Диссертация (785777), страница 49

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 49)

О том, как менялись точностные характеристики данной моделив промежуточных точках этого цикла можно судить по данным, представленным в табл. 6.5.Точность формируемой модели определяется тем, насколько точно восстановлены нелинейные функции, описывающие аэродинамические характеристики ЛА. Данные, приведенныена рис. 6.9, характеризуют интегральное влияние точности восстановления функций на точность модели в целом, которую можно признать вполне удовлетворительной. Представляет,однако, интерес также и вопрос о том, насколько точно решена собственно задача идентификации аэродинамических характеристик ЛА. Для получения ответа на этот вопрос можноизвлечь НС-модули, отвечающие восстановленным функциям для Cy , Cz , mx , my , mz , а затемсравнить выдаваемые ими значения с имеющимися экспериментальными данными [44].

Приэтом можно получить значения среднеквадратической ошибки воспроизведения каждой изCy , Cz , mx , my , mz соответствующим НС-модулем. В проведенных экспериментахэти значения составляют: СКОCy = 9:2759E–04, СКОCz = 5:4257E–04, СКОmx = 2:1496E–05,СКОmy = 1:3873E–05, СКОmz = 1:4952E–04. Это интегральная оценка точности восстановлефункцийния упомянутых зависимостей.

Кроме нее, представляет интерес также динамика изменениятекущих значений ошибки воспроизведения величинCy , Cz , mx , my , mz в процессе тести-рования модели. Эти данные, приведенные на рис. 6.10, показывают, что уровень ошибки повремени изменяется незначительно, существенных изменений в нем, которые могли бы отрицательно повлиять на адекватность эмпирической НС-модели, не обнаруживается.267ЗаключениеКак отмечалось во введении, объектом исследования в данной диссертационной работе являются адаптивные динамические системы, действующие в условиях разнообразных неопределенностей, в частности, ЛА различных классов. Применительно к такого рода системампредмет исследования диссертации — адаптивные законы управления многомерных нелинейных управляемых ДС, а также адаптивные модели таких ДС, обладающие высокой точностьюи быстродействием; Полученные результаты позволяют сделать вывод о том, что адаптивноеуправление, реализованное в таких системах средствами нейросетевых технологий, представляет собой эффективный инструмент управления ДС в условиях неопределенности, включаянепредвиденные изменения свойств ДС вследствие отказов ее оборудования и поврежденийконструкции.Вместе с тем, применительно к задачам, связанным с управлением движения ЛА, в адаптивных ДС, основанных на НС-технологиях, критически важную роль начинают играть модели ДС как объектов управления.

Традиционные НС-технологии, реализующие чисто эмпирический подход к моделированию и трактующие в соответствии с ним модель ДС как«черный ящик», не позволяют получить НС-модели движения ЛА, обладающие точностью,достаточной для эффективной реализации схем адаптивного управления. Кроме того, такиеНС-технологии не дают возможности решать задачи идентификации характеристик ЛА, чтоявляется их существенным недостатком.В связи с этим, в качестве цели диссертационной работы было принято формированиенового подхода к математическому и компьютерному моделированию адаптивных ДС, свободного от недостатков традиционных подходов.

Для преодоления указанных затрудненийв диссертации введена концепция полуэмпирического моделирования, которая приводит кполучению НС-моделей гибридного типа (моделей типа «серый ящик»), сочетающих как эмпирические, так и теоретические знания о ДС. Полученные результаты позволяют сделатьвывод о том, что методы полуэмпирического НС-моделирования, сочетающие знания и опытиз соответствующей предметной области, а также из традиционного вычислительного моделирования, с методами и средствами формирования и обучения искусственных нейронныхсетей, являются мощным и перспективным инструментом, потенциально пригодным для решения сложных задач описания и анализа управляемого движения летательных аппаратов.Развитие предлагаемого класса моделей в направлении придания им свойств адаптивности268за счет применения вставочных подсетей, а также методов и средств инкрементного обученияпозволяет формировать модели, адекватные в широком диапазоне условий их применения, чтодает возможность эффективно использовать их в условиях неопределенности.Сформированный подход обеспечивает решение задач анализа поведения, синтеза управления и идентификации неизвестных характеристик ДС, возникающих при создании и эксплуатации сложных технических систем, в частности, роботизированных пилотируемых ибеспилотных ЛА.Предложенный в диссертации подход к структуризации НС-моделей ориентирован наразвитие полученных методов в направлении автоматизации процессов формирования НСмоделей под заданный комплекс требований к ним.

Развитие данного подхода открываетвозможность эффективно решать разнообразные задачи синтеза адаптивных и интеллектуальных систем управления поведением летательных аппаратов различных классов, включаяперспективные пилотируемые и беспилотные ЛА, обеспечивая повышение безопасности полета и живучести для них, а также существенное повышения эффективности решения имисоответствующих целевых задач.В процессе выполнения диссертационной работы для достижения сформулированной выше цели были решены следующие задачи:1.

