Neurofeedback

Az oldal jelenlegi verzióját még nem ellenőrizték tapasztalt közreműködők, és jelentősen eltérhet a 2016. február 20-án áttekintett verziótól ; az ellenőrzések 26 szerkesztést igényelnek .

A Neurocontrol ( eng. Neurocontrol ) az intelligens vezérlés egy speciális esete , amely mesterséges neurális hálózatokat használ a dinamikus objektumok vezérlésével kapcsolatos problémák megoldására. A neurokontroll olyan tudományágak metszéspontjában áll, mint a mesterséges intelligencia , a neurofiziológia , az automatikus vezérlés elmélete , a robotika . A neurális hálózatok számos egyedi tulajdonsággal rendelkeznek, amelyek hatékony eszközzé teszik őket a vezérlőrendszerek létrehozásához: a példákból való tanulás és az adatok általánosításának képessége, a vezérlőobjektum és a környezet tulajdonságainak változásaihoz való alkalmazkodás, szintézisre való alkalmasság. A nemlineáris vezérlők nagy ellenállása az elemeinek károsodásával szemben az eredetileg a neurális hálózati architektúrába beépített párhuzamosság erőssége miatt. A "neurofeedback" kifejezést először a backpropagation módszer egyik szerzője, Paul J. Verbos használta 1976-ban [1] [2] . Számos példa van a neurális hálózatok gyakorlati alkalmazására repülőgép [3] [4] , helikopter [5] , robotautó [6] , motortengely fordulatszám [7] , hibrid autó motorjának vezérlési problémáinak megoldására. [8] , elektromos kemence [9] , turbógenerátor [10] , hegesztőgép [11] , pneumatikus henger [12] , fegyverzetvezérlő rendszer könnyű páncélozott járművekhez [13] , fordított ingamodell [14] .

Neurofeedback módszerek

A neurális hálózatok felhasználási módja szerint a neurokontroll módszereket direkt és indirektre osztják . A direkt módszerekben a neurális hálózatot arra tanítják, hogy közvetlenül generáljon vezérlési műveleteket az objektumon, a közvetett módszereknél a neurális hálózatot segédfunkciók elvégzésére: vezérlőobjektum azonosítás , zajelnyomás , a PID-vezérlő együtthatóinak működési beállítása . A neurokontrollert alkotó neurális hálózatok számától függően a neurovezérlő rendszereket egymodulos és többmodulosra osztják . A hagyományos szabályozókkal együtt használt neurocontrol rendszereket hibridnek nevezzük .

Az irányítás területén a mesterséges neurális rendszereket (ANS) használják az objektumok azonosítására szolgáló feladatokban, az előrejelzési és diagnosztizálási algoritmusokban, valamint az optimális automatikus vezérlőrendszerek (ACS) szintézisében . Az ANN alapú ACP megvalósításához jelenleg intenzíven fejlesztik a neurochipek és neurokontrollerek (NC) gyártását.

Bizonyos értelemben az ANN az agy utánzója, amely képes tanulni és eligazodni a bizonytalanság körülményei között. A mesterséges neurális hálózat két szempontból hasonlít az agyhoz. A hálózat tudást szerez a tanulási folyamat során, és a tudás tárolására nem magukat az objektumokat használja, hanem azok kapcsolatait - az interneuronális kapcsolatok együtthatóinak értékeit, amelyeket szinaptikus súlyoknak vagy szinaptikus együtthatóknak neveznek [15] .

A neurokontroll feladatokban egy fekete doboz modellt használnak a vezérlőobjektum ábrázolására, amelyben az aktuális bemeneti és kimeneti értékek figyelhetők meg. Az objektum állapotát külső megfigyelés számára elérhetetlennek tekintjük, bár az állapotvektor dimenzióját általában rögzítettnek tekintjük. A vezérlőobjektum viselkedésének dinamikája diszkrét formában ábrázolható:

{\begin{mátrix}S(k+1)=\Phi (S(k),u(k)))\\y(k+1)=\Psi (S(k))\end{ mátrix}}

ahol: a sorrendvezérlő objektum állapota a cikluson ; a ciklus -dimenziós vezérlővektorának értéke , a cikluson lévő vezérlőobjektum -dimenziós kimenetének értéke . ${\displaystyle S(k)\in \mathbb {R} ^{N))$ $N$ $k$ ${\displaystyle u(k)\in \mathbb {R} ^{P))$ $P$ $k$ ${\displaystyle y(k+1)\in \mathbb {R} ^{V))$ $V$ $k+1$

A vezérlőobjektum aktuális állapotának becsléséhez a NARX modell használható, amely az objektum múltbeli pozícióiból és késleltetett vezérlőjelekből áll : $S(k)$ $y$ $u$

S(k)=[y(k)~y(k-1)~y(k-2)~\ldots ~y(kN)~u(k-1)~u(k-2)~ \ldots ~u(kQ)]^{T}

Az állapotbecslő vektor késleltetett jelek használata nélkül is ábrázolható: $S$

{\displaystyle S(k)=[y(k)~y(k-1)~y(k-2)~\ldots ~y(kN)]^{T))

Lehetőség van arra is, hogy egy objektum állapotát a fázispályájának pillanatképeként ábrázoljuk:

