На основе технологии нейросетевых структур

Технология нейронных сетей находит все более широкое распространение при создании нейрокомпьютеров и быстродействующих систем обработки информации.

Высокое быстродействие за счет распараллеливания входной информации в сочетании с обучаемостью нейронных сетей делает эту технологию весьма привлекательной для создания устройств управления (регуляторов) в автоматических системах. Обучение на любой заданный принцип функционирования позволяет создать системы автоматического управления (САУ), оптимальные по быстродействию, по энергопотреблению и т. д., при этом, естественно, возможна реализация нескольких принципов функционирования и переход с одного на другой.

Попытки применения нейросетевых структур для повышения быстродействия при использовании классических алгоритмов управления представляются малоубедительными. Новые структуры интеллектуальных регуляторов требуют и новых алгоритмов, учитывающих как специфику задачи управления, так и специфику регулягора.

Включение в контур САУ нового типа регулятора (нейросетевого регулятора) потребует, естественно, специальных исследований динамики таких систем, влияния возмущений на точность управления и др.

Особой проблемой является синтез структуры и параметров самого регулятора — важно обоснованно выбрать тип нейронной сети, минимизировав число слоев и количество нейронов в слое. Чем проще получится структура синтезированного нейросетевого регулятора, тем проще будет его последующая аппаратная реализация.

Обучаемость нейронной сети является важной предпосылкой к созданию самообучающихся САУ. Первоочередной задачей здесь является решение проблемы функциональной идентификации объектов управления и исследование ее результатов для подстройки параметров нейросетевого регулятора.

Решение указанного комплекса проблем позволит создать интеллектуальную систему управления для исполнительного уровня управления, т. е. по существу интеллектуальный привод.

Вместе с тем использование нескольких нейросетевых структур для решения прямой и обратной кинематической задачи может обеспечить организацию тактического уровня управления сложным многозвенным объектом, например, роботом. Очевидно, что и здесь выходят на первый план задачи синтеза структуры и параметров нейросетевых управляющих структур, а также методика их обучения.

В общем случае иерархия интеллектуального управления сложным динамическим объектом, кроме исполнительного и тактического уровня включает стратегический уровень, который решает комплекс задач, определяющих поведение объекта. Для такого уровня, учитывая сложность и объемность решаемых задач, применение нейрокомпьютеров представляется весьма перспективным.

Таким образом, складываются предпосылки для создания всех уровней иерархии интеллектуального управления на единой, нейросетевой технологии, а, следовательно, возникает необходимость разработки новой элементной базы на основе унифицированных нейроэлементов и нейропроцессоров.

Дата добавления: 2015-07-15