У статті розглядається завдання настроювання нейроконтроллера, який бере участь у керуванні динамічним об'єктом з невідомими параметрами. Система керування включає виконавчу частину, до складу якої входить нейроконтроллер, вимірювальна частина, що складається з датчиків руху, система настроювання та пристрій логіки. Настроювання нейроконтроллера здійснюється шляхом зміни вагових коефіцієнтів за результатами чергового випробування, під яким розуміють крок самонавчання. Інформація про помилкові ситуації керування вводиться в алгоритм самонавчання на етапі ввода вхідних даних та є вхідними даними пристрою логіки. Пропонований алгоритм навчання забезпечує квазіоптимальність за часом і точністю керування в системі керування динамічним об'єктом. Пропонується варіант технічної реалізації системи керування з нейроконтроллером, а також наводяться результати її чисельного моделювання.
В статье рассматривается задача настройки нейроконтроллера, который принимает участие в управлении динамическим объектом с неизвестными параметрами. Система управления состоит из исполнительной части, в состав которой входит нейроконтроллер, измерительной части, в которую входят датчики движения, системы настройки и устройства логики. Настройка нейроконтроллера осуществляется путем изменения весовых коэффициентов по результатам очередного испытания, под которым понимают шаг самообучения. Информация об ошибочных ситуациях управления вводится в алгоритм самообучения на этапе ввода исходных данных и является входными данными устройства логики. Предлагаемый алгоритм обучения обеспечивает квазиоптимальность по времени и точности управления в системе управления динамическим объектом. Предлагается вариант технической реализации системы управления с нейроконтроллером, а также приводятся результаты ее численного моделирования.
The paper considers the problem of setting neurocontroller taking part in the control of a dynamic object with unknown parameters. The control system consists of performance unit that have neurocontroller, measurement unit that consist of sensors movement, system setting and logic unit. Setting neurocontroller carried out by his learning as a result of the next test. Feature of the algorithm is to fix the faulty control situations that are introduced in the learning algorithm, giving it the properties of the self-learning, this data is input data for logic unit. The proposed algorithm provides a quasi-optimal on time and accuracy of control in the control of a dynamic object. A version of the technical implementation of the control system neurocontroller is proposed, as well as the results of its modeling.