{\displaystyle S(k)=[y(k)~y(k)'~\ldots ~y(k)^{(N)}]^{T))

Mimic neurofeedback

Az imitatív neurokontroll [16] [17] [18] (mimikon alapuló neurokontroll-tanulás, kontroller modellezés, felügyelt tanulás meglévő kontroller segítségével) olyan neurokontroll rendszereket takar, amelyekben a neurokontroller egy hagyományos visszacsatolásos vezérlő dinamikájának példáira oktatja például a hagyományos PID szabályozási séma alapján . A betanítás után a neurális hálózat pontosan reprodukálja az eredeti vezérlő funkcióit. Az emberi operátor viselkedésének rögzítése példaként használható a vezérlő dinamikájára. Egy hagyományos visszacsatoló vezérlő (vagy egy emberi kezelő) vezérli a vezérlőobjektumot normál üzemmódban. A vezérlő bemenetén és kimenetén lévő értékeket rögzítik, és a protokoll alapján a neurális hálózathoz egy betanító mintát képeznek, amely bemeneti értékpárokat és a neurális hálózat várható reakcióit tartalmazza : ${\displaystyle U=\{P_{i},T_{i}\}_{i=1}^{M))$ $M$ $P_{i}$ $T_{i}$

{\begin{mátrix}P_{i}=[r(i+1)~S(i)]^{T}\\T_{i}=u(i)\end{mátrix))

Például a backpropagation betanítása után a neurális hálózat az eredeti vezérlő helyére csatlakozik. Az így létrejött neurokontroller helyettesítheti a személyt az eszköz kezelésében, és költséghatékonyabb is lehet, mint az eredeti vezérlő.

Általánosított inverz neurokontroll

Az általánosított inverz neurokontroll (direkt inverz neurokontroll, adaptív inverz vezérlés) sémájában [19] [20] a vezérlőobjektum inverz dinamikájának neurális modelljét, az úgynevezett inverz neuroemulátort használják vezérlőként . Az inverz neuroemulátor egy offline neurális hálózat , amely egy vezérlőobjektum fordított dinamikáját szimulálja egy dinamikus objektum viselkedésének rögzített pályái alapján. Az ilyen pályák eléréséhez valamilyen véletlenszerű folyamatot táplálunk a vezérlő objektumhoz vezérlőjelként. Az objektum vezérlőjeleinek és válaszainak értékeit rögzítik, és ennek alapján képzési mintát képeznek : ${\displaystyle U=\{P_{i},T_{i}\}_{i=1}^{M))$

{\begin{mátrix}P_{i}=[y(i)~S(i-1)]^{T}\\T_{i}=u(i)\end{mátrix))

A képzés során a neurális hálózatnak fel kell fognia és emlékeznie kell a vezérlőjel értékeinek a vezérlő objektum reakciójának későbbi értékétől való függőségére , amely korábban állapotban volt . Egy objektum vezérlésekor egy inverz neuroemulátor van csatlakoztatva vezérlőként, miközben a bemeneten megkapja az alapjel értékeit (egy bizonyos érték vagy paraméter, amelynek elérésekor megváltozik a rendszer állapota) és az átmenő vezérlő objektum állapota. visszajelzési csatorna : $u(k-1)$ $y(k)$ $S(k-1)$ $x(k)$ $r(k+1)$ $S(k)$

{\megjelenítési stílus x(k)=[r(k+1)~S(k)]^{T))

Feltételezzük, hogy a betanítás során kialakított vezérlőobjektum inverz modellje megfelelő, ezért a neurális hálózat által kibocsátott vezérlőjel biztosítja az objektum átmenetét a beállítás által meghatározott pozícióba.

Speciális inverz neurofeedback

A specializált inverz neurokontroll [19] [20] a neurokontroller online betanításának módszerét használja az objektum pozíciójának az alapjeltől való eltérésének aktuális hibájával . A neurokontroller kapcsolódási diagramja megegyezik az általánosított inverz neurokontroll módszerével . A vektor a hálózat bemenetére kerül : $e(k)=r(k)-y(k)$ $x(k)$

{\megjelenítési stílus x(k)=[r(k+1)~S(k)]^{T))

A neurális hálózat létrehoz egy vezérlővektort , amely a vezérlőobjektumot a pozícióba mozgatja . Ezután a neurokontroller aktuális hibáját számítjuk ki $u(k)$ $y(k+1)$

e(k)=r(k+1)-y(k+1)

A súlyváltozás gradiensét kiszámítjuk

\Delta w=e(k){\frac {\partial y(k+1)}{\partial u(k))){\frac {\partial u(k)}{\partial w(k) )}}

Ezután a neurokontroller súlyait a legmeredekebb süllyedés módszerével vagy más gradiens módszerrel korrigálják .

