Індекс рубрикатора НБУВ: З965.96-01

Рубрики:

Інтелектуальні й експертні системи автоматики

Шифр НБУВ: Ж43601 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: Г123.435-4

Шифр НБУВ: Ж41115 Пошук видання у каталогах НБУВ 

Розглянуто двомасову систему, що складається з підсистем. Для перемикання між цими підсистемами синтезовано нечіткий регулятор. Дослідження проведено для випадку коли одна з підсистем має один корінь у правій півплощині, тобто є нестійкою. Досліджено стійкість загальної системи залежно від стійкості підсистем з яких вона складається, для чого використано тривимірний годограф. Обчислено інтегральні показники якості роботи системи з нестійкою підсистемою. Розглянуто випадок, коли на систему діють зовнішні збурення та досліджено їх вплив на перехідні процеси в системі. Встановлено переваги від застосування системи з нестійкою підсистемою.

Розглянуто двомасову систему зі змінним моментом інерції другої маси. Досліджено загальні підходи до синтезу регулятора такої системи. Для такої системи запропоновано використання робастного нечіткого регулятора. Проведено порівняння запропонованого підходу з класичними. Зроблено відповідні висновки про доцільність використання пропонованого підходу. Розглянуто випадки динамічної системи з еталонною моделлю і без неї. Досліджено випадки лінійної та нелінійної зміни другої маси. Отримані результати свідчать про те, що застосування запропонованого регулятора може забезпечити значну перевагу в функціонуванні досліджуваної системи.

Описано загальний підхід до синтезу регуляторів нелінійних систем. Наведено теоретичні викладки, що їх спочатку застосовано для синтезу регуляторів лінійних систем. У такому разі модель об'єкта буде однаковою в усіх підсистемах сімейства. У випадку нелінійних систем наведено підхід до синтезу регуляторів, що забезпечують бажану поведінку системи як у випадку сталих, так і змінних параметрів. Розглянуто випадок, коли регулятор, синтезований для однієї з підсистем, забезпечує її нестійку поведінку. Розглянуто нелінійну динамічну систему зі змінними коефіцієнтами. Для цієї системи, після лінеаризації, було синтезовано нечіткий регулятор. Проведено порівняння з випадком застосування традиційного регулятора. Наведено відповідні якісні та кількісні оцінки.

Індекс рубрикатора НБУВ: В171.52

Рубрики:

Випадкові процеси спеціального вигляду

Шифр НБУВ: Ж43974 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: В171.52

Рубрики:

Випадкові процеси спеціального вигляду

Шифр НБУВ: Ж43974 Пошук видання у каталогах НБУВ 

Індекс рубрикатора НБУВ: З965-016.7

Рубрики:

Автоматика

Шифр НБУВ: Ж101838 Пошук видання у каталогах НБУВ 

Запропоновано нечіткий регулятор (НР), що налаштовується методом навчання з підкріпленням. Розроблений алгоритм використовує теорію нечіткої логіки та методи навчання з підкріпленням для підбору параметрів функцій належності НР. Крім цього, імплементовано нечіткий задавач інтенсивності вхідного сигналу (сигналу завдання) НР. Нечіткий задавач інтенсивності змінює вхідний сигнал регулятора враховуючи оригінальне значення вхідного сигналу та тип зовнішніх збурень у системі. Таким чином, розроблена система керування з НР налаштованим за допомогою методу навчання з підкріпленням забезпечує стабільну, оптимальну та безпечну роботу системи, та враховує зовнішні збурення в системі. Для перевірки роботи запропонованого методу керування, його було синтезовано до математичної моделі колісного модуля електроавтомобіля, щоб покращити антибуксувальну систему транспортного засобу. Ефективність розробленої системи керування на базі НР підтверджено результатами імітаційного моделювання.

Large enough structured neural networks are used for solving the tasks to recognize distorted images involving computer systems. One such neural network that can completely restore a distorted image is a fully connected pseudospin (dipole) neural network that possesses associative memory. When submitting some image to its input, it automatically selects and outputs the image that is closest to the input one. This image is stored in the neural network memory within the Hopfield paradigm. Within this paradigm, it is possible to memorize and reproduce arrays of information that have their own internal structure. In order to reduce learning time, the size of the neural network is minimized by simplifying its structure based on one of the approaches: underlying the first is "regularization" while the second is based on the removal of synaptic connections from the neural network. In this work, the simplification of the structure of a fully connected dipole neural network is based on the dipole-dipole interaction between the nearest adjacent neurons of the network. It is proposed to minimize the size of a neural network through dipole-dipole synaptic connections between the nearest neurons, which reduces the time of the computational resource in the recognition of distorted images. The ratio for weight coefficients of synaptic connections between neurons in dipole approximation has been derived. A training algorithm has been built for a dipole neural network with sparse synaptic connections, which is based on the dipole-dipole interaction between the nearest neurons. A computer experiment was conducted that showed that the neural network with sparse dipole connections recognizes distorted images 3 times faster (numbers from 0 to 9, which are shown at 25 pixels), compared to a fully connected neural network.