О методе определения скорости обучения нейронной сети для задачи оперативной настройки линейных регуляторов при управлении нелинейными объектами

Автор(ы): Глущенко А.И.

Название статьи: О методе определения скорости обучения нейронной сети для задачи оперативной настройки линейных регуляторов при управлении нелинейными объектами

Выпуск: 72

Рубрика: Математическая теория управления

Год: 2018

Библиография: Глущенко А.И. О методе определения скорости обучения нейронной сети для задачи оперативной настройки линейных регуляторов при управлении нелинейными объектами // Управление большими системами. Выпуск 72. М.: ИПУ РАН, 2018. С.52-107. URL: https://doi.org/10.25728/ubs.2018.72.4

Дата опубликования: 31.03.2018

Ключевые слова: адаптивное управление, ПИ-регулятор, скорость обучения нейронной сети, второй метод Ляпунова, устойчивость

Аннотация: Рассмотрена проблема выбора скорости оперативного обучения нейронной сети, являющейся составной частью нейросетевого настройщика, осуществляющего адаптацию П-/ПИ-регулятора в реальном масштабе времени. Выходами сети являются параметры регулятора. Данный вопрос непосредственно связан с оценкой устойчивости изучаемой системы управления, поскольку излишне высокие скорости обучения могут привести к переходу объекта в неустойчивое состояние. В работе предложен подход, основанный на втором методе Ляпунова и позволяющий, не имея модели объекта управления, определять верхний допустимый предел для скорости обучения нейронной сети в различных ситуациях. Проведено моделирование и натурные эксперименты для типовых агрегатов из классов нагревательных печей и двигателей постоянного тока, подтверждающие адекватность предложенного подхода.

Author(s): Glushchenko A.

Article title: On development of neural network learning rate calculation method to adjust linear controllers online solving nonlinear plant control problem

Issue: 72

Year: 2018

Keywords: adaptive control, PI-controller, neural network learning rate, Lyapunov’s second method, sustainability

Abstract: The problem of a neural network learning rate calculation for online training process is considered. The network is a part of a neural tuner used to adjust linear P-/PI-controllers parameters in real time. Its outputs are the controller parameters values. The problem under consideration is closely related to a control system sustainability estimation, as too high learning rates might make the system unstable. So we propose an approach based on the second Lyapunov’s method to calculate learning rate upper acceptance limit for different situations without knowing the plant model. Modeling and laboratory experiments have been conducted using typical plants of heating furnaces and DC drives classes to prove the method reliability. Having analyzed obtained results, the conclusion can be made that for both plant classes learning rate estimations allow to keep the control system stable. At the same time, constant usage of maximum allowed value of the learning rate during the online training process may result in the plant energy efficiency decrease.

В формате PDF
Обсудить статью в Интернет-концеренции по проблемам управления

Просмотров: 2666; загрузок: 933, за месяц: 15.

Назад