A derivált a vezérlőobjektum Jacobi -jele , amelynek értékét a vezérlőobjektum adott matematikai modelljének megfelelően analitikusan állítjuk be. A gyakorlatban azonban az elfogadható ellenőrzési minőség eléréséhez gyakran elegendő csak a jakobiánus előjelét kiszámítani. Az együtthatók értékeinek korrekciós iterációi addig folytatódnak, amíg az elfogadható ellenőrzési minőséget el nem érik. ${\displaystyle {\frac {\partial y(k+1)}{\partial u(k)))))$

A fordított hiba módszere a közvetlen neuroemulátoron keresztül

Az időben történő visszaterjesztés, a modellreferencia adaptív vezérlés, a belső modellvezérlési módszer [8] [21] [22] [23] azon az elgondoláson alapul, hogy két neurális hálózat tandemét használják , amelyek közül az egyik vezérlőként működik , a második pedig a vezérlőobjektum modell , amelyet közvetlen neuroemulátornak neveznek . A direkt neuroemulátor a neurokontroller hibagradiensének kiszámítására szolgál a betanítása során, és nem használják tovább. Elmondható, hogy a neurokontroller és a neuroemulátor egyetlen neurális hálózatot képvisel, és a neurokontroller betanítása során a direkt neuroemulátor súlyai „lefagynak”. Először a közvetlen neuroemulátort képezik ki. Ehhez egy véletlenszerű vezérlőjelet adunk a vezérlőobjektum bemenetére , megváltoztatva a vezérlőobjektum helyzetét , és képzési mintát képezünk : $u$ $y$ ${\displaystyle U=\{P_{i},T_{i}\}_{i=1}^{M))$

{\begin{mátrix}P_{i}=[u(i)~S(i-1)]^{T}\\T_{i}=y(i)\end{mátrix))

A közvetlen neuroemulátor képzése offline módban történik. A közvetlen neuroemulátort oktatottnak tekintjük, ha a neuroemulátor és a valódi objektum bemenetein azonos értékek mellett a kimeneteik értékei közötti különbség jelentéktelenné válik. A közvetlen neuroemulátor betanítása után a neurokontroller betanításra kerül. A képzés online történik, ugyanazon séma szerint, mint a speciális inverz neurofeedback esetében . Először (a cikluson ) a vezérlő objektum kívánt pozíciója érkezik a következő ciklushoz a neurokontroller bemenetén . A neurokontroller vezérlőjelet generál , amelyet a vezérlőobjektum és a neuroemulátor bemeneteire táplál. Ennek eredményeként a vezérelt tárgy a pozícióba kerül , és a neuroemulátor generálja a reakciót . Ezt követően a rendszer kiszámítja a szabályozási hibát, és a visszaterjesztési szabály szerint az ellenkező irányba továbbítja. A neuroemulátor kapcsolatok súlyegyütthatóit ebben az esetben nem korrigálják. A direkt neuroemulátoron áthaladó fordított hiba mechanizmusa egy lokális inverz modellt valósít meg a vezérlőobjektum állapotterének aktuális pontján. A neuroemulátoron való áthaladás után a hiba tovább terjed a neurokontrolleren, de most az áthaladását a neurokontroller súlyegyütthatóinak korrekciója kíséri. Ebben az esetben a közvetlen neuroemulátor a neurokontroller neurális hálózatának további rétegeinek funkcióit látja el, amelyekben a kapcsolati súlyok nem korrigálódnak. $k$ $r(k+1)$ $u(k)$ $y(k+1)$ ${\hat {y}}(k+1)$ $e(k)={\widehat {y}}(k+1)-y(k+1)$

Neurokontroll módszer referencia modellel

A neurokontroll módszere referenciamodellel (modellreferencia adaptív vezérlés, neurális adaptív vezérlés) [23] [24] [25] a neurokontroll egyik változata a fordított hiba módszerével, direkt neuroemulátoron keresztül egy további referenciamodellel (referencia) modell) az áramkörbe ágyazott dinamikus rendszert, hogy szimulálják, kinek a viselkedését a neurokontroller edzi. Ez az átmeneti folyamat minőségének javítása érdekében történik: abban az esetben, ha az objektum átmenete a célpozícióba egy ciklusban lehetetlen, a mozgás pályája és az átmeneti folyamat ideje rosszul kiszámítható értékké válik. és az átmeneti folyamat instabilitásához vezethet. Ennek a bizonytalanságnak a csökkentése érdekében egy referenciamodellt vezetünk be, amely általában egy stabil, első vagy másodrendű lineáris dinamikus rendszer. A betanítás során a referenciamodell egy alapjelet kap a bemeneten , és referenciapályát generál , amelyet összehasonlít a vezérlőobjektum helyzetével , hogy vezérlési hibát kapjon , amelynek minimalizálása érdekében a neurokontroller betanításra kerül. $k$ $r(k+1)$ $y'(k+1)$ $y(k+1)$ $e(k+1)$

