<<
>>

Выводы третьего раздела

1. Показано, что решением задачи синтеза управления для любого объекта является многомерная функция, определяющая значение вектора управления в зависимости от значения вектора состояния объекта управления.

Предложено аппроксимировать ее с помощью многослойной искусственной нейронной сети. Для обучения многослойной нейронной сети разработан вариационный генетический алгоритм и предложены его входные параметры. Рассмотрен пример синтеза управления для нелинейной системы управления с использованием разработанного вариационного генетического алгоритма.

2. Разработан гибридный генетический алгоритм для синтеза системы управления с одним оптимизируемым критерием, отличающийся итерационным процессом последовательного увеличения числа элементов задержек входного и выходного сигнала, используемых в рекуррентной нейронной сети, позволяющий управлять процессом вертикализации экзоскелета.

3. Разработан гибридный генетический алгоритм для синтеза системы управления, основанный на итерационном процессе последовательного увеличения числа элементов задержек входного и выходного сигнала, используемых в рекуррентной нейронной сети, отличающийся включением в его

состав блока выбора приоритетного критерия и организацией итерационного процесса оптимизации второго критерия при контроле нахождения первого критерия в области допустимых значений, позволяющий построить систему управления вертикализацией экзоскелета по двум критериям оптимизации.

4

<< | >>
Источник: Аль-Бареда Али Яхья Сенан. МОДЕЛИ И АЛГОРИТМЫ СИНТЕЗА ОПТИМАЛЬНОГО УПРАВЛЕНИЯ В БИОТЕХНИЧЕСКИХ СИСТЕМАХ РЕАБИЛИТАЦИОННОГО ТИПА НА ОСНОВЕ ТЕХНОЛОГИЙ НЕЙРОННЫХ СЕТЕЙ. Диссертация на соискание ученой степени кандидата технических наук. МОСКВА - 2018. 2018

Скачать оригинал источника

Еще по теме Выводы третьего раздела: