Введение к работе
Актуальность темы. Современное развитие науки и техники предъявляет все более высокие требования к точности систем управления техническими объектами с нелинейными и нечеткими характеристиками (ТОННХ). Такими техническими объектами являются рассмотренные в диссертации ионно-плазменные установки, высокоточные цифровые электроприводы металлорежущих станков, манипуляторы для роботов с параллельной кинематикой.
С появлением нанотехнологий повысились требования к точности работе ионно-плазменных установок МАП 2,3, предназначенных для напыления нанослоев (10-50нм) лития, хрома, никеля на лопатки авиационных двигателей с целью повышения жаропрочности, коррозионной стойкости и увеличения срока службы. Ионизированная плазма представляет собой многомерный технический объект с нелинейными и нечеткими характеристиками. Физические процессы в ионизированной плазме сложны. На стабильность и точность ионно-плазменного напыления в той или иной степени влияет около 60 взаимосвязанных параметров (А.А. Рухадзе, А.Ф. Пузряков, С.А. Мубояджан, А.Ф. Исаков). В процессе напыления может меняться порядок системы дифференциальных уравнений, которые описывают динамические и статические характеристики ионизированной плазмы. Многие традиционные математические модели ионизированной плазмы во многих случаях неадекватны реальному процессу. Так как ионно-плазменное напыление является сравнительно новой технологией, то работ, посвященных управлению ионизированной плазмой, мало [33,34,35]. Основными факторами, сдерживающими широкое внедрение систем управления ионизированной плазмой, являются: недостаточная информация о статических и динамических характеристиках; невысокая точность функциональных зависимостей, описывающих процесс напыления; отсутствие методов, методик и алгоритмов управления ТОННХ.
В настоящее время сверхточные прецизионные системы управления создаются на базе стандартных классических регуляторов: интегрального (И), пропорционально - интегрального (ПИ), пропорционально интегрально - дифференциального (ПИД), которые широко зарекомендовали себя благодаря своей простоте и высокой надежности для линеаризованных объектов управления. Однако, эти регуляторы не могут оперативно перестраивать свои структуры и варьировать коэффициенты при изменении параметров технических объектов. Стандартные классические регуляторы не могут вырабатывать упреждающее прогнозируемое управление, которое является необходимым для ТОННХ.
Одним из способов, позволяющим повысить точность работы ТОННХ при компенсации внешних возмущающих воздействий в системах автоматического управления, является применение теории инвариантности (Г.М. Уланов, Б.Н. Петров,
А.Г. Ивахненко, В.В. Солодовников). Основным методом, используемым при построении инвариантных систем, является комбинированное управление с вводом в контур технических объектов производных от задающих и возмущающих воздействий. Однако, формирование этих производных в условиях нечеткой информации о внешних возмущающих воздействиях затрудняет применение комбинированного управления.
Другой способ повышения точности работы ТОННХ базируется на применении теории чувствительности с методами исследования зависимости свойств систем управления от изменения параметров технических объектов (Р.М. Юсупов,
М. Вукобратович). Основой теории чувствительности является определение функций и коэффициентов чувствительности. Функции и коэффициенты чувствительности позволяют оценить влияние отдельных параметров на динамические и статические характеристики системы управления. Однако, анализ работы ТОННХ из-за неточности исходных данных не формализуем. В результате вычисление функций чувствительности на базе частных производных состояний объекта по параметрам затруднено, что также ограничивает применение теории чувствительности.
В целом методы управления ТОННХ классическими методами (оптимальным, экстремальным, стохастическим и. т. д.) описываются большим количеством дифференциальных уравнений, что приводит к увеличению объемов расчетов и увеличению времени их обработки. Поэтому классические методы управления не могут существенно повысить быстродействие и точность работы ТОННХ.
