Отзывы оппонентов1 (Нейросетевое моделирование адаптивных динамических систем), страница 2

Пути преодоления выявленных затруднений рассматриваются в пятой и шестой главах диссертации. В четвертой а«а«е результаты трех предшествующих глав используются для реализации концепции адаптивности ДС, рассматриваемой применительно к задаче адаптивного управления полетом ЛА.

В числе схем адаптивного управления (АУ), используемых для решения данной задачи, используются АУ с эталонной моделью„АУ с прогнозирующей моделью, АУ с обратной динамикой и АУ с инверсной моделью. Для этих схем АУ проведена обширная серия вычислительных экспериментов, результаты которых представлены в приложении А.

Эти результаты показывают большой потенциал АУ применительно к компенсации разнообразных неопределенностей, включая и неопределенности, порождающие изменение свойств ДС. Вместе с тем, выявлен порог сложности для решаемых задач, существенно ограничивающий возможности динамических НС-моделей традиционного типа («черный ящик») при решении типичных для авиационной и ракетно-космической техники задач моделирования движения и синтеза управления. В пятой главе предлагается подход, позволяющий справиться с трудностями, выявленными в двух предыдущих главах.

А именно, вводится понятие лолуэмлирической ОС- модели, позволяющее преодолеть порог сложности, обнаруженный при рассмотрении эмпирических НС-моделей. Полуэмпирическая НС-модель является моделью гибридного типа (модель типа «серый ящик»), формируемой с привлечением как экспериментачьных данных о поведении ДС (как это имеет место в традиционных НС-моделях), так и теоретического знания о моделируемой ДС (в форме ОДУ движения объекта, задающих ДС). Предлагается схема процесса формирования полуэмпирической НС-модели, а также алгоритмическая реализация элементов данного процесса. Функционирование этой схемы в целом (а также ее элементов) показано на специально подобранном демонстрационном примере, дано также сопоставление полученных результатов с результатами, получаемыми для этой же задачи с привлечением эмпирической НС-модели класса 1чАКХ.

Показано неоспоримое преимушество полуэмпирической НС-модели по сравнению с эмпирической, причем с ростом сложности решаемой задачи это преимугцество увеличивается. В шестой главе оценивается эффективность разработанного в предыдущей главе аппарата полуэмпирического НС-моделирования для решения прикладных задач, связанных с моделированием движения ЛА. С этой целью решаются задачи моделирования продольного углового движения и полного углового движения для маневренного самолета.

Для продольного углового движения задача моделирования рассматривалась ранее, в главе 4, с привлечением аппарата традиционного НС-моделирования. Именно эта задача была выявлена как пороговая по достижимому уровню сложности в рассматриваемой предметной области. Показано, что полуэмпирический подход позволяет эффективно преодолевать данный порог, позволяя многократно повысить точность моделирования движения ЛА. Затем рассматривается существенно более сложная задача моделирования полного углового движения ЛА П4 ОДУ против 4 ОДУ в исходной теоретической модели предыдущей задачи). Эта задача также успешно решается — демонстрируется высокий потенциал полуэмпирического подхода к НС- моделированию нелинейных управляемых ДС.

Как часть задачи полуэмпирического моделирования успешно решается также задача идентификации характеристик моделируемой ДС (безразмерные коэффициенты аэродинамических сил и моментов ЛА в рассматриваемом случае). При этом зависимости для искомых коэффициентов отыскиваются как нелинейные функции многих переменных (состояния и управления ЛА) в отличие от традиционного подхода к идентификации аэродинамических характеристик ЛА, основанного на линеаризации этих зависимостей.

Это традиционное представление может быть получено, при необходимости, из соотношений, предоставляемых полуэмпирическим подходом. В заключении диссертационной работы отмечается, что полуэмпирический подход к формированию НС-моделей управляемых динамических систем позволяет успешно решать задачи формирования адаптивных ДС, а также задачи идентификации характеристик таких систем.

