5.3. Система стабилизации инвертированного маятника на основе нейронных сетей
5.3.1. Введение
Быстрый прогресс микроэлектронных технологий сделал возможным применение интеллектуальных методов управления. Хотя нейронное управление еще должно проявить себя, многие традиционные алгоритмы управления (например на основе нечеткой логики) хорошо разработаны и демонстрируют достаточно хорошие характеристики в реальных системах управления. В данном разделе рассматривается проблема стабилизации инвертированного маятника. Инвертированный маятник представляет собой модель нестабильной системы управления; поэтому данная проблема представляет интерес для специалистов по управлению. В данной работе предполагается, что инвертированный маятник закреплен сверху на тележке, которая может перемещаться вправо и влево в горизонтальной плоскости, причем это перемещение является управляемым. Задача управления состоит в стабилизации маятника в
вертикальном положении на возможно более продолжительное время.
Сначала для поворота маятника из нижнего положения и его стабилизации в вертикальном положении был разработан нечеткий контроллер. Для поворота и стабилизации маятника использовались два набора нечетких правил. Для поворота маятника использовался первый набор, состоявший из семи правил. Когда характеристики угла маятника (т.е. его угловая скорость и позиция тележки) оказывались в определенных диапазонах, нечеткий контроллер переключался на использование второго набора. Этот набор состоял из 11 нечетких правил, обеспечивающих стабилизацию маятника. Однако выбрать лучший набор правил, обеспечивающий хорошее управление, достаточно сложно.
Для более точного управления в диапазоне, в котором возможно применение линеаризованной модели маятника, использовался метод оптимального управления. Наконец, для регулировки рассогласования меясду фактической и желаемой позициями маятника применялась нейронная сеть. Характеристики линейного квадратичного оптимального контроллера могут быть улучшены за счет использования нейронной сети, обеспечивающей компенсацию нелинейных характеристик, которые обусловлены скольжением, трением и т.д. Такое улучшение может быть достигнуто путем использования нейронной сети с небольшим количеством скрытых нейронов. На основе указанных принципов управления с инвертированным маятником проводились эксперименты в реальном времени.
