Разработка, исследование и применение нейросетевых алгоритмов идентификации и управления динамическими системами

ОГЛАВЛЕНИЕ
Введение.
1 Нейросетевые модели идентификации объектов
1.1 Нейросетевая идентификация статических объектов
1.2 Идентификация динамических объектов нейронными сетями прямого распространения.
1.2.1 Входной сигнал нейронной сети
1.2.2 Выходной сигнал нейронной сети
1.2.3 Желаемый выходной сигнал нейронной сети
1.2.4 Ошибка решения.
1.2.5 Функция активации
1.2.6 Описание структуры разомкнутой нейронной сети
1.2.7 Функционал оптимизации.
1.2.8 Метод поиска экстремума функционала оптимизации
1.2.9 Выбор начальных условий для настройки
1.2. Параметры, заданные априори.
1.2. Параметры, требующие выбора в процессе формирования плана экспериментов
1.3 Идентификация динамических объектов нейронными сетями с обратными связями.
1.3.1 Описание структуры разомкнутой трехслойной нейронной сети.
1.3.2 Функционал оптимизации.
1.3.3 Метод поиска экстремума функционала оптимизации
1.3.4 Выбор начальных условий для настройки
1.4 Выводы по главе 1
2 Нейросетевые алгоритмы управления.
2.1 Выбор задач для нейроуправления
2.2 Классификация типов и структур нейроуправления
2.3 Инверсное прямое нейроуправление
2.4 Инверсное непрямое нейроуправление
2.5 Прямое нейроуправление с прямым эмулятором
2.6 Непрямое нейроуправление с прямым эмулятором
2.7 Прямое нейроуправление с непрямым эмулятором
2.8 Непрямое нейроуправление с непрямым эмулятором
2.9 Косвенное нейроуправление без эмулятора.
2. Косвенное нейроуправление с прямым эмулятором
2. Косвенное нейроуправление с непрямым эмулятором
2. Предиктивное упреждающее нейроуправление.
2. Выводы по главе 2
3 Решение задач управления и идентификации с применением нейронных сетей.
3.1 Идентификация уравнения ВандерПоля как статического объекта
3.1.1 Математическая постановка задачи.
3.1.2 Нейросетевая постановка задачи.
3.1.3 Эксперимент
3.1.3.1 Однослойная нейронная сеть.
3.1.3.2 Двухслойные нейронные сети.
3.2 Синтез системы активной виброзащиты.
3.2.1 Описание системы.
3.2.2 Получение аналитической модели системы.
3.2.3 Построение модели в ЗнпиПпк.
3.2.3 Формирование управляющего сигнала гидроцилиндра возмущения.
3.2.4 Проведение эксперимента
3.2.5 Анализ результатов экспериментов.
3.3 Идентификация чашевого окомкователя.
3.3.1 Постановка задачи.
3.3.2 Нейросетсвой алгоритм идентификации чашечного окомкователя
3.3.2.1 Входной вектор нейронной сети.
3.3.3.2 Выходной вектор нейронной сети
3.3.3.3 Желаемый выходной вектор
3.3.3.4 Ошибка решения
3.3.3.5 Функция активации.
3.3.3.6 Описание структуры разомкнутой нейронной сети.
3.3.3.7 Функционал оптимизации
3.3.3.8 Метод поиска экстремума функционала оптимизации
3.3.3.9 Метод настройки весовых коэффициентов нейронной
3.3.3. Метод настройки параметров шага цикла обучения
3.3.3. Выбор начальных коэффициентов для настройки
нейронной сети
3.3.4 Экспериментальные результаты
3.3.5 Выводы.
3.6 Создание системы нейроуправления режимом зависания вертолета .
3.6.1 Описание системы.
3.6.2 Математическая модель
3.6.3. Разработка нейроадаптивного контроллера.
3.6.4. Результаты экспериментов
3.7 Выводы по главе 3.
Заключение.
Список использованных источников