В последние годы резко повысился интерес к новым научным направлениям, в частности к нейроуправлению с использованием нейронных сетей. Нейронные сети позволяют эффективно обрабатывать полученные результаты, проводить достаточно глубокий анализ статических и динамических характеристик, отслеживать появление ошибок и нежелательных режимов. Преимущество идеи использования нейронных сетей заключается в сравнительной простоте оптимизации сложных законов управления, минуя процесс разработки математических моделей ТОННХ (А.И. Галушкин, В.Г. Редько,
В.А. Терехов). Поэтому нейронные сети, реализованные на базе нейропроцессоров, нашли широкое применение во многих отраслях науки и техники. Нейропроцессорные системы управления непосредственно обучаются статическим и динамическим характеристикам, обеспечивая необходимую точность систем нейроуправления, что выгодно отличает их от традиционных микропроцессорных систем.
Однако при включении нейронных сетей в замкнутые контуры управления ТОННХ появилась проблема анализа устойчивости. Проблема устойчивости ставила в тупик первых исследователей. Сложно было предсказать, какие нейронные сети, состоящие из набора нейронов, связанных между собой перекрестными обратными связями с нелинейными функциями активации, будут устойчивы. Нейроны могут объединяться в сети различными способами, число слоев может быть неограниченным, определение числа нейронов и слоев представляет собой серьезную математическую проблему, основанную на использовании свойств аппроксимируемой функции. Широко применяемые классические методы анализа устойчивости Рауса-Гурвица, Найквиста-Михайлова, используемые для линеаризованных динамических систем, не годятся для систем управления ТОННХ, что было отмечено в трудах А. А. Красовского, Е. П. Попова, К. А. Пупкова. Для определения устойчивости систем управления ТОННХ уже долгое время широко применяется прямой метод Ляпунова. Однако поиск необходимой функции Ляпунова иногда является довольно затруднительным. Определенную трудность представляют и расчеты данными методами локально асимптотических областей устойчивости.
Таким образом, на сегодняшний день анализ устойчивости систем управления ТОННХ существующими классическими методами представляет сложную проблему, что требует новых подходов к обеспечению устойчивости систем управления ТОННХ.
При длительной работе систем управления ТОННХ происходит износ оборудования, приводящий к нештатным ситуациям. В таких случаях приходится прогнозировать и определять неисправности, предсказывая будущие отказы. Такие задачи (в отличие от обычных методов диагностики) можно решать, используя системы прогнозирования на базе нейронных сетей, что делает незаменимой нейродиагностику для повышения надежности работы систем управления ТОННХ.
В диссертации предлагается новый подход к разработке нейросетевых методов для повышения точности работы ТОННХ с системами управления, состоящих из прогнозируемых нейрорегуляторов и нейроидентификаторов с нейродиагностикой неиспратвностей и отказов оборудования, что является на сегодняшний день важной и актуальной проблемой.
Диссертационная работа опирается на достижения отечественной школы систем автоматического управления на базе современных вычислительных комплексов
(М.А. Карцев, К.А. Пупков, А.И. Галушкин и др.), а также на достижения зарубежных школ США (У. Макклок, У.Питс, Л.Заде), Канады (Саймон Хайкин) и др.
Объектом исследования являются: системы управления ТОННХ (на примере ионно-плазменных установок, высокоточных цифровых электроприводов металлорежущих станков и манипуляторов для роботов с параллельной кинематикой.)
Предмет исследования: методы синтеза систем управления ТОННХ с применением ансамблей нейронных сетей.
Цель диссертационной работы. Повышение точности работы систем управления ТОННХ на базе новых методов нейроидентификации, нейроуправления, нейродиагностики.
Методы исследований базируются на применении нейроинформатики, теории нечеткой логики, теории распознавания образов, теории автоматического управления, теории электропривода, методов имитационного моделирования в средах Matlab Neural Network; Matlab-Simulink; Matlab Fuzzy tech.
Научная и теоретическая новизна.
1.Разработан метод синтеза нейроидентификаторов с прогнозированием на базе
комплексного применения ансамбля нейронных сетей для систем управления ТОННХ.
