Ученые ПИШ ТулГУ разрабатывают новые методы цифрового управления сложными динамическими объектами. В их основе лежит использование искусственных нейронных сетей, что позволяет работать с нелинейными, нестационарными объектами управления, отличающимися наличием конструктивных ограничителей и в силу этого сложным поведением.
В настоящее время для линейных систем управления уже предложены точные математические модели и методы синтеза регуляторов, в то время как для нелинейных поиски методов продолжаются. Задача с каждым годом становится все более актуальной для различных областей производства, включая робототехнику (манипуляторы), авиацию (управление полётом воздушных судов), автомобильную промышленность (динамическое управление транспортными средствами), химические процессы (кинетика реакций).
Ученые лаборатории цифровых систем управления сложными динамическими объектами одним из способов решения проблемы предлагают метод синтеза нейрорегулятора, гарантирующего устойчивость замкнутого контура, который может применяться для объектов с наиболее часто встречающимися на практике нелинейностями. На основе сформированного банка опытных данных проходит процесс обучения нейросети с заранее заданной структурой. В результате появляется возможность с помощью искусственного интеллекта калибровать системы управления даже в случаях изменения базовых параметров функционирования нелинейных объектов, что очень важно для безопасной работы промышленного оборудования, роботов и беспилотных летательных аппаратов.
Предлагаемая методика позволяет ускорить и упростить синтез нейросетевых регуляторов, повышающих качество управления сложными динамическими объектами, с учетом ограниченных вычислительных ресурсов бортовых систем.
«Регуляторы, основанные на искусственных нейронных сетях, могут быть эффективно применены в случае, когда отсутствует адекватная верифицированная и достаточно точная математическая модель объекта управления, но есть возможность получить экспериментальные данные. Достоинством таких регуляторов является их способность к обучению и адаптации под объект на основе полученных данных», — пояснил один из разработчиков метода Дмитрий Хапкин.
Новая методика будет внедрена в производства в ближайшей два года. Исследование проведено в рамках федерального проекта ПИШ, а также при поддержке гранта РНФ.
Федеральный проект «Передовые инженерные школы» осуществляется в рамках государственной программы Российской Федерации «Научно-технологическое развитие Российской Федерации».