A külső zavarok neurális hálózati szűrésének módszere

A külső zavarok neurális hálózati szűrésének módszere (lineáris és nemlineáris adaptív szűrésen alapuló adaptív inverz vezérlés, belső modellvezérlés) [26] a vezérlőkörben lévő vezérlő minőségének javítását szolgálja . Kezdetben ezt a sémát B. Widrow javasolta az általánosított inverz neurokontroll módszerével kiképzett neurokontrollerekkel együtt való használatra [27] . Egy későbbi munkájában [28] direkt neuroemulátoron keresztül történő hibavisszaterjedés módszerével kiképzett neurokontrollereket használt . Elvileg a neurális hálózati hibaszűrés bármilyen típusú vezérlő teljesítményének javítására használható, nem feltétlenül a neurális hálózaté . Ez a séma két előképzett neurális hálózatot használ: egy inverz neuroemulátort, amely ugyanúgy van kiképezve, mint az általánosított inverz neurokontroll módszernél , és egy direkt neuroemulátort, amely ugyanúgy van kiképezve, mint a visszaszaporító módszerben, direkt neuroemulátoron keresztül . Hagyja, hogy a vezérlőjel érkezzen a vezérlő objektumhoz , amely a vezérlő jelének és a külső zavarszűrő rendszer korrekciós jelének összegzésének eredménye , amelyet az előző lépésben számítottunk ki. A jelet a vezérlőobjektum közvetlen neuroemulátorába küldik, és a direkt neuroemulátor reakcióját összehasonlítják a rendszer valós állapotával . Az ezen értékek közötti különbséget a rendszer külső zavar okozta nemkívánatos eltéréseként értelmezzük. A nemkívánatos hatás elnyomására a jelet az inverz neuroemulátorhoz küldik, amely kiszámítja a korrekciós jelet , hogy a következő ciklusban korrigálja a neurokontroller vezérlőjelét . ${\hat {u}}_{F}(k)$ ${\hat {u}}(k)$ ${\hat {u}}_{C}(k)$ $y(k)$ $e(k)$ ${\hat {u}}_{C}(k+1)$ ${\hat {u}}(k+1)$

A módszer használatához a vezérlőobjektumnak reverzibilis dinamikával kell rendelkeznie, valamint a vezérlőobjektum megfelelő matematikai vagy szimulációs modelljével kell rendelkeznie a direkt és inverz neuroemulátorok betanításához.

Prediktív modell neurofeedback

Prediktív modell neurokontroll (NN prediktív vezérlés, modell prediktív vezérlés, neurális generalizált prediktív vezérlés) [29] [30] minimalizálja az integrált hibaköltség funkcionális , előre jelzett ciklusokat : $Q(k)$ $L=max(L_{2},L_{3})$ ${\displaystyle 0\leq L_{1}\leq L_{2))$

$Q(k)=\sum _{i=L_{1}}^{L_{2}}e(k+i)^{2}+\rho \sum _{i=0}^{L_ {3}}(u(k+i)-u(k+i-1))^{2}.$

Itt van a rendszer kimeneti hibája, amely a vezérlőjel változásának hozzájárulása a működési összköltséghez . A rendszer jövőbeli viselkedésének előrejelzésére és a hibák kiszámítására direkt neuroemulátort használnak, amelyet ugyanúgy képeznek ki, mint a direkt neuroemulátoron keresztüli hibavisszaterjesztés módszerét . A vizsgált módszer sajátossága, hogy nem rendelkezik betanítható neurokontrollerrel. Helyét egy valós idejű optimalizáló modul veszi át, amelyben például a szimplex módszer [31] vagy a kvázi-newtoni algoritmus [32] használható . $e(k)$ $\rho$ $Q(k)$

Az optimalizáló modul megkapja a ciklus előtti ciklusok célpályáját, és ha az nincs, akkor megduplázza az aktuális alapjel értékét, és ezt használja célpályaként. Továbbá az optimális szabályozási művelet kiválasztásához számításokat végeznek a neurokontroll rendszer belső hurkában (az iterációit jelöljük ). Egy vezérlési ciklus során az optimalizáló modul különböző műveletek sorozatát továbbítja a neuroemulátor bemenetére , ahol az előrejelzési mélység, különböző opciókat kap a rendszer viselkedésére vonatkozóan, kiszámítja a költségfüggvényt, és meghatározza a legjobb szabályozási stratégiát . Ennek eredményeként egy vezérlőjel kerül az objektumra . A következő ciklusban a stratégia újraszámításra kerül. $L$ $L$ $r(k+1)$ $j$ ${\hat {u}}(k+t,j)$ $t$ $0\leq t\leq L-1$ $Q(k)$ $ST=\{{\hat {u}}(k,j_{1})~{\hat {u}}(k,j_{2})~\ldots ~~{\hat {u}} (k,j_{L})\}$ ${\hat {u}}(k,j_{1})$ $UTCA$

Alkalmazkodó kritikusok

Az adaptív kritikusokon alapuló neurofeedback módszerek , más néven közelítő dinamikus programozás ( ADP ) nagyon népszerűek voltak az elmúlt években [ 33] [34] [35] [36] . Az adaptív kritikai rendszerek a vezérlőjelet az alapján választják ki, hogy minimalizálják a jövőbeli hibabecslések funkcionális értékét végtelen horizonton:

J(k)=\sum _{i=0}^{\infty }\gamma ^{i}e(k+i)^{2}.