В отличие от существующих методов идентификации (метод частотных характеристик, метод временных характеристик, метод наименьших квадратов, метод статистических корреляционных функций), которые часто сводятся к линеаризации дифференциальных уравнений, что приводит к приближенному описанию работы и, как следствие, снижению точности идентификации, ансамбли нейронных сетей определяют и прогнозируют статические и динамические характеристики систем управления ТОННХ.
Предлагаются системы управления, уменьшающие время обучения нейронных сетей за счет отсекания лишних локальных минимумов с нелинейным изменением шага обучения.
При синтезе и дообучении ансамбля нейронных сетей с нечеткой логикой с целью повышения точности идентификации при увеличении влияния нелинейностей на статические и динамические характеристики систем управления ТОННХ проводится коррекция функций принадлежности и баз нечетких правил.
Разработанные нейроидентификаторы с прогнозом используются для создания систем нейродиагностики. Окончательное решение об исправности принимает нейронная сеть, обученная на возможный спектр отказов работы систем управления ТОННХ в условиях неполной информации.
2. Разработан метод синтеза адаптивных прогнозируемых нейрорегуляторов на базе нейронных сетей с нечеткой логикой. В отличие от существующих подходов к синтезу классических регуляторов И, ПИ, ПИД предлагается выбор структур нейрорегуляторов с использованием нечетких бинарных отношений с (max-min) – транзитивным замыканием для систем управления ТОННХ, у которых в процессе работы могут меняться параметры, влияющие на статические и динамические характеристики. Прогнозируемые параметры нейрорегуляторов рассчитываются с использованием нечеткой логики.
Для стабилизации давления ионизированной плазмы в установках МАП 2,3 разработана методика синтеза нейрорегуляторов с инверсной характеристикой нейропрогнозирующих нейроидентификаторов. Нейрорегуляторы обеспечивают необходимые динамические и статические характеристики системы стабилизации давления ионизированной плазмы, увеличивают запасы устойчивости.
Для многоконтурных структур электроприводов разработана методика синтеза нейрорегуляторов на базе эталонных моделей. Системы нейроуправления позволяют дообучать нейрорегуляторы с целью получения необходимых статических и динамических характеристик для достижения необходимой точности работы контуров электроприводов.
Разработанные методики были использованы для создания нейросетевых систем управления манипуляторами для роботов с параллельной кинематикой. За счет этих методик удалось повысить точность работы систем управления в условиях анизотропии с неоднородностью динамических, упругих и скоростных свойств манипулятора.
3. Разработан метод анализа устойчивости систем нейроуправленя. В отличие от
существующих методов Рауса-Гурвица, Найквиста-Михайлова, Ляпунова, рассматривается поэтапный анализ первой и второй производных оценочной функции, представляющей сумму ошибок между сетевыми выходными сигналами и ожидаемыми значениями выходного сигнала нейросетевого узла с учетом внешних возмущающих воздействий. На первом этапе определяется оценочная функция нейронной сети, на втором этапе вычисляются производные оценочной функции, на третьем этапе происходит разложение в ряд Тейлора выхода нейросетевого узла, на четвертом этапе проводится анализ устойчивости. Стремление к нулю производных первого, второго порядка оценочной функции и ошибки обучения нейронной сети во временной бесконечности позволяет сделать заключение о локальной асимптотической устойчивости систем нейроуправления. Рассмотрены этапы поиска областей локальной асимптотической устойчивости, где производные первого порядка, разложенные в ряд Тэйлора, доминируют над производными второго порядка в приближении, на основании чего делается вывод, что влияние производных высших порядков в этой области ничтожно. При снижении запасов устойчивости в систему нейроуправления поступает сигнал о перенастройке нейрорегуляторов. Данный метод упрощает анализ устойчивости нелинейных динамических систем по сравнению с классическими методами.
