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