Настройка - параметр - регулятор
Cтраница 3
 |
Принципиальная схема самонастраивающейся системы с оптимизацией качества регулирования.| Схема автоматического слежения за экстремумом. [31] |
Для определения текущего значения показателя качества регулирования основного контура генератор Гпр посылает пробные сигналы на вход регулятора Р и вычислительное устройство ВУ. Генератор Гп посылает поисковые сигналы на изменение настроек регулятора Р и в вычислительное устройство ВУ для определения / опт. В ВУ на основе информации о пробных и поисковых сигнатах, а также о значении выходной величины У определяется Д / / - / опт, которое исполнительным устройством ИУ преобразуется в сигнал на изменение настроек параметров регулятора. [32]
 |
Принципиальная схема самонастраивающейся системы с оптимизацией качества регулирования.| Схема автоматического слежения за экстремумом. [33] |
Для определения текущего значения показателя качества регулирования основного контура генератор Гпр посылает пробные сигналы на вход регулятора Р и вычислительное устройство ВУ. Генератор Г посылает поисковые сигналы на изменение настроек регулятора Р и в вычислительное устройство ВУ для определения / опт. В ВУ на основе информации о пробных и поисковых сигналах, а также о значении выходной величины У определяется Д / / - / опт, которое исполнительным устройством ИУ преобразуется в сигнал на изменение настроек параметров регулятора. [34]
Для систем автоматического управления ( регулирования) это свойство носит фундаментальный характер. Именно это свойство в первую очередь определяет способность АСР правильно функционировать и, следовательно, выполнять поставленную перед ней задачу. Поэтому при проектировании новых АСР или совершенствовании уже работающих в первую очередь определяют их устойчивость. Не только определяют, но и настройкой параметров регулятора обеспечивают ее. [35]
Такие свойства нейронных сетей как параллельная обработка, высокая отказоустойчивость, обучение на примерах, способность к обобщению и классификации данных позволяют их успешно применять в задачах создания нейросетевых регуляторов. При разработке нейросетевого регулятора в качестве ключевых критериев функционирования системы управления выбираются оптимальный по быстродействию принцип управления и инвариантность системы к внешним воздействиям. В этом случае конструируемый нейросетевой регулятор характеризуется простотой структуры и, как следствие, несложностью технической реализации, отсутствием внутренних обратных связей. Настройка нейросетевого регулятора осуществляется с использованием алгоритмов обучения с учителем, заключающихся в изменении параметров многослойной нейронной сети прямого распространения на основании функции оценки по обучающим примерам. Для формирования обучающей выборки разработаны алгоритмы ее формирования по линейной и нелинейной моделям объекта управления, основанные на введении обратного времени в модель объекта управления. Такой подход к задаче настройки параметров нейросетевого регулятора по обучающей выборке основан на использовании методов нелинейного программирования в совокупности с методом обратного распространения ошибки, что позволяет существенно ускорить процедуру обучения. К настоящему времени опубликованы данные по успешному промышленному применения систем управления химическими реакторами, ректификационными колоннами на базе нейросетевых регуляторов. [36]
Страницы: 1 2 3