Он открывает возможность эффективно решать разнообразные прикладные задачи синтеза и анализа адаптивных и интеллектуальных систем управления движением ЛА различных классов (а также ДС других видов). В нрнзолсении А приводятся результаты обширной совокупности вычислительных экспериментов, которые выполнялись для оценки работоспособности и демонстрации возможностей разрабатываемых моделей и методов. В приложении Б приводится серия диаграмм информативности для обучающих наборов.

формируемых с помощью различных тестовых воздействий (тестовый маневр + тестовое возбуждающее воздействие) на ДС. Эти результаты позволяют наглядно показать, в какой степени зависят от вида тестового воздействия информативность получаемого обучающего набора и, как следствие, возможность успешно решить задачу формирования НС-модели. В процессе выполнения диссертационной работы был получен целый ряд новых научных результатов, которые можно подразделить на следующие три категории: 1) результаты в области НС-технологий, представляющих собой эффективный инструмент для работы с нелинейными ДС вЂ” введено понятие порождак>щей математической модели для НС, унифицирующее представление как статических„ так и динамических НС, что открывает путь к автоматизации процесса синтеза НС-моделей под заданные требования к ним; 2) результаты в области математического моделирования ДС вЂ” введен класс гибридных адаптивных НС- моделей для ДС, позволяющий эффективно использовать для формирования таких моделей как данные о поведении ДС, так и теоретические знания о ней, разработан соответствующий комплекс алгоритмов для синтеза таких моделей; 3) результаты в области идентификации характеристик ДС (в частности, аэродинамических характеристик ЛА) — реализованный подход не требует привлечения линеаризации соотношений для искомых характеристик, как это имеет место в традиционных подходах, а дает возможность получить эти характеристики как нелинейные функции нескольких переменных, определенные во всей области режимов функционирования ДС.

Научная значимость диссертационной работы Ю.В. Тюменцева состоит в том, что предложенный в ней подход к решению крупной научной проблемы — моделирование адаптивных ДС вЂ” открывает новые возможности для решения задач анализа поведения, синтеза управления и идентификации ДС (включая их роботизированные варианты) в условиях неопределенности. Практическая ценность работы в том, что ее результаты ориентированы на использование разработчиками перспективных ДС, в первую очередь — летательных аппаратов различных классов, при формировании алгоритмов адаптивного и интеллектуального управления их поведением. Достоверность научных результатов, полученных в диссертации, обеспечивается адекватным использованием методов системного анализа, математического и компьютерного моделирования, вычислительной математики и нейросетевого моделирования.

Она подтверждается данными обширного набора вычислительных экспериментов, реализованных в ходе выполнения работы, а также сопоставлением данных вычислительных экспериментов с имеющимися данными физических экспериментов. По содержанию диссертационной работы необходимо сделать следующие замечания: !. Рассмотрение НС-моделей традиционного типа проводится, в основном, на примере моделей типа )л1АКХ (нелинейная авторегрессия с внешним входом) и не дается их сопоставление с моделями типа )ЧАКМАХ, учитывающими неконтролируемые внешние возмущающие воздействия уже на зтапе синтеза модели ДС.

2. В качестве динамической НС-модели традиционного вида (типа «черный ящик») рассматривается сеть типа )чАКХ и„в меньшей степени, )л)АКМАХ. Отсутствует сопоставление с рекуррентными НС-моделями ДС других видов. 3. При преобразовании исходной теоретической модели в виде системы ОДУ в НС- структуру отсутствует анализ влияния вида разностной схемы, отвечающей тому или иному методу приближенного интегрирования ОДУ, на свойства (точност!ч устойчивость) получаемой НС-модели.

4. Отсутствует обзор и анализ доступной литературы по теме диссертации, а встречаютциеся иногда комментарии не всегда сделаны корректно: например, п.3.1 стр.144 (о моделях типа «черный ящик»). Список литературы предпочтительней упорядочить по алфавиту.