С позиций общей теории систем построена классификация ДС по их существеннымпризнакам (типология ДС), а также выявлены варианты среды, с которой взаимодействуют ДС, что обеспечивает единый контекст для решения задач анализа поведения,синтеза управления и идентификации характеристик при создании перспективных технических систем.2.

Разработан нейросетевой подход к обеспечению адаптивности ДС (в таких элементахкак закон управления ДС и модель ДС) за счет ансамблевой архитектуры используемыхнейронных сетей (НС), введения в НС вставочных подсетей и использования инкрементного обучения НС.3. Разработан класс математических и компьютерных моделей, представляющих собойНС-модели гибридного типа, обладающие адаптивностью, объединяющие теоретические знания о ДС и экспериментальные данные о ее поведении.4. Разработано унифицированное структурное (модульное) описание НС-моделей, обеспечивающее единообразное представление всех видов статических и динамических сетей,позволяющее автоматизировать процесс синтеза НС-моделей.2695. Разработан композиционный подход к синтезу (формированию) НС-моделей, основанный на интерпретации НС-модели как разложения по обобщенному функциональномубазису (ФБ специального вида).6.

Систематизированы имеющиеся результаты в области моделирования ДС с использованием НС традиционного типа (модели типа «черный ящик»), выявлены ограничения иобласть возможного использования этих средств.7. Систематизированы и обобщены имеющиеся результаты в области моделирования ДСс использованием моделей типа «серый ящик», выявлены перспективные направленияразвития данной области.8. Разработаны алгоритмы формирования полуэмпирических НС-моделей как одного изклассов моделей типа «серый ящик» на основе теоретического знания (в виде системобыкновенных дифференциальных или дифференциально-алгебраических уравнений)об объекте моделирования, а также экспериментальных данных о его поведении.9.

Разработаны методы и алгоритмы получения обучающих данных для НС-моделей динамических систем.10. Разработаны алгоритмы параметрической настройки (обучения) полуэмпирических НСмоделей.11. В серии вычислительных экспериментов проведена верификация разработанных полуэмпирических НС-моделей и методов их формирования.12. В серии вычислительных экспериментов проведено формирование эмпирических и полуэмпирических НС-моделей для объектов различных классов, проведено сопоставлений свойств этих двух классов моделей.13. Разработан подход к решению задачи идентификации характеристик ДС, описываемыхнелинейными функциями многих переменных.

Работоспособность этого подхода продемонстрирована на примере задачи идентификации аэродинамических коэффициентовЛА.14. В рамках предложенного подхода решено значительное число задач адаптивного управления для ЛА различных классов, в которых модель объекта и закон управления былиреализованы в виде динамических НС-структур.При решении этих задач были получены следующие новые научные результаты, выносимые на защиту:270сформирована типология ДС, обеспечивающая единый контекст для решения задач анализа поведения, синтеза управления и идентификации характеристик при создании перспективных технических систем различных классов;разработано унифицированное структурное описание НС-моделей, обеспечивающее единообразное представление всех видов статических и динамических сетей, позволяющееавтоматизировать процесс синтеза НС-моделей;разработан композиционный подход к синтезу статических и динамических НС-моделей,основанный на интерпретации НС-модели как разложения по обобщенному функциональному базису;разработан класс гибридных нейросетевых моделей полуэмпирического типа, объединяющий теоретические знания об объекте моделирования и экспериментальные данныео его поведении;разработаны алгоритмы формирования гибридных нейросетевых моделей полуэмпирического типа, а также алгоритмы их структурной корректировки и параметрическойнастройки;разработаны методы и алгоритмы получения обучающих данных для НС-моделей динамических систем;разработан подход к решению задачи идентификации характеристик ДС как нелинейныхфункций многих переменных.Практическая значимость полученных результатов состоит в том, что появляется возможность создания перспективных роботизированных пилотируемых и беспилотных ЛА различного назначения, предназначенных для решения сложных целевых задач и комплексов такихзадач в условиях неопределенности на основе использования адаптивных и интеллектуальных систем управления поведением ЛА.

Роботизация ЛА, осуществляемая на этой основе,позволит значительно повысить их эффективность при решении целевых задач, а также выживаемость в неблагоприятных условиях.Полученные результаты могут быть использованы разработчиками перспективных технических систем, включая роботизированные ЛА, при формировании алгоритмов адаптивногои интеллектуального управления поведением этих систем, а также анализа их поведения ирешения задач идентификации характеристик ЛА.271Список литературы1.

Характеристики

Список файлов диссертации