-повысить точность идентификации с прогнозированием динамических и статических характеристик систем управления ТОННХ (ионно-плазменных установок МАП 2,3, высокоточных цифровых электроприводов металлорежущих станков, манипуляторов для роботов с параллельной кинематикой );
-разработать алгоритмы и программное обеспечение синтеза адаптивных нейрорегуляторов на базе нейронных сетей с нечеткой логикой, позволяющих повысить точность управления ТОННХ на 15% по сравнению с традиционными, классическими регуляторами;
-разработать алгоритмы и программное обеспечение методики синтеза с автоматизированным нечетким выбором структур нейрорегуляторов на базе нейропрогнозирующих нейроидентификаторов для систем нейроуправления с использованием эталонных моделей;
-разработать алгоритмы и программное обеспечение методики синтеза с автоматизированным нечетким выбором структур адаптивных нейрорегуляторов на базе нейропрогнозируемой инверсной характеристики;
-разработать инструмент изучения и анализа устойчивости систем нейроуправления ТОННХ ;
-разработать алгоритмы и программное обеспечение с комплексным подходом создания систем диагностики на базе комбинированной системы нейроуправления, в которой используется ансамбль нейронных сетей с нечеткой логикой. Окончательное решение об исправности и прогнозировании технического состояния ТОННХ принимает нейронная сеть, обученная на возможный спектр неисправностей оборудования.
“Разработка промышленных технологий по созданию адаптивной системы управления оборудованием по обработке металлов”, выполненных для Министерства промышленности и энергетики РФ (Государственный контракт №7410.1003702 от 28 сентября 2007 года). Шифр темы: “Станок” РВИЖ 2-Э44. Работа проводилась в ОАО “НИИВК им. М.А.Карцева”, акт о внедрении от 0 9. 11. 2010г.
Результаты диссертационной работы отражены в отчетах при выполнении совместно с кафедрой ”Системы автоматизированного проектирования” МГТУ им. Н.Э. Баумана проекта №2. 12/1509, проекта №2. 12/1509, мероприятие 2., раздел 2.1, подраздел 21.2 “Разработка научных основ построения мехатронных технологических машин на базе многосекционных манипуляторов типа “Хобот”, согласно аналитической ведомственной целевой программе “Развитие научного потенциала высшей школы (2009-2010 годы)”, акт о внедрении от 07. 0 3. 2011г.
Разработанные алгоритмы и программы на базе методов нейроидентификации статических и динамических характеристик: электродвигателей постоянного тока, асинхронных электродвигателей переменного тока, алгоритмы и программы нейроуправления внедрены при создании многоконтурных систем управления промышленными электроприводами в НИИ “Электропривод”, акт о внедрении от 12. 09. 2007г.
В Научно-производственном объединении НПО “ОЛТА” внедрены методы синтеза нейропрогнозирующих многопараметрических нейроидентификаторов с определением их структурных схем на базе ансамбля нейронных сетей и с применением нечетких технологий для определения нелинейных статических и динамических характеристик технических объектов. Разработаны нейроидентификаторы с нейропрогнозированием на базе многослойных нейронных сетей и нечетких гибридных нейронных сетей, при помощи которых удается определять отказы и аварийные ситуации, что повышает надежность, работоспособность технических объектов c нелинейными и нечеткими характеристиками технологического оборудования, находящегося в эксплуатации в НПО “ ОЛТА”, акт о внедрении от 0 4. 0 7. 2007г.
В ООО Научно-производственной фирме “Системы автоматического управления неопознанными объектами” (ООО НПФ “САУНО”) внедрен метод синтеза нейропрогнозирующего нейроидентификатора с использованием нейронных сетей с нечеткой логикой при неполных и неточных нелинейных статических и динамических характеристик технических объектов. Этот метод позволил повысить точность работы электроприводов для фрезерных станков с ЧПУ на 10%. Разработанная методика синтеза нейроадаптивных нейрорегуляторов с использованием бинарных нечетких множеств на базе нейропрогнозирующих нейроидентификаторов для систем управления СТО с желаемыми характеристиками повысила точность работы электроприводов на 15%, акт о внедрении от 0 1. 0 3. 2013г.
