Розробка, дослідження системи керування на основі нейронної мережі (стр. 9 из 21)
| Таблиця 3.1. | |||||||
| E CE | NB1 | NM1 | NS1 | Z1 | PS1 | PM1 | PB1 |
| NB2 | NB3 | NB3 | NB3 | NM3 | NS3 | NVS3 | Z3 |
| NM2 | NB3 | NB3 | NM3 | NS3 | NVS3 | Z3 | PVS3 |
| NS2 | NB3 | NM3 | NS3 | NVS3 | Z3 | PVS3 | PS3 |
| Z2 | NM3 | NS3 | NVS3 | Z3 | PVS3 | PS3 | PM3 |
| PS2 | NS3 | NVS3 | Z3 | PVS3 | PS3 | PM3 | PB3 |
| PM2 | NVS3 | Z3 | PVS3 | PS3 | PM3 | PB3 | PB3 |
| PB2 | Z3 | PVS3 | PS3 | PM3 | PB3 | PB3 | PB3 |
Правила формуються в такий спосіб:
1. якщо Е = NB1 і СE = NB2, то DU = NB3,
2. якщо Е = NM1 і СE = NB2, то DU = NB3 і т.д.
Областю визначення всіх нечітких перемінних є інтервал [-1, 1] відносних значень відповідно сигналів помилки по кутовій швидкості, по похідній кутовій швидкості і по сигналі керування. Як форми функцій приналежності нечітких лінгвістичних перемінних Е, СЕ, DU розглядалися форми, приведені на рис. 3.5.
Рис. 3.5. Форми функцій приналежності.
Експерименти проводилися для різних варіантів завдання форм функцій приналежності як вхідних так і вихідний нечітких перемінних.
Спочатку обиралися однотипні форми функцій приналежності (для входу і виходу). При цьому отримали, що якщо функції приналежності описувалися формами а) - в) і е), то нечіткий нейроконтролер функціонував практично однаково, тільки якщо використовувалися функції вигляду в) (трапеціїдальні), одержали деяке перерегулювання в порівнянні з функціями вигляду б).
На рис. 3.6 приведені результати для випадку використання функцій б) і в).
Рис. 3.6. Результати роботи нечіткого нейрорегулятора для випадків використання функцій приналежності вигляду б) (трикутні) та в) (трапеціїдальні)
При використанні функцій приналежності виду г) і д) регулятор не виконував свою основну функцію (рис. 3.7).
Рис. 3.7. Результати роботи нечіткого нейрорегулятора при використанні функцій приналежності вигляду г) і д) (дзвоноподібні).
Далі виконали комбінування: для вхідних змінних вибрали один тип функцій приналежності, а для вихідної - іншу. При цьому з'ясувалося, що форма функцій приналежності для вихідної величини (сигналу нечіткого керування DU) є не визначальною, тобто за якість роботи регулятора відповідає вибір форми функцій приналежності для вхідних нечітких перемінних (сигналу помилки по кутовій швидкості і сигналу помилки по похідній кутовій швидкості). На рис. 3.8 приведені залежності при використанні для входу функцій приналежності трикутної форми (виду в)), а для виходу - виду г).
Рис. 3.8. Результати роботи нечіткого нейроконтролера при використанні для входу функцій приналежності трикутної форми (виду в)), а для виходу - виду г).
З аналізу рис. 3.8 можна побачити, що використання на виході функцій приналежності виду г) дозволяє трохи згладити форму кривої моменту, хоча графік швидкості практично залишився без змін.
Проведені дослідження дозволяють зробити висновок, що використання функцій приналежності виду г) і д) як для вхідних так і для вихідний нечіткої змінної (одночасно) не дозволяє побудувати працездатний регулятор. Визначальним є вибір функцій приналежності для вхідних нечітких перемінних. Для вхідних нечітких змінних краще обирати функції приналежності виду б) чи в), для вихідний - г) чи д).
3.3 Розробка регуляторів системи керування електропередачі дизель-потяга з використанням нейронних мереж
Система автоматичного регулювання електропередачі дизель-потяга складається з ряду аналогічних каналів регулювання, кожний з який виконує визначені функції (обмеження максимальне припустимого струму навантаження генератора, підтримка сталості потужності, обмеження максимально допустимої напруги). САР об'єкта керування являє собою структуру, що змінюється в процесі функціонування в залежності від сформованих експлуатаційних умов (режимів ведення поїзда, навантаження і т.п.), змінюються і параметри структури САР (наприклад, постійні часу задатчиків інтенсивності каналів регулювання). Відповідно до цього рішення питань, пов'язаних з розробкою регуляторів системи керування пропонується здійснити за допомогою штучних нейронних мереж.
Система автоматичного регулювання служить для формування керуючого впливу
по збудженню. Формування сигналу 
з урахуванням забезпечення динамічних показників системи здійснюється шляхом включення в контур регулювання пристроїв, що функціонують згідно визначених алгоритмів, таких як пропорційних, інтегральних, пропорційно-інтегральних чи більш складних, якщо не можна досягти заданих показників шляхом застосування одного з названих алгоритмів. У випадку застосування пропорційно-інтегрального закону керування (алгоритму) формування величини може бути здійснене на підставі співвідношення: 
, (3.14)де
- напруга генератора; 
- коефіцієнт підсилення пропорційної складової; 
- постійна часу інтегрування;р - оператор Лапласа.
Величина
формується з використанням блоку задавання інтенсивності, що забезпечує темп наростання відповідного сигналу в перехідному режимі: 
, (3.15)де
- вхідний сигнал за датчика інтенсивності; 
- постійна часу.У загальному випадку величина є нелінійною функцією, що залежить від швидкості зміни вхідного сигналу.
Зв'язок між сигналом керування і сигналом завдання на підставі рівнянь (3.14) і (3.15) описується передатною функцією виду:
. (3.16)При дослідженні САР, описуваної рівняннями (3.14) і (3.15), виходячи з виду передатної функції (3.16), з метою уточнення її структури і параметрів, у першому наближенні побудови моделі нейроконтролера, можемо скористатися передавальною функцією виду:
, (3.17)де
; 
; 
.Використовуючи передавальну функцію САР об'єкта керування (3.17) можемо скласти систему диференціальних рівнянь виду:
, (3.18)де
- вихідний сигнал об'єкта керування (у нашому випадку 
);U - формований сигнал керування (у нашому випадку
).Як відзначалося вище, структура САР СГ містить три аналогічних канали, описуваних однотипними рівняннями виду (3.14) і (3.15), кожний з який включається в роботу за певних умов. До того ж, у залежності від умов експлуатації, необхідно здійснювати деяке підстроювання параметрів схем САР кожного з каналів. За умови створення моделі САР з використанням нейромережевих технологій, узагальнену структуру такої моделі можна представити у виді, зображеному на рис. 3.9.
Рис.3.9 Узагальнена структура моделі САР для одного каналу.
Тут як динамічний об'єкт виступає модель СГ (модель у розділі 2.3) і його САР, описувана рівняннями (3.14) і (3.15). У якості нейроконтролера обраний перцептрон - прямо спрямована нейронна мережа. Структура нейроконтролера: три ретрансліруючих вузли на вході мережі, п'ять вузлів із сигмоїдальними активаційними функціями в схованому шарі й один вихідний нейрон, що описує зміну напруги генератора під впливом сигналу керування U. На вхідні нейрони надходить сигнал завдання
і вихідний сигнал 
, що знімається з виходу об'єкта, затриманий на один і два такти (DТ). При дослідженнях, як сигнал завдання 
, використовувалася типова функція впливу у виді одиничного сигналу.