект управления, сумматор, отличающаяся тем, что дополнительно содержит блок расчета показателя качества, нейросетевую модель, блок алгоритма обучения, при этом на вход объекта управления подается входной сигнал, выход объекта управления соединен с входом блока расчета показателя качества, входы сумматора соединены с выходом блока расчета показателя качества и с выходом нейросетевой модели, выход сумматора соединен с входом блока алгоритма обучения, вход нейросетевой модели соединен с выходом блока алгоритма обучения и с входным сигналом, при этом нейросетевая модель выполнена в виде трехслойного персептрона с сигмоидальными функциями активации и определенной размерностью входного, скрытого и выходного слоев.