Во Всероссийском институте авиационных материалов (ВИАМ) разработаны алгоритмы и программы нейроуправления ионизированной плазмой для установок
МАП 2,3, акт о внедрении от 29. 10. 2010г.
Разработанные в диссертации методы проектирования нейроидентификаторов, нейрорегуляторов с нейропрогнозированием использованы в учебном и научном процессе в МГТУ имени Н.Э. Баумана на кафедре “Системы автоматизированного проектирования”.
Основные научные результаты, выносимые на защиту.
1. Метод синтеза нейроидентификаторов с прогнозом состояния систем управления ТОННХ и диагностикой неисправных узлов на базе ансамбля нейронных сетей с нечеткой логикой.
2. Метод синтеза прогнозируемых нейрорегуляторов на базе нечетких бинарных отношений для систем нейроуправления ТОННХ.
-
Метод анализа устойчивости систем нейроуправления ТОННХ на основе исследования затухания производных ошибки обучения нейронной сети.
Апробация работы
Основные положения диссертационной работы докладывались и получили положительную оценку на следующих рабочих совещаниях, семинарах и научно-технических конференциях:
-
1st Workshop on Russian Section of IEEE Computational Intelligence Society.Москва,
2005г.
2.Всероссийская научно-техническая конференция МГТУ им. Н.Э. Баумана
“Машиностроительные технологии”, 2008 г.
3. 51-ая научная конференция Московского физико-технического института (МФТИ) “Современные проблемы фундаментальных иприкладных наук”, 2008 г.
4.Научно-техническая конференция “Нейроинформатика - 2008” Москва, Московский инженерно-физический институт (МИФИ), 2008 г.
5. 7-ая Международная научная конференция “Нейросетевые технологии и их применение НСТиП-2008”, Донбасская государственная машиностроительная академия, 2008 г.
6.Международная научно-техническая конференция “Новые информационные технологии и системы” (НИТиС-2008), Пензенский государственный университет, 2008 г.
7.Научно-техническая конференция “Нейроинформатика- 2009”, Московский инженерно-физический институт (МИФИ), 2009 г.
8. 15-ая Международная конференция по нейрокибернетике (CNC-09),
НИИ нейрокибернетики им. А.Б.Когана РГУ г. Ростов-на-Дону 2009г.
9.Научно-техническая конференция ”Нейроинформатика- 2010”, Московский инженерно-физический институт (МИФИ), 2010 г.
10.Научно-техническая конференция ”Нейроинформатика-2011”, Московский инженерно-физический институт (МИФИ), 2011г.
11.Междисциплинарный научный семинар “Экобионика” Москва, (МГТУ им. Н.Э. Баумана), 2010г.
12.Междисциплинарный научный семинар “Современные проблемы общей физики” Москва, (Институт общей физики академии наук им. А.М. Прохорова (ИОФАН РФ)), 2012г.
13. 9-ая Всероссийская конференция “Нейрокомпьютеры и их применение” Московский психологический университет (МПУ), 2011г.
14. 10-ая Всероссийская конференция “Нейрокомпьютеры и их применение” Московский психологический университет (МПУ), 2012г.
15. 2-ая Международная научно-практическая конференция “Перспективные разработки науки и техники 2011”, – Польша, 2011 г.
16. 7-ая Международная научно-практическая конференция “День науки 2012”, – Прага, Чехия, 2012 г.
17.Международная научно-практическая конференция ”Современные научные достижения 2013”, – Прага, Чехия, 2013 г.
Достоверность научных положений, теоретических выводов и практических результатов, полученных в диссертации, подтверждена результатами экспериментальной проверки методов, алгоритмов и программного обеспечения с использованием стандартных и специально разработанных тестов, а также корректным обоснованием и анализом моделей с применением теории нейроуправления.
Публикации.
По теме диссертационной работы опубликованы 54 печатные работы. Из них в перечень ВАК входят 20 печатных работ.
Структура и объем диссертации.
