Содержание к диссертации
Введение
1 Оптимальные и адаптивные системы 9
1.1 Анализ моделей технических систем 9
1.2 Качество технических систем автоматического управления 17
1.3 Модели биологических систем 21
1.4 Анализ принципов обработки информации в технических и биологических системах 29
1.5 Оптимальные бионические устройства 34
1.6 Выводы 36
2 Создание математической модели бионической системы управления 39
2.1 Методика исследований 39
2.2 Математический анализ информационной модели системы обработки дискретных сенсорных сигналов 44
2.3 Изменения в переходном процессе под влиянием запаздывания в канале обратной связи 59
2.4 Информационные процессы в режиме переменной глубины обратной связи 67
2.5 Возбужденный режим бионической системы 69
2.6 Выводы 73
3 Анализ эффективности разработанной бионической системы управления 75
3.1 Помехоустойчивость бионической системы управления в среднечастотном диапазоне 75
3.2 Помехозащищенность бионической системы на низких частотах 89
3.3 Исследование помехозащищенности высокочастотного диапазона 99
3.4 Сравнительный анализ помехозащищенности бионической системы управления в различных частотных диапазонах 105
3.5 Фазоопережающие свойства бионической системы управления в высокочастотном диапазоне 108
3.6 Адаптивный бионический фильтр 121
3.7 Выводы 124
4 Техническая реализация и возможные области применения 126
4.1 Совершенствование системы управления самонаводящейся ракетой.. 126
4.2. Сравнительный анализ систем управления разрабатываемого устройства и прототипа 133
4.3 Устойчивость бионической системы управления ракеты при наличии фазовых задержек 151
4.4 Возможные сферы применения бионической системы управления 154
4.5 Выводы 160
Заключение 161
Список использованной литературы 163
Приложение 178
- Анализ принципов обработки информации в технических и биологических системах
- Изменения в переходном процессе под влиянием запаздывания в канале обратной связи
- Сравнительный анализ помехозащищенности бионической системы управления в различных частотных диапазонах
- Сравнительный анализ систем управления разрабатываемого устройства и прототипа
Введение к работе
Актуальность проблемы. Несмотря на интенсивные работы в развитии нейронных систем и накопленный нейро-матемэтический аппарат, созданные модели формального нейрона, по большому счету не являются биоподобными и скорее похожи на математическую абстракцию, чем на живой нейрон. Это ограничивает сферы применения и возможности нейронных систем и бионических устройств. Поэтому использование огромного объема результатов нейрофизиологических исследований для создания модели бионической системы и отдельных ее элементов с учетом всех особенностей и адаптивных свойств биологического нейрона является актуальной задачей.
Кроме того, изучение реальных нейронных сетей связано с огромными трудностями. Даже применение тонкой микроэлектродной техники не всегда позволяет расшифровать сложные нейронные системы. Поэтому процессы управления и обработки информации в нейронных структурах часто изучаются на моделях. Результаты модельных исследований позволяют дополнить неизвестные сведения о процессах управления и кодирования информации в реальных нейронных сетях. Поэтому компьютерное моделирование, основанное на предпосылках и гипотезах нейрофизиологических исследований, в сочетании с математическим анализом является важным инструментом в изучении нейросетевых систем.
Не менее важным является бионический аспект. Разработка совершенных нейрокомпьютерных устройств и их дальнейшее совершенствование немыслимо без детальных знаний о реальных нейронных системах. Кроме того, биологические нейронные системы настолько оригинальны, что могут служить прототипом многих технических устройств. Ведь отработка живых систем производилась в процессе длительного эволюционного развития и привела их к совершенству.
В контексте со сказанным становится понятным повышенный интерес к изучению процессов управления и обработки информации нейронными
5 комплексами, выявлению характерных свойств бионических элементов, построению на их основе математических и технических моделей, способствующих совершенствованию систем управления и повышению эффективности соответствующего класса технических устройств, а также актуальность поставленной задачи.
Объектом исследований является биологический механизм обработки информации системой пресинаптического торможения двигательного аппарата.
Предметом исследований является методика создания устойчивой бионической системы управления на основе указанного биологического механизма обработки информации.
Областью исследований являются методы применения бионической системы управления для совершенствования технических устройств.
Целью работы является разработка метода построения бионической системы управления и программной системы, основанных на механизме формирования управляющих воздействий системой пресинаптического торможения двигательного аппарата, формирование методики применения бионической системы управления для совершенствования технических устройств.