Itt a felejtési tényező, , a vezérlőobjektum pályájának az alapjeltől való eltérése, a rendszer minden egyes ciklusánál számítva. A rendszer két neurális modult tartalmaz: egy neurokontrollert és egy kritikus modult ( kritikus ). A kritika modul elvégzi a költségfüggvény értékeinek közelítését , a neurokontroller a költségfüggvény minimalizálására van kiképezve . $\gamma$ $0<\gamma \leq 1$ $e(k)=r(k+1)-y(k+1)$ $J(k)$ $J(k)$

Objektumvezérlési módban a neurokontroller bemenete olyan vektort kap , amely a kimenetén egy vezérlőjel megjelenését idézi elő, aminek hatására a vezérlőobjektum a pozícióba kerül . Ezután kiszámítja az aktuális vezérlési hiba értékét . A kritikai modul, amely vektort kap bemenetként , kiértékeli a költségfüggvényt . A következő ciklusban a folyamat megismétlődik: új értékek és kiszámításra kerülnek . A neurokontroll rendszer képzése online történik, és két szakaszból áll: a kritikai modul képzése és a neurokontroller képzése. Először az időeltolódási hibát számítjuk ki . Ezután a legmeredekebb süllyedés módszerének megfelelően a kritikai modul linkjeinek súlya korrigálásra kerül : ${\megjelenítési stílus x(k)=[r(k+1)~S(k)]^{T))$ $u(k)$ $y(k+1)$ $e(k)$ ${\displaystyle z(k)=[r(k+1)~u(k)~S(k)]^{T))$ $J(k)$ $e(k+1)$ $J(k+1)$ $\delta w(k)=e(k)+\gamma J(k+1)-J(k)$ $w_{critic}$

\Delta w_{critic}(k)=-{\alpha }_{1}\delta (k){\frac {\partial J(k)}{\partial w_{critic}(k)))

A gradiens értékét a backpropagation módszerrel számítják ki . A neurokontroller kapcsolatainak súlyának korrekciója ugyanúgy történik: ${\frac {\partial J(k)}{\partial w_{critic}(k)))$ $\Delta w_{control}$

$\Delta w_{control}(k)=-{\alpha }_{2}{\frac {\partial J(k)}{\partial u(k))){\frac {\partial u( k)}{\partial w_{control}(k)))$

A derivált értéket az érték kritikus modulon keresztül történő visszaterjesztésével, a gradiens értékét pedig a hiba vezérlőmodulon keresztül történő visszaterjesztésével találjuk meg. A súlykorrekció addig folytatódik, amíg a rendszer el nem éri a kívánt ellenőrzési minőségi szintet. Így minden lépésnél a neurokontroller betanításával javul az irányítási törvény (iteráció stratégiákon, irányelviteráció), a rendszer helyzetértékelési képessége pedig a kritikus képzésével (érték szerinti iteráció, értékiteráció) is nő. Az adaptív kritikai rendszer felépítésének konkrét sémája eltérhet a fent leírtaktól , amelyet heurisztikus dinamikus programozásnak ( HDP ) neveznek . A kettős heurisztikus programozási ( DHP ) módszernél a kritikus modul a globális költségfüggvény deriváltját számítja ki , a globális kettős heurisztikus programozási ( GHDP ) módszernél pedig magát a költségfüggvényt és annak deriváltját is a kritikus számítja ki . Ismertek a módszer olyan módosításai, amelyekben a kritikai modul kizárólag egy vezérlőjel alapján hoz döntéseket. Angol rövidítéseikben az AD (akciófüggő) előtag szerepel : ADHDP , ADDHP , ADGDHP . Az adaptív kritika egyes változataiban a kritikai modul két részből áll: magából a kritikai modulból és a közvetlen neuroemulátorból. Ez utóbbi előrejelzéseket ad a vezérlőobjektum viselkedéséről, amelyek alapján a kritikus becslést ad a költségfüggvényre . Az ilyen változatokat modell alapúnak nevezzük . ${\frac {\partial J(k)}{\partial u(k)))$ ${\frac {\partial u(k)}{\partial w_{control}(k)))$ ${\frac {\partial J}{\partial t))$ $J$ ${\frac {\partial J}{\partial t))$ $J$

Hibrid neuro-PID szabályozás

Hibrid neuro-PID vezérlés (NNPID auto-tuning, neuromorf PID önhangolás) [37] [38] lehetővé teszi a PID vezérlő online önhangolását neurális hálózatok segítségével . A PID szabályozó online hangolása az aktuális szabályozási hibának megfelelően történik . Egy ciklus során a neurális hálózat megkapja az alapjelet , és előállítja a PID-szabályozó vezérlési együtthatóit (arányos), (integrális), (differenciális), amelyeket a PID-vezérlőhöz táplálnak az aktuális visszacsatolási hiba értékével együtt . Működés közben a PID-szabályozó a rekurzív képlet szerint számítja ki az aktuális vezérlőjelet : $e(k)=r(k+1)-y(k+1)$ $k$ $r(k+1)$ $K_1$ $K_{2}$ $K_{3}$ $e(k)$ $u(k)$

u(k)=u(k-1)+K_{1}(k)(e(k)-e(k-1))+K_{2}(k)e(k)+K_{ 3}(k)(e(k)-2e(k-1)+e(k-2))

diszkrét PID-szabályozókhoz használják, és a vezérlőobjektumhoz táplálják.

A neurális hálózatot valós időben, visszacsatolási hiba tanítja, a legmeredekebb süllyedés módszerével .

