Адаптивная система траекторного управления АНПА на базе нейронной сети прямого распространения

Автор(ы): Романова В.Р., Зуев С.В.

Выпуск: 108

Рубрика: Управление техническими системами и технологическими процессами

Год: 2024

Библиография: Романова В.Р., Зуев С.В. Адаптивная система траекторного управления АНПА на базе нейронной сети прямого распространения // Управление большими системами. Выпуск 108. М.: ИПУ РАН, 2024. С.192-216. DOI: https://doi.org/10.25728/ubs.2024.108.11

Дата опубликования: 31.03.2024

Ключевые слова: искусственная нейронная сеть, автономный необитаемый подводный аппарат, система адаптивного управления, интеллектуальная система управления, обучение искусственной нейронной сети

Аннотация: Работа посвящена разработке и исследованию интеллектуальной системы адаптивного автоматического управления с заданной целью, основанной на использовании искусственной нейронной сети прямого распространения. Объектом управления является автономный необитаемый подводный аппарат (АНПА). В работе предлагается подать на вход нейронной сети сигналы, получаемые от систем АНПА, и использовать выходной сигнал нейронной сети для управления с целью удержания аппарата на заданной траектории. В качестве результата работы предлагается модель и метод обучения, которые приводят к удержанию АНПА на заданной траектории при внешнем воздействии с естественным ограничением для рассматриваемого мобильного робота. При наличии непрерывной заданной траектории и дискретных сигналов от систем АНПА это позволяет следовать заданной траектории с помощью простой интеллектуальной системы управления, не требующей больших вычислительных мощностей. Предложенный метод обучения системы управления допускает предварительное обучение на численной модели движения аппарата со случайными внешними воздействиями, но не требует такого предварительного обучения при определенных условиях. Показано, в частности, что в случае достаточно большой скорости обучения модель успевает перестраиваться и реагирует на изменившиеся обстоятельства. Предложенная интеллектуальная система адаптивного автоматического управления может найти применение в тех случаях, когда характерное время изменений в системе имеет порядок времени обучения, а траектория движения удовлетворяет изложенным в работе требованиям.

Author(s): Romanova V., Zuev S.

Article title: Adaptive trajectory control system AUV based on a direct propagation neural network

Issue: 108

Year: 2024

Keywords: artificial neural network, autonomous unmanned underwater vehicle, adaptive control system, intelligent control system, artificial neural network training

Abstract: The paper is devoted to the development and study of an intelligent system of adaptive automatic control with a given target based on the use of artificial neural network of forward propagation. The control object is an autonomous unmanned underwater vehicle (AUV). In this paper, it is proposed to feed the signals received from the systems of the AUV to the input of the neural network, and use the output signal of the neural network for control to keep the vehicle on a given trajectory. As a result of this work, a model and a learning method are proposed that lead to holding the ANPA on a given trajectory under an external influence with a natural constraint for the considered mobile robot. Given a continuous preset trajectory and discrete signals from the ANPA systems, this allows following the preset trajectory with a simple intelligent control system that does not require large computational power. The proposed method of control system training allows pre-training on a numerical model of vehicle motion with random external influences, but does not require such pre-training under certain conditions. It is shown, in particular, that in the case of a sufficiently large learning rate, the model has time to rearrange itself and reacts to changed circumstances. The proposed intelligent system of adaptive automatic control can find application in those cases when the characteristic time of changes in the system is of the order of the training time, and the trajectory of motion satisfies the requirements stated in the paper.