Введение.
1 Анализ современных систем управления курсом судна.
1.1 Общие сведения об авторулевых
1.2 Адаптивные авторулевые
1.3. Основные методы адаптации авторулевых.
1.4. Пассивные методы адаптации САУ
1.5. Активные методы адаптации САУ
1.5.1. Системы со стабилизацией характеристик.
1.5.2. Системы прямой адаптации
1.5.3. Использование нейросегевых технологий в решении
задачи адаптивного управления курсом судна.
1.6. Математическая модель САУ курсом судна
1.7 Выводы по первой главе.
2 Построение адаптивной системы управления курсом судна с использованием нейросетевых технологий
2.1 Постановка задачи в управлении курсом судна при реализации контроллера с помощью нейросетей.
2.2 Искусственные нейронные сети как среда проведения синтеза адаптивных регуляторов управления курсом судна.
2.2.1 Архитектура нейросетей, используемых в решении задач управления.
2.2.2 Виды функции активации.
2.2.3 Объединение нейронов.
2.2.4 Структура нейронной сети.
2.2.5 Архитектура нейронных сетей
2.2.6 Сети прямого распространения.
2.2.6.1 Однослойный персептрон.
.6.2 Многослойный персептрон.
2.2.6.3 Сети ЯВР
2.2.7 Сети обратного распространения
2.2.8 Сеть Кохонена.
2.2.9 Сеть Хопфильда
2.2. Модули АЯТ.
2.2. Обучение нейронной сети
2.21 Парадигмы обучения.
2.22 Обучение с учителем
2.23 Обучение без учителя.
2.24 Смешанное обучение.
2.2. Минимизации целевой функции ошибки нейронной сети
2.3 Задачи классификации
2.3.1 Отбор данных
2.3.2 Выбор архитектуры сети
2.3.2.1 Вероятностная нейронная сеть радиальнобазисных функций. . .
2.3.2.2 Алгоритмы обучения сети Р4
2.4 Выводы по второй главе.
3 Определение областей работоспособности параметров системы управления курсом судна
3.1 Основные термины и определения при решении задачи поиска области работоспособности параметров системы автоматического управления курсом судна САУКС
3.2 Общая математическая постановка задачи обеспечения заданного качества функционирования системы с учетом технологических отклонений управляемых параметров и
изменений эксплуатационных воздействий.
3.2.1 Состояние работ по проблеме определения областей допустимого качества
3.3 Выводы по третьей главе
4 Параметрическая оптимизация системы автоматического управления курсом судна по критерию надежности с учетом эксплуатационных и технологических отклонений значений параметров.
4.1 Математическая постановка задачи идентификации процесса изменения параметров САУКС под воздействием эксплуатационных факторов.
4.2 Математическая постановка задачи определения допустимого начального значения вектора управляемых параметров.
4.2.1 Адаптация архитектуры сети.
4.2.2 Адаптация величины рабочего шага.
4.2.3 Адаптация распределения случайного шага.
4.3 Математическая постановка задачи определения ориентации области работоспособности в пространстве параметров системы автоматического управления курсом судна
4.4 Математическая постановка задачи определения значения вектора обобщенных параметров системы с учетом технологических отклонений настройки регулятора и возможного диапазона внешних воздействий
4.5 Алгоритм решения задачи параметрического синтеза систем автоматического управления курсом судна
4.6 Выводы по четвертой главе
5 Математическое обоснование построения классификатора
по признакам движения судна на курсе.
5.1 Методы выделения признаков.
5.1.1 Линейное предсказание
5.1.1.1 Преобразование Фурье
5.1.1.2. Вейвлет анализ
5.1.1.3. Кэпефальный анализ.
5.2 Постановка задачи выделения признаков.
5.2.1 Использование преобразования Фурье в решении задачи выделения признаков движения судна
5.2.1.1 Области представления функции.
5.2.1.2 Свойства преобразования Фурье.
5.2.1.3 Дискретное преобразование Фурье
5.2.2 Расчет параметров вероятностной нейронной
сетиклассификатора.
5.2.2.1. Структурная схема сети.
5.2.2.2 Масштабирование данных.
5.2.2.2. Кластеризация по методу Ксредних
5.2.2.3. Отклонение гауссовой функции.
5.3 Выводы по пятой главе.
6 Разработка алгоритмов и структурных схем системы автоматического управления курсом судна с использованием нейросетсных технологий.
6.1 Разработка нейросетевого классификатора системы управления курсом судна
6.1.1 Формирование исходных векторов данных.
6.1.2 Идентификация исходных векторов данных.
6.1.3 Создание рабочих массивов данных
6.1.4 Режим обучения
6.2 Экспериментальная проверка системы автоматического управления курсом судна с использованием нейросетевых технологий.
6.3 Целесообразность применения генетических алгоритмов в
задачах оптимизации нейросетевого регулятора в САУКС
6.3.1 Гибридный цикл генетического алгоритма
6.4 Структура и функциональные особенности нейросетевого
регулятора на нечеткой логике
6.5 Проверка работоспособности метода и алгоритма синтеза системы управления курсом судна, обеспечивающего рабастность к заданному диапазону внешних воздействий.
6.6 Выводы по шестой главе.
Заключение.
Список использованных источников
- Київ+380960830922