5. ПРИЛОЖЕНИЯ НЕЙРОННОГО УПРАВЛЕНИЯ
5.1. Введение
В этой главе представлены некоторые методы нейронного управления и примеры их практического применения для реальных систем. В качестве таковых здесь рассматриваются: система управления температурой водяной ванны, инвертированный маятник, система управления генератором в электрическом транспортном средстве, печь как многомерный объект управления (со многими входами и выходами). Для системы управления температурой водяной ванны и печи применяется схема нейронного управления с эмулятором и контроллером. Так как эти реальные процессы по своей природе являются медленными, для обучения нейронных сетей сначала применяются методы автономного обучения, а затем для точной настройки характеристик этих сетей применяется оперативное обучение (в соответствии со схемой, показанной на рис. 4.2.5). Для рассматриваемых примеров приводится сравнение предложенных методов с некоторыми традиционными подходами к управлению процессами различной сложности. Так как нейронное управление представляет собой относительно новый подход, сравнение его с традиционными подходами представляет особый интерес.
Для инвертированного маятника в качестве первоначального подхода к управлению используется нечеткая логика с минимальным набором правил. Этот вид управления можно рассматривать как грубое управляющее воздействие, так как нечеткая логика применяется достаточно просто. Однако выбор набора правил и коэффициентов для точной настройки нечеткого контроллера является достаточно сложной задачей. Для ее решения применяется стратегия линейного
оптимального управления, обеспечивающего стабилизацию маятника в вертикальном положении. Наконец, для точной настройки обоих контроллеров с учетом нелинейных характеристик и неучтенных особенностей динамики системы применяются нейронные сети.
Другой пример — разработка ПИД-нейроконтроллера с самонастройкой для генераторной системы электротранспортного средства. Нейронная сеть здесь используется для оперативной настройки коэффициентов ПИД-контроллера. Эксперименты показывают, что такое применение нейронной сети позволяет уменьшить результирующую ошибку.
