Разработка рекуррентных нейронных сетей в задачах идентификации систем управления следящими электроприводами крупного радиотелескопа
Предлагается применение нейросетевой идентификации систем управления в задачах прогнозирования углового азимутального поворота главного зеркала крупного радиотелескопа. Описывается способ построения структуры рекуррентных нейронных сетей, основанных на «моделях нелинейной авторегрессии с экзогенными входами – модели NARX» в форме пространства состояний, что делает их удобными устройствами в таких областях, как нелинейное прогнозирование и моделирование. Для обучения рекуррентных нейронных сетей рассматриваются 3 алгоритма: классический алгоритм обратного распространения во времени, байесовская регуляризация и алгоритм оптимизации Левенберга–Марквардта. Эти алгоритмы представляют собой расширение стандартного алгоритма обратного распространения и позволяют градиентным спускам значительно быстрее сходиться и лучше обобщаться. При компьютерном моделировании сравненивалось качество работы нейросетевой идентификационной модели с разными параметрами в системах управления следящими электроприводами крупного радиотелескопа. Ее качество работы зависит от значения горизонта прогноза регулятора MPC-Лагерра, размера слоя, функции обучения и глубины единичных задержек. Построение, обучение, тестирование нейронных сетей производится с помощью программы MATLAB/Simulink.
Авторы: М. П. Белов, Ч. Х. Фыонг, Н. К. Чыонг
Направление: Электротехника
Ключевые слова: Крупный радиотелескоп, идентификация, рекуррентные нейронные сети, модели NARX, следящий электропривод
Открыть полный текст статьи