\Delta w(k)=-\alpha e(k){\frac {\partial y(k+1)}{\partial u(k))){\frac {\partial u(k)} {\partial K(k)}}{\frac {\partial K(k)}{\partial w(k)))

Itt látható a PID-vezérlőhöz táplált neurális hálózat kimeneti vektora. ${\displaystyle K(k)=[K_{1}(k)~K_{2}(k)~K_{3}(k)]^{T))$

{\frac {\partial u(k)}{\partial K_{i}(k)))={\Bigg \{}{\begin{mátrix}e(k)-e(k-1) &for~i=1;\\e(k)&for~i=2;\\e(k)-2e(k-1)+e(k-2)&for~i=3.\end{mátrix}}

A színátmenetek kiszámítása a visszaszaporítási módszerrel történik . A vezérlőobjektum Jacobi -jele , hogy előjele analitikusan megtalálható-e, a vezérlőobjektum matematikai modellje alapján. ${\frac {\partial K_{i}(k)}{\partial w(k)))$ ${\displaystyle {\frac {\partial y(k+1)}{\partial u(k)))))$

Hibrid párhuzamos neurokontroll

A hibrid párhuzamos neurokontroll módszerei (párhuzamos neurokontroll, stabil közvetlen adaptív vezérlés, additív előrecsatolt vezérlés) [26] [29] lehetővé teszik a neurokontrollerek és a hagyományos vezérlők párhuzamos használatát dinamikus objektumok vezérlésére. Ebben az esetben a neurokontroller és a hagyományos vezérlő, amely például a PID vezérlő , ugyanazokat az alapjeleket kapja. Hagyományos vezérlő és neurokontroller együttes csatlakoztatására a következő lehetőségek állnak rendelkezésre:

a vezérlőobjektumhoz egy hagyományos vezérlő kapcsolódik, ami után a neurokontroller megtanulja irányítani a hagyományos vezérlő által már lezárt rendszert. Az edzés után a neurokontroller a rendszerhez csatlakozik, és mindkét vezérlő vezérlőjeleit összegzik;
a neurokontroller megtanulja irányítani a vezérlőobjektumot, a betanítás után elkezd normálisan működni. Továbbá a neurokontroller által zárt rendszer vezérléséhez egy hagyományos vezérlőt konfigurálunk. A beállítás után a normál vezérlő csatlakozik a rendszerhez, mindkét vezérlő vezérlőjelét összegzi;
a hagyományos kontroller és a neurokontroller működési területei elhatárolódnak. Például a vezérlőobjektum állapotterében külön terület van lefoglalva a neurokontroller számára : $LS$

LS=[(y_{1}-d_{1};y_{1}+d_{1})~\ldots ~(y_{N}-d_{N};y_{N}+d_{N })]^{T}

Ebben az esetben a számítások szerint egy hagyományos vezérlő egy objektumot vezérel az állapottér ezen tartományán kívül. Ha mindkét vezérlő párhuzamosan működik, a vezérlőjel vagy a neurokontrollertől érkezik, ha a rendszer aktuális állapota a régión belül van , vagy egyébként egy hagyományos vezérlőtől. A hibrid párhuzamos neurokontroll kompromisszumos megoldást jelent a neurokontroll iparági bevezetésére és a hagyományos vezérlőkről a neurális hálózatokra való átállásra. $LS$