Задачи исследования: разработать метод построения бионической системы управления на основе использования данных физиологических исследований и гипотез; разработать математическую модель бионических элементов системы; разработать программную систему бионического элемента; провести экспериментальное исследование поведения формализованных моделей; создать метод выявления амплитудно-частотных параметров устойчивого и оптимального функционирования бионических элементов; провести экспериментальную проверку применимости предложенных методов для совершенствования системы управления самонаводящейся ракеты.
Методы исследований. При решении поставленных задач в работе использованы элементы теории нейронных сетей, математический аппарат системного анализа и теории систем автоматического управления, нейроматематика, элементы теории программирования, теории информационных систем и обработки сигналов, теории электрических цепей, теория динамики полета летательных аппаратов.
Научная новизна заключается в следующем: разработана модель бионической системы управления; разработана структурная схема бионического механизма управления; разработана математическая модель, объясняющая процессы управления и переработки информационных сообщений; разработана программная система, позволившая произвести исследования сложной нейронной структуры, а также функциональную идентификацию бионического элемента без применения сложных технических средств; сформирован метод выявления амплитудно-частотных параметров устойчивого и оптимального функционирования бионических элементов; определены оптимальные режимы управления в условиях воздействия помех в виде импульсных сигналов различной мощности; установлены интервалы устойчивого управления при запаздывании сигналов регулирования; разработана методика применения бионической системы управления для совершенствования технических устройств; разработанные методы и программная система позволят значительно повысить применимость бионических механизмов управления при проектировании систем управления технических устройств.
Практическая ценность работы заключается в разработке технических устройств, использующих процессы обработки информации и управления в нейронных структурах. Разработана бионическая система управления самонаводящейся зенитной ракетой и бионический стабилизатор давления магистральных газопроводов, защищенные патентами Российской Федерации.
Обнаруженные принципы управления в нейронных сетях могут быть использованы в дальнейшем для совершенствования других и для понимания процессов, происходящих в реальных нейронных структурах. А также для применения на промышленных предприятиях, разрабатывающих и внедряющих различные системы автоматического управления производственными процессами.
Реализация и внедрение результатов работы. Разработанные принципы переработки информации в нейронных структурах были использованы при конструировании систем управления технических устройств. Созданные на их основе программные, методические материалы и расчеты внедрены в Краснодарском Высшем военном авиационном училище и используются для тренировки военных летчиков при совершении противоракетных маневров. Материалы и результаты диссертационного исследования также использованы на Армавирском электротехническом заводе при разработке систем автоматизации ряда технологических операций по изготовлению деталей и узлов продукции, производимой предприятием.
Основные положения, выносимые на защиту: модель бионической системы управления; структурная схема нейронных механизмов переработки информации; математическая модель бионических элементов системы управления; метод исследования структуры бионических элементов систем управления; анализ помехоустойчивых режимов в бионических системах управления; методика применения бионической системы управления и результаты усовершенствования системы управления самонаводящейся ракеты.
Апробация работы. Основные положения и результаты работы докладывались и обсуждались на Межвузовской научно-практической конференции «Методы эволюционной и синергетической экономики в управлении региональными и производственными системами» (Отрадная, 2000г.), Шестой Международной научно-практической конференции «Экология
8 и здоровье, экологическое образование, математические модели и информационные технологии» (Краснодар, 2001г.), Межвузовской научно-практической конференции «Нормативные технологии диагностики и управления в экономике и обществе» (Отрадная, 2001 г.), Межвузовской научно-практической конференции «Современные инновационные технологии как одно из условий совершенствования науки, производства и образования» (Армавир, 2001г.), научно-практической конференции «Конкурентный потенциал ВУЗа в условиях рынка образовательных услуг: теория и практика отечественного опыта» (Армавир, 2002 г.), Межвузовской научно-практической конференции «Научный потенциал ВУЗа производству и образованию» (Армавир, 2003г.), Шестой Международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права» (Москва, 2003г.), Межвузовской научно-практической конференции «Методы и оценки в управлении социальными и экономическими процессами» (Отрадная-Ростов-на-Дону, 2003 г.), Девятой Всероссийской научно-практической конференции «Наука. Экология. Образование» (Анапа-Краснодар, 2004 г.).
Публикации. Основное содержание диссертации опубликовано в 11 научных статьях, 7 тезисах докладов, защищено 2 патентами Российской Федерации и решениями о выдачи патентов Российской Федерации.
Структура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения, списка использованных источников и приложения. Диссертация изложена на 162 страницах (без списка литературных источников), содержит 84 рисунка, 7 таблиц. Библиография содержит 154 наименования.
