604495492

604495492



Sterowanie neuronowe bezzałogowym pojazdem podwodnym 473

problemu optymalizacyjnego, w którym, przyjmując błąd wyjściowy neuronu w postaci [1,

2],

<k) = yd(k)-y(k)    (8)

gdzie: yd - żądana odpowiedź układu; y - aktualna odpowiedź układu, należy zminimalizować kryterium mające postać:

J=^E\ę(kf)    (9)

gdzie: E - operator wartości oczekiwanej.

Do rozwiązania tak sformułowanego problemu optymalizacyjnego i określenia optymalnych wartości parametrów neuronu zastosowano metodę gradientów sprzężonych. Aktualizacja wartości parametrów sieci neuronowej przeprowadza się po każdorazowej prezentacji wektora uczącego zgodnie z równaniem [2]:

v(k +1) = v(i) - i?V„./|>_>(ł| +    0°)

gdzie: v - uogólniony parametr sieci, r\ - współczynnik uczenia, /j - współczynnik sprzężenia, k - krok iteracji.

Biorąc pod uwagę kryterium minimalizacji, gradient może być wyrażony równaniem [1,

2]:

— = £{-e(4)F'(g,J'(*)K(*)}    (11)

au

gdzie: Sv(k) - wektor wrażliwości sygnału gamma na zmianę parametru v , F' - pochodna funkcji aktywacji neuronu.

3. BADANIA DOŚWIADCZALNE

Na regulator składają się dwie sieci neuronowe: sieć sterująca i sieć identyfikująca (rys. 4), zaś cały regulator wypracowuje sygnał sterujący w dwóch etapach [3]. W pierwszym etapie sieć identyfikująca przeprowadza identyfikację stanu obiektu w danej chwili czasowej, wokół bieżącego punktu równowagi, na podstawie informacji o bieżącym kursie oraz bieżącej prędkości obrotowej wokół osi normalnej pojazdu (prędkość zmiany kursu). Do nauki jako wzorcowy podawany jest sygnał sterujący kursem pojazdu. W drugimi etapie następuje przepisanie wag z sieci identyfikującej do sieci sterującej. W ten sposób sieć sterująca powinna posiadać transmitancję zbliżoną do odwrotnej transmitancji obiektu w danej chwili czasowej, a więc wokół bieżącego punktu równowagi. Na wejście tej sieci podawana jest informacja o rozbieżności między kursem zadanym i bieżącym oraz w związku z tym, że dąży się do tego, żeby pojazd miał zerową prędkość obrotową wokół osi normalnej pojazdu (brak



Wyszukiwarka

Podobne podstrony:
Sterowanie neuronowe bezzałogowym pojazdem podwodnym 471 Sterowanie neuronowe bezzałogowym pojazdem
Sterowanie neuronowe bezzałogowym pojazdem podwodnym 475 Kuis, pui<uJu Pickoi: otnfaNa(degfs
Sterowanie neuronowe bezzałogowym pojazdem podwodnym 477 Tabela 1. Wartości graniczne miar jakości
Zdj?cie006 Problemy optymalnego kierowania eksploatacją pojazdów: > jak planować użytkowanie poja
Grupy problemowe w teorii eksploatacji ■ Problemy optymalizacji właściwości eksploatacyjnych pojazdó
M002 Optymalizacja sterowności i osiągnięcie powyższych kryteriów stanowi duży problem i w fazie pro
Teoria sterowania w problemach optymalizacji konstrukcji i systemów POLITECHNIKA
Ważne i często stosowane organy sterowania powinny być rozmieszczone w poziomie na płaszczyźnie opty
ETŚT 7 2. Problemy optymalizacji obsługiwania. Jako przykłady konkretnych problemów można wymienić
ISSN 1896-771X MODELOWANIE INŻYNIERSKIE 41, s. 469-478, Gliwice 2011STEROWANIE NEURONOWE BEZZAŁOGOWY
470 A. ŻAK 2. STEROWANIE NEURONOWE 2.1. Regulator neuronowe W pracy proponuje się metodę sterowania
Rys. 2.6: Przykładowa sieć typu AON ze względnymi ograniczeniami czasowymi2.4 Problem optymalizacji
13 7.2. Problematyka optymalizacjiprzestrzennych ustrojów kratowych Omówiona poprzednio metoda obli

więcej podobnych podstron