SYNTHESIS OF NEURAL NETWORK MODEL REFERENCE CONTROLLER FOR AIMING AND STABILIZING SYSTEM

УДК 681.3.01 Б.І. Кузнецов, Т.Ю. Василець, О.О. Варфоломієв СИНТЕЗ НЕЙРОРЕГУЛЯТОРА MODEL REFERENCE CONTROLLER ДЛЯ СИСТЕМИ НАВЕДЕННЯ І СТАБІЛІЗАЦІЇ Виконано синтез нейрорегулятора на основі еталонної моделі для рішення задачі управління спеціальним устаткуванням рухомих об’єктів . Наведено порядок синтезу нейрорегулятора Model Reference Controller, реалізованого в пакеті прикладних програм Neural Network Toolbox системи MATLAB . Встановлено, які параметри нейрорегулятора суттєво впливають на якість регулювання і визначені значення параметрів, що забезпечують найкращі показники якості функціонування системи. Виконано моделювання системи на ЕОМ. Бібл. 7, рис. 16. Ключові слова: нейромережеве управління, система наведення і стабілізації, нелінійний динамічний об’єкт, нейрорегулятор на основі еталонної моделі, Model Reference Controller. Выполнен синтез нейрорегулятора на основе эталонной модели для решения задачи управления специальным оборудованием подвижных объектов. Приведен порядок синтеза нейрорегулятора Model Reference Controller, реализованного в пакете прикладных программ Neural Network Toolbox системы MATLAB. Установлено, какие параметры нейрорегулятора существенно влияют на качество регулирования и определены значения параметров, которые обеспечивают лучшие показатели качества функционирования системы. Выполнено моделирование системы на ЭВМ. Библ. 7, рис. 16. Ключевые слова: нейросетевое управление, система наведения и стабилизации, нелинейный динамический объект, нейрорегулятор на основе эталонной модели, Model Reference Controller. Вступ. Практично всі вітчизняні і зарубіжні бойові машини оснащені системами наведення і стабілізації озброєння, що забезпечують можливість ведення прицільного вогню з ходу. Проте в процесі розробки таких систем не враховується ряд факторів, а саме: кінематична схема системи наведення і стабілізації містить пружні елементи, які ускладнюють розрахункову схему механічної частини системи, перетворюючи її на багатомасову; система управління є істотно нелінійною, що обумовлене наявністю моменту сухого тертя в підшипниках приводного двигуна і моменту тертя в кінематичному пристрої сполучення, а також наявністю люфта між зубами провідної і веденої шестерні; на озброєння діють зовнішні обурюючі моменти, обумовлені коливаннями корпусу і ін. Задача синтезу ефективних систем наведення і стабілізації з урахуванням всіх означених факторів, що забезпечує високу точність ведення вогню, є актуальною. Постановка проблеми. В даний час існує велика кількість підходів до проблеми синтезу систем управління, при цьому універсального і ідеального регулятора поки не існує. Широке застосування отримали методи адаптивного і робасного регулювання, які забезпечують стійкість систем із змінною динамікою, базуються на відомій моделі об'єкту і не вимагають точного знання її параметрів. Методи адаптивного регулювання намагаються при цьому підстроїти регулятор на основі оцінки параметрів невідомого об'єкту, тоді як робасні регулятори залишаються незмінними і забезпечують стійкість системи тільки в діапазоні допустимих змін параметрів об'єкту. Проте проблема синтезу адаптивних систем регулювання для невідомих, нелінійних і змінних в часі об'єктів не вирішена повністю. Застосування нейромережевої технології управління дозволяє значною мірою зняти математичні проблеми аналітичного синтезу і аналізу властивостей проектованої системи [1, 2]. Це пояснюється тим, що властивості, що досягаються, і якість процесів управління в нейромережевих системах більшою мірою залежать від фундаментальних властивостей багато- шарових нелінійних нейронних мереж, а не від аналітично розрахованих оптимальних законів, що зазвичай реалізовуються у вигляді комп'ютерної програми. Настроювані багатошарові нейронні мережі володіють рядом достоїнств, які обумовлюють їх застосування в завданнях управління нелінійними динамічними об'єктами. Мета статті – синтез нейрорегулятора на основі еталонної моделі Model Reference Controller, реалізованого з системі Matlab, для вирішення завдання управління системою наведення і стабілізації спеціального устаткування рухомих об’єктів. Виклад матеріалу дослідження, отриманих наукових результатів. У пакеті прикладних програм Neural Network Toolbox системи MATLAB реалізовані три регулятора: регулятор з прогнозом NN Predictive Controller, регулятор на основі моделі авторегресії з ковзним середнім NАRMA-L2 Controller і регулятор на основі еталонної моделі Model Reference Controller [3]. У роботах [4-6] виконаний синтез і дослідження системи з нейрорегулятором NN Predictive Controller, а в роботі [7] – системи з нейрорегулятором NАRMAL2 Controller. Як показали дослідження, нейрорегулятор NАRMA-L2 Controller не забезпечує задані показники якості функціонування системи наведення і стабілізації спеціального устаткування рухомих об’єктів. Найбільш ефективним для побудови нейромережевої системи наведення і стабілізації є регулятор NN Predictive Controller, в основу побудови якого покладено принцип нелінійного предиктивного регулювання. Регулятор використовує модель нелінійного керованого об'єкту у вигляді нейронної мережі для того, щоб передбачати його майбутню поведінку. Крім того, регулятор обчислює сигнал управління, який оптимізує поведінку об'єкта на заданому інтервалі часу. Однак, зазначений регулятор вимагає великих обчислювальних витрат і складний для практичної реалізації. Тому видається доцільним дослідження питання про можливість використання більш простого регулятора Model Reference Controller. Далі наводиться ISSN 2074-272X. Електротехніка і Електромеханіка. 2015. №5 © Б.І. Кузнецов, Т.Ю. Василець, О.О. Варфоломієв 47 коротка характеристика прикладних програм Neural Network Toolbox і порядок синтезу нейрорегулятора на основі еталонної моделі Model Reference Controller, а також результати моделювання нейромережевої системи наведення і стабілізації спеціального устаткування рухомих об’єктів при різних видах вхідних дій. При синтезі нейрорегулятора Model Reference Controller використовуються наступні файли, розміщені в каталозі toolbox/nnet/ nncontrol. Навчальні функції нейронних мереж: Srchbacxc – процедура одновимірного пошуку на основі перебору з поверненням; trainbfgc – модифікована процедура алгоритму BPGS для розрахунку системи управління з еталонною моделлю. Nnmodref.m – основна функція, використовувана при синтезі нейрорегулятора Model Reference Controller: забезпечує GUI користувача, генерацію навчальної вибірки, створення і тренування мережі регулятора. Sfunxy2 – функція для виведення графіків. Nncontrolutil – підтримка, що забезпечує можливість звернення до приватних функцій з системи SIMULINK. Nnident.m – основна функція, використоMATLAB Function du/dt вувана при ідентифікації об'єкту, знаходиться в каталозі private. Забезпечує GUI користувача, генерацію навчальної вибірки, створення і тренування мережі. На рис. 1 показана структурна схема нейромережевої системи наведення і стабілізації, розроблена в Simulink системи MATLAB. Схема включає б (...truncated)