Structure and Optimization of Parameters for Neural Network Controllers in Automatic Control Systems

要約

この記事では、制御対象に関する不完全な情報の下でリミッターを使用してオブジェクトを制御するためのニューラル ネットワーク コントローラーの構造的およびパラメトリック合成の方法論について概要を説明します。
人工ニューラル ネットワークは、制御オブジェクトを含む制御システムに順次統合されるコントローラーを作成するために使用されます。
強化学習と制御オブジェクトのニューラル ネットワーク模倣子の事前構築を使用して、ニューラル ネットワーク コントローラーを合成します。
このアプローチは、重大な非線形性や必要な精度で制御オブジェクトの数学的モデルを形成することが難しいために古典的な制御システム合成手法が適用できない場合に特に効果的です。
提案された方法は、最適に近い制御則の直接合成が可能な技術システムのクラスを拡張します。
ニューラル ネットワーク コントローラーの堅牢性、適応性、技術的な実現可能性により、ニューラル ネットワーク コントローラーは実用的なアプリケーションにとって興味深いものとなっています。
この記事では、イミテータとコントローラのニューラル ネットワーク構造の選択、制御オブジェクトの制限を考慮したトレーニング サンプルの形成に主な注意が払われています。

要約(オリジナル)

The article outlines the methodology of structural and parametric synthesis of neural network controllers for controlling objects with limiters under incomplete information about the controlled object. Artificial neural networks are used to create controllers that are sequentially integrated into a control system with control objects. Reinforcement learning and pre-building a neural network imitator of the control object are used to synthesize the neural network controller. This approach is particularly effective when classical control system synthesis methods are not applicable due to significant nonlinearity and the difficulty in forming a mathematical model of the control object with the required accuracy. The proposed methods expand the class of technical systems for which direct synthesis of near-optimal control laws is possible. The robustness, adaptability and technical feasibility of neural network controllers make them interesting for practical applications. The main attention in the article is paid to the choice of neural network structure in the imitator and controller, formation of training samples taking into account the limitations of the control object.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google