Jegyzetek

↑ Voronovsky G.K., Genetikai algoritmusok, mesterséges neurális hálózatok, 1997 (hozzáférhetetlen link) . Letöltve: 2011. szeptember 3. Az eredetiből archiválva : 2011. augusztus 19.. (határozatlan)
↑ Werbos, PJ Backpropagation and neurocontrol: a review and prospektus // International Joint Conference on Neural Networks, Vol. 1. - P. 209-216. – Washington, DC, USA, 1989. június 18–22
↑ Gundy-Burlet K., Krishnakumar K., Limes G., Bryant D. Intelligens repülésvezérlő rendszer bővítése szimulált C-17 repülőgépekhez // J. of Aerospace Computing, Information and Communication. - 2004. - 20. évf. 1, No. 12. - P. 526-542 . Letöltve: 2011. augusztus 26. Az eredetiből archiválva : 2016. március 6.. (határozatlan)
↑ Kondratiev A. I., Tyumentsev Yu. V. Neurális hálózat adaptív hibatűrő vezérlése egy manőverezhető repülőgép mozgásának // XII Össz-oroszországi tudományos és műszaki konferencia "Neuroinformatika - 2010": 2. rész - M .: NRNU MEPhI, 2010 - 262-273. . Letöltve: 2011. október 28. Az eredetiből archiválva : 2016. március 4.. (határozatlan)
↑ Nikiforova L. N., Petrosyan E. A., Yakemenko G. V. Neurocomputers in helikopter control // Mesterséges intelligencia. - 2000. - 3. sz. - S. 290-298 . Letöltve: 2011. október 28. Az eredetiből archiválva : 2015. október 10.. (határozatlan)
↑ D. Gu és H. Hu. Neurális prediktív vezérlés egy autószerű mobil robot számára // International Journal of Robotics and Autonomous Systems, Vol. 39. sz. 2002. május 2-3
↑ [Terekhov V. A., Efimov D. V., Tyukin I. Yu. Neurális hálózatvezérlő rendszerek: Proc. juttatás az egyetemek számára. - M .: Magasabb. iskola 2002. - 183 p.]
↑ 1 2 Danil V. Prohorov. Toyota Prius HEV neurokontroll és diagnosztika // Neurális hálózatok. - 2008. - Nem. 21. - P. 458-465 . Letöltve: 2011. szeptember 2. Az eredetiből archiválva : 2009. július 31.. (határozatlan)
↑ Dias FM, Mota AM Különböző vezérlési stratégiák összehasonlítása neurális hálózatokkal // 9. mediterrán konferencia a vezérlésről és automatizálásról. — Dubrovnik, Horvátország, 2001 . Letöltve: 2011. augusztus 26. Az eredetiből archiválva : 2016. szeptember 27.. (határozatlan)
↑ Venayagamoorthy GK, Harley RG, Wunsch DC Adaptive Critic-based Neurocontrollers Implementation for Turbogenerators in a Multimachine Power System, IEEE Transactions on Neural Networks. - 2003. - 20. évf. 14, 5. szám - P. 1047-1064. (nem elérhető link) . Letöltve: 2011. augusztus 26. Az eredetiből archiválva : 2010. június 12. (határozatlan)
↑ D'Emilia G., Marrab A., Natalea E. Neurális hálózatok használata a PID-vezérlő gyors és pontos automatikus hangolásához // Robotics and Computer-Integrated Manufacturing. - 2007. - Vol. 23. - P. 170-179.
↑ Zmeu K. V., Markov N. A., Shipitko I. A., Notkin B. S. Model-free prediktív inverz neurokontroll regenerált referencia tranzienssel // Intelligent Systems. - 2009. - 3. sz. - S. 109-117. . Letöltve: 2011. augusztus 26. Az eredetiből archiválva : 2016. szeptember 27.. (határozatlan)
↑ Kuznyecov B. I., Vasilets T. E., Varfolomeev A. A. Neurokontroller szintézise előrejelzéssel kéttömegű elektromechanikus rendszerre // Elektrotechnika és elektromechanika. - 2008. - V. 3. - S. 27 - 32. (elérhetetlen link) . Hozzáférés időpontja: 2011. október 28. Az eredetiből archiválva : 2015. október 26. (határozatlan)
↑ D. A. Dziuba, A. N. Chernodub. A szabályozott perturbációs módszer alkalmazása neurokontrollerek valós idejű módosításához // Mathematical Machines and Systems. - 2010. - 4. szám - S. 20 - 28. . Letöltve: 2011. augusztus 26. Az eredetiből archiválva : 2011. április 28.. (határozatlan)
↑ Sabania V.R. Neurális hálózati technológiákon alapuló automatikus vezérlőrendszerek / V. R. Sabanin, N. I. Smirnov, A. I. Repin // A Control-2003 Nemzetközi Tudományos Konferencia anyaga. M.: MEI Kiadó, 2003.S. 45-51.
↑ [Widrow B., Smith FW Pattern-recognizing control systems // Proceedings of Computer and Information Sciences. - Washington, USA - 1964. - Vol. 12. - 288-317. o.]
↑ Omidvar O., Elliott DL szerk. Neural Systems for Control // Academic Press, New York, 1997. - 358 p.
↑ Ronco E. Inkrementális polinomiális vezérlőhálózatok: két önszerveződő nemlineáris vezérlő // Ph.D. Disszertáció, Glasgow, 1997. - 207 p.
↑ 1 2 [Omatu S., Khalid M., Yusof R. Neurofeedback és alkalmazásai: ford. angolról. — M.: IPRZhR, 2000. — 272 p.]
↑ 1 2 Psaltis D., Sideris A., Yamamura AA A Multilayered Neural Network Controller // IEEE Control Systems Magazine - 1988. - Vol. 8, 2. szám - P. 17 - 21. (elérhetetlen link)
↑ Werbos P. Visszaterjesztés az időben: mit csinál és hogyan kell csinálni // Proceedings of the IEEE. - 1990. október. 78, N. 10. - P. 1550-1560 (elérhetetlen link) . Letöltve: 2011. szeptember 24. Az eredetiből archiválva : 2010. június 13. (határozatlan)
