Главная > Нейроуправление и его приложения
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO

4.9.2. Примеры эмуляции

В данном примере рассмотрим две модели: линейную и нелинейную

Модель построена для системы управления температурой водяной ванны, рассмотренной в разделе 4.4.6; при построении модели использован алгоритм идентификации на основе метода наименьших квадратов. Модель — нелинейная форма модели

Характеристики двух систем на этапе обучения для моделей показаны на рис. 4.9.4 и 4.9.5 соответственно. Опорные температуры поддерживались на уровне для для Обучение осуществлялось путем многократного (несколько тысяч раз) повторения желаемых циклов траектории. Нейронные сети использовались для минимизации рассогласования между опорным и фактическим выходом объекта управления. Сходимость считалась достигнутой, когда рассогласование оказывалось меньше заданной величины. После обучения наблюдались хорошие характеристики системы даже для тех опорных величин, для которых обучение не проводилось; это показано нарис. 4.9.6 и 4.9.7 для моделей соответственно. Можно также видеть, что ПИД-нейроконтроллер с самонастройкой может отслеживать опорную величину практически точно, даже если входные сигналы ограничены, т.е. при имитации реальных управляющих входных

(кликните для просмотра скана)

(кликните для просмотра скана)

сигналов (например, при для модели для модели Реальный пример применения другого метода нейронного управления (для системы управления температурой водяной ванны) будет рассмотрен в следующей главе.

1
Оглавление
email@scask.ru