| Popis: |
Здебільшого динаміка об’єктів систем автоматичного керування описується нелінійними рівняннями. Зокрема, електропривід руки робота, виконавчим механізмом якого є електричний двигун постійного струму, – це один з таких прикладів. На сьогодні апарат теорії нейронних мереж дозволяє враховувати такі нелінійності. Використовуючи методологію теорії цифрового фільтрування, запропоновано цілеспрямовано формувати структуру вхідного кола контролера, яке визначається вибраним законом керування, в нашому випадку – пропорційно-інтегрально-диференційним. В статті, виходячи з бажаної динаміки процесу, обґрунтовано вибір математичної моделі еталона, описано навчання нейронної мережі з використанням алгоритму оберненого розповсюдження похибки. Для забезпечення потрібних динамічних показників процесу керування була запропонована модифікація вхідних кіл нейронного контролера – розділення входів. В цьому випадку на вхід контролера замість традиційної різниці між вихідним сигналом об’єкта та вхідним сигналом еталона кожен із цих сигналів подавався на свій окремий вхід нейроконтролера і збіжність вихідних сигналів об’єкта та еталона виявилась кращою. Для дослідження стійкості системи з пропонованим нейроконтролером його структуру було переформатовано в еквівалентну замкнену систему, охоплену від’ємним зворотнім зв’язком. Імітаційне моделювання в середовищі Simulink підтвердило стійкість такої системи керування. In most cases, the dynamics of objects of automatic control systems described by nonlinear equations. In particular, one of such example is electric robot arm with an electric DC motor as an actuator. Today the neuron networks theory takes into account such nonlinearity. It is proposed to form (by using the methodology of the theory of digital filtering) specifically the structure of the input range of the controller, which is determined by the selected control law, in our case this is the proportional integral differential law. Based on the desired dynamics of the process, the article is justified choice of the mathematical model of etalon, described neural network training using back propagation algorithm. To provide the required dynamic of the control process it was proposed the modification of the input circuits of neurocontroller (the separation of inputs). In this case, instead of the traditional difference between the object output signal and the etalon input signal each of these signals fed to a separate input of the neurocontroller and output signals convergence of the object and the etalon was better. To investigate the stability of the system with proposed neurocontroller its structure was reformatted into an equivalent closed system covered by negative feedback. Simulation in the Simulink environment confirmed the stability of this control system. В основном динамика объектов систем автоматического управления описывается нелинейными уравнениями. В частности, электропривод руки робота, исполнительным механизмом которого является электрический двигатель постоянного тока – это один из таких примеров. На сегодня аппарат теории нeйрoнных сетей позволяет учитывать такие нелинейности. Используя методологию теории цифрового фильтрования, предложено целенаправленно формировать структуру входной цепи контроллера, которое определяется выбранным законом управления, в нашем случае – пропорционально-интегрально-дифференциальным. В статье, исходя из желаемой динамики процесса, обоснован выбор математической модели эталона, описано обучения нейронной сети с использованием алгоритма обратного распространения погрешности. Для обеспечения требуемых динамических показателей процесса управления была предложена модификация входных цепей нейронного контроллера – разделение входов. В этом случае на вход контроллера вместо традиционной разницы между выходным сигналом объекта и входным сигналом эталона каждый из этих сигналов подавался на свой отдельный вход нейроконтроллера и сходимость выходных сигналов объекта и образца оказалась лучшей. Для исследования устойчивости системы с предлагаемым нейроконтроллером, его структуру переформатировано в эквивалентную замкнутую систему, охваченную отрицательной обратной связью. Имитационное моделирование в среде Simulink подтвердило устойчивость такой системы управления. |