↑ [Jordan MI és Rumelhart DE Forwardmodels: Felügyelt tanulás disztális tanárral // Kognitív tudomány - 1990. - Vol. 16. - P. 313-355.]
↑ 1 2 [Narendra KS, Parthasarathy KK Neurális hálózatokat használó dinamikus rendszerek azonosítása és vezérlése // IEEE Transactions on Neural Networks. - 1990. - N 1. - P. 4 - 27.]
↑ Venelinov Topalov, A. Kaynak. Online tanulás adaptív neurokontroll sémákban csúszó módú algoritmussal // IEEE Transactions on Systems, Man, and Cybernetics, B rész: Kibernetika. - 2001. - V. 31. - I. 3. - P. 445-450 . Letöltve: 2011. október 28. Az eredetiből archiválva : 2017. november 18.. (határozatlan)
↑ A. N. Csernodub. Neuroemulátorok képzése pszeudoregularizálással a neurokontroll módszeréhez referencia modellel // Mesterséges intelligencia. - 2012. - Nem. 4. - C. 602-614 (elérhetetlen link)
↑ 1 2 Dias FM, Mota AM Különböző vezérlési stratégiák összehasonlítása neurális hálózatokkal // 9. mediterrán konferencia a vezérlésről és automatizálásról. — Dubrovnik, Horvátország, 2001. . Letöltve: 2011. augusztus 26. Az eredetiből archiválva : 2016. szeptember 27.. (határozatlan)
↑ Widrow B., Adaptív inverz vezérlés // A 2. IFAC Workshop on Adaptive Systems in Control and Signal Processing - Lund, Svédország, 1986. július. - 1-5 . o . Letöltve: 2011. szeptember 24. Az eredetiből archiválva : 2016. március 6.. (határozatlan)
↑ Widrow B., Plett GL Adaptív inverz vezérlés lineáris és nemlineáris adaptív szűrés alapján // Proceedings of International Workshop on Neural Networks for Identification, Control, Robotics, and Signal/Image Processing – 1996. augusztus 21. 23., Velence, Olaszország. - 30 - 38. o.
↑ 1 2 Neurális hálózatok vezérléshez // Proceedings of the 1999 American Control Conference (Cat. No. 99CH36251). - 1999. - ISBN 0780349903 . - doi : 10.1109/ACC.1999.786109 .
↑ Rossiter JA modellalapú prediktív vezérlés . - 2017. - július 12. — ISBN 9781315272610 . - doi : 10.1201/9781315272610 .
↑ Takahashi Y. Nemlineáris időben változó rendszerek adaptív prediktív vezérlése neurális hálózatok segítségével // IEEE International Conference on Neural Networks. — ISBN 0780309995 . - doi : 10.1109/ICNN.1993.298772 .
↑ Soloway D. , Haley PJ Neurális általánosított prediktív vezérlés // Proceedings of the 1996 IEEE International Symposium on Intelligent Control. — ISBN 0780329783 . - doi : 10.1109/ISIC.1996.556214 .
↑ Prokhorov D. és Wunsch D. Adaptive Critic Designs // IEEE Transactions on Neural Networks. - 1997. - 1. évf. 8, 5. sz. - P. 997-1007. . Letöltve: 2011. szeptember 25. Az eredetiből archiválva : 2013. július 8.. (határozatlan)
↑ Venayagamoorthy GK, Harley RG, Wunsch DC Implementation of Adaptive Critic-based Neurocontrollers for Turbogenerators in a Multimachine Power System", IEEE Transactions on Neural Networks. - 2003. - 14. kötet, 5. kiadás - P. 10647 . nem elérhető link) Letöltve: 2011. augusztus 26. Az eredetiből archiválva : 2010. június 12. (határozatlan)
↑ Ferrari S., Stengel RF Model-Based Adaptive Critic Designs // Learning and Approximated Dynamic Programming, J. Si, A. Barto, W. Powell és D. Wunsch, szerk. New York: Wiley, 2004, fejezet. 3 . Letöltve: 2011. szeptember 25. Az eredetiből archiválva : 2012. április 17.. (határozatlan)
↑ Redko V. G., Prokhorov D. V. Neurális hálózat adaptív kritikusai // VI Össz-oroszországi tudományos és műszaki konferencia "Neuroinformatika-2004". Tudományos közlemények gyűjteménye. 2. rész M.: MEPhI, 2004. - C. 77 - 84. . Letöltve: 2011. szeptember 25. Az eredetiből archiválva : 2011. május 11. (határozatlan)
↑ D'Emilia Giulio , Marra Antonio , Natale Emanuela. Neurális hálózatok használata a PID-vezérlő gyors és pontos automatikus hangolásához // Robotics and Computer-Integrated Manufacturing. - 2007. - április ( 23. évf. , 2. sz.). - 170-179 . o . — ISSN 0736-5845 . - doi : 10.1016/j.rcim.2006.04.001 .
↑ Akhyar S. , Omatu S. Neuromorf önhangoló PID-vezérlő (angol) // IEEE International Conference on Neural Networks. — ISBN 0780309995 . - doi : 10.1109/ICNN.1993.298617 .

Linkek

Irodalom

Shigeru Omatu, Marzuki Khalid, Rubia Yusof. Neurocontrol and its Applications = Neuro-Control and its Applications. - 2. - M .: IPRZhR , 2000. - S. 272. - ISBN ISBN 5-93108-006-6 .
V. A. Terekhov, D. V. Efimov, I. Yu. Tyukin. Neurális hálózatvezérlő rendszerek. - 1. - Felsőiskola , 2002. - S. 184. - ISBN 5-06-004094-1 .
Khaykin S. Neurális hálózatok: teljes tanfolyam = Neural Networks: A Comprehensive Foundation. - 2. - M . : " Williams " , 2006. - S. 1104 . — ISBN 0-13-273350-1 .
Omidvar O., Elliott DL szerk. Neurális rendszerek a vezérléshez. - New York: Academic Press , 1997. - P. 358. - ISBN 0-12-526430-5 .