| Применение искусственных нейронных сетей для настройки ПИД-регуляторов. | |
| Автор: student | Категория: Технические науки / Автоматизация | Просмотров: 2116 | Комментирии: 0 | 01-01-2014 22:43 |
Применение искусственных нейронных сетей для настройки ПИД-регуляторов.
Нейронные сети используются в ПИД-регуляторах двумя путями: для построения регулятора и для построения блока на¬стройки его коэффициентов. Нейронная сеть обладает способностью «обучать¬ся», что позволяет использовать опыт эксперта для обучения нейронной сети настройки коэффициентов ПИД-регулятора.
При использовании ней¬ронной сети от эксперта не требуется формулировка правил — достаточно, чтобы он несколько раз сам настроил регулятор в процессе «обучения» ней¬ронной сети.
Нейронная сеть состоит из множества связанных между собой нейронов.нейрон представляет собой функциональный блок с одним выходом у и n входами x1,x2…xn.
Нейронная сеть будет выполнять роль функ-ционального преобразователя, который для набора сигналов r, е, и, у вырабатывает коэффициенты ПИД-регулятора К,Тк,Тд. Самой сложной является процедура обучения. Для обучения нейронной сети обычно используют методы градиентного поиска минимума функции, зависящей от параметров нейронов.
Нейронные сети используются в ПИД-регуляторах двумя путями: для построения регулятора и для построения блока на¬стройки его коэффициентов. Нейронная сеть обладает способностью «обучать¬ся», что позволяет использовать опыт эксперта для обучения нейронной сети настройки коэффициентов ПИД-регулятора.
При использовании ней¬ронной сети от эксперта не требуется формулировка правил — достаточно, чтобы он несколько раз сам настроил регулятор в процессе «обучения» ней¬ронной сети.
Нейронная сеть состоит из множества связанных между собой нейронов.нейрон представляет собой функциональный блок с одним выходом у и n входами x1,x2…xn.
Нейронная сеть будет выполнять роль функ-ционального преобразователя, который для набора сигналов r, е, и, у вырабатывает коэффициенты ПИД-регулятора К,Тк,Тд. Самой сложной является процедура обучения. Для обучения нейронной сети обычно используют методы градиентного поиска минимума функции, зависящей от параметров нейронов.