Анализ принципов обработки информации в технических и биологических системах
Опыт развития техники учитывает аналогию обратной связи живых организмов и технических систем, перерабатывающих информацию аналогично мышлению человека [5,6,8,11,17,19]. Поэтому проблема передачи информации занимает одно из центральных мест в кибернетике. В основе любой технической и биологической системы управления лежат информационные процессы, неразрывно связанные с первичным отбором, передачей, хранением и последующим считыванием исполнительных команд управления [13,34,42]. В подавляющем большинстве технических и биологических систем полезный сигнал маскируется действием помех, затрудняющих его воспроизведение. В современных условиях проблема помехозащищенности выдвигается на первый план. Поэтому техническая кибернетика неразрывно связана с помехоустойчивой передачей информационных сообщений в многоканальных системах связи [28,69,75,92,112,131,153].
Мощным стимулом к рассмотрению информационных процессов в нервной системе стали фундаментальные работы Котельникова по оптимальным методам приема в канале связи с помехами и работы Шеннона по теории оптимального кодирования в канале с гауссовым шумом [69]. Позже оптимальные методы приема были распространены на обработку стохастических пространственно-временных сигналов, характерных для работы нейронных сетей [8,89]. Преобразование сигналов при передаче дискретных сообщений рассматривается с помощью операторов и моделей, оптимизирующих устройств формирования передаваемого сигнала и пространственно - временной обработки [21,35,70,75,92].
Для повышения вероятности передачи сообщений в технических системах используется помехоустойчивое кодирование, один из наиболее эффективных методов защиты сигнала от помех и хранения цифровой информации [28,35]. Увеличение пропускной способности канала и его помехозащищенность в многоканальных системах достигается использованием кодового уплотнения и разделения сигналов, основанное на избыточности.
В современных технических устройствах широко используются системы модуляции с аддитивным белым гауссовым шумом, а также обобщенные каскадные коды, турбокоды и многопороговые декодеры [28,69].
В сложных технических системах широко используется временное резервирование, обеспечивающее нормальное функционирование системы в условиях воздействия помех. Источником резерва времени является инерционность устройств, обладающих запаздыванием.
Интенсивное изучение активности нейронов мозга неизбежно поставило вопрос о способах и принципах кодирования информации о внешнем мире в нейронных системах управления. Одним из простых способов кодирования информации признается принцип специфичности рецепторов [18], избирательно реагирующих на определенные параметры стимуляции. Небольшое количество типов раздражений требует малого числа меченых линий, что удобно использовать в моделях систем управления.
Принцип кодирования информации номером детекторного канала основан на том, что сигнал следует по цепочке нейронов, конечное звено которой представлено нейроном-детектором, избирательно реагирующим на определенный физический признак или их комплекс. В нейронной сети, работающей как детекторная система, используется механизм векторного кодирования сигнала. Векторная модель применяется к изучению нейронных механизмов сенсорных процессов, вегетативных реакций, движения объектов в трехмерном пространстве [37,77,98].
Другой принцип кодирования и передачи информации получил название частотного кода [13,18]. Он основан на кодировании интенсивности раздражения и реализован несколькими способами. Для многих периферических нервных волокон была установлена логарифмическая зависимость между интенсивностью раздражителя и частотой вызываемых им потенциалов действия (интенсивность света и частота импульсов в одиночном волокне зрительного нерва; величина нагрузки на мышцу и частота спайков веретена рецептора мышцы). Степенной функции подчиняются отношения между силой надавливания и частотой импульсации, идущей от медленно адаптирующихся кожных рецепторов.
В слуховых и вкусовых сенсорных волокнах зависимость частоты импульсов от интенсивности была описана S-образной градуальной функцией, а в пресинаптических окончаниях афферентных волокон - с помощью двухскатной экспоненты [43].
Анализ передачи сигнала о вибрации от соматических рецепторов показал, что информация о частоте вибрации передается с помощью частоты потенциалов действия, а ее интенсивность кодируется на статистической основе числом одновременно активных рецепторов. В качестве альтернативного механизма к предыдущим принципам кодирования рассматривают также паттерн ответа нейрона (структурную организацию потенциалов действия во времени). В качестве способа кодирования и передачи информации рассматривается возбуждение группы нейронов, входящих в состав соответствующих ансамблей. Различные наборы возбужденных нейронов одного и того же ансамбля соответствуют разным параметрам стимула, а если ансамбль находится на выходе системы, управляющей движением, — то и разным реакциям.
Изменения в переходном процессе под влиянием запаздывания в канале обратной связи
С помощью программной системы, созданной на основе схемы 2.3 и математической модели, были проведены исследования переходных процессов в бионическом элементе (БЭ) [51,55,78,80].
Минимальное время запаздывания информационных сигналов в канале обратной связи G = 1 мс. Такая минимальная задержка позволяет беспрепятственно проходить сенсорному сигналу через С нейрон и поступать на выход бионической системы управления без искажений. Одним из основных факторов изменения величин импульсных сигналов является наличие запаздывания в канале обратной связи, вызванного синаптическими процессами в Д нейроне. Величина синаптической задержки Д нейрона, определяющая запаздывание сигнала, может меняться в довольно значительных пределах. Эти пределы зависят от различных факторов, определяемых состоянием нервных центров. В связи с этим была поставлена задача исследовать переходные процессы, характеризующие устойчивость системы при различных величинах запаздывания в канале обратной связи.
Для проведения экспериментов выбраны крайние величины запаздывания (6 = 1 мс и 6 = 20 мс). Кроме того, выбрана наиболее приемлемая частота следования импульсов F = 40 Гц. На такой частоте уже начинает заметно проявляться влияние запаздывания. Кроме того, волны деполяризации суммируются после достижения одиночной волной максимального значения в 20 мс. Это позволяет определить момент начала суммирования волн.
На рисунке 2.7 представлены данные экспериментов при минимальной величине запаздывания 9 = 1 мс. Видно, что второй импульс значительно угнетен и составляет 68 мВ (нижний рисунок). Этот импульс вызывает формирование относительно низкоамплитудной второй волны деполяризации, амплитудой 22.5 мВ (верхний рисунок).
Рисунок 2.7 - Режим суммирования волн деполяризации при синаптической задержке Д-нейрона 0 = 1 мс (вверху - одиночные и суммарные волны деполяризации, внизу - импульсы на выходе бионического элемента; частота следования импульсов F = 40 Гц, амплитуда входных импульсов UBX = 100 мВ, глубина обратной связи G = 1.0) Через некоторое время наступает стабилизация амплитудных значений: как информационных импульсных сигналов, так и волн деполяризации. Одиночные волны деполяризации, вызванные действием каждого импульса, суммируются в аксо-аксонном синапсе AAS в единый аналоговый сигнал.
В верхней части рисунка 2.7 представлен не только интегральный процесс суммирования волн, но и показаны отдельно каждые одиночные волны. Первая волна имеет наибольшую амплитуду, вторая волна существенно меньше, а последующие волны имеют одинаковый уровень.
Так, при 9 = 1 мс происходит прогрессивное увеличение амплитуды отрицательных волн. Например, -33 мВ, -42 мВ, -45 мВ и далее при -46 мВ наступает режим стабилизации (таблица 2,2).
Сравнительный анализ помехозащищенности бионической системы управления в различных частотных диапазонах
Сравнивалась эффективность помехоустойчивости бионической системы управления на различных частотных диапазонах. Как видно из графиков рисунка 3.21, наиболее эффективно противостоит действию помехи высокочастотный диапазон.
В этом диапазоне помеха снижается со 150 мВ до 33 мВ, т.е. в 4.55 раза при глубине обратной связи G = 1.0. В среднечастотном диапазоне помеха уменьшается в три раза со 150 мВ до 50 мВ при тех же условиях. Менее защищен от действия помех низкочастотный диапазон. В этом диапазоне подавление помехи происходит всего менее чем в 1.5 раза (рисунок 3.22, справа).
Если сравнивать уровни помехи на выходе бионической системы управления, то снижение помехи происходит по экспоненциальной зависимости. Наиболее интенсивное снижение помехи происходит в промежутке между низкочастотным и среднечастотным диапазоном. В промежутке между среднечастотным и высокочастотным диапазоном снижение замедляется (рисунок 3.22, слева).
На всех частотных диапазонах происходит подавление первого импульса помехи на выходе бионической системы. В среднечастотном диапазоне уровень первого импульса помехи уменьшается со 127 мВ до 75 мВ при глубине обратной связи G = 1.0. При более низкой глубине обратной связи G = 0.5 уровень помехи снижается со 140 мВ до 90 мВ (рисунок 3.23). Снижение первого импульса помехи происходит на А = 59 мВ и А = 50 мВ при G = 1.0 и G = 0.5, соответственно.
В низкочастотном диапазоне при глубине обратной связи G = 1.0 уровень первого импульса помехи уменьшается со 142 мВ до 115 мВ (рисунок 3.23). При глубине обратной связи G = 0.5 снижение происходит со 146 мВ до 127 мВ. Снижение первого импульса помехи составляет 27 мВ для G = 1.0 и 19 мВ для G = 0.5.
В высокочастотном диапазоне наиболее интенсивно происходит подавление первого импульса помехи при глубине обратной связи G = 1.0. Первый импульс уменьшается со 130 мВ до 55 мВ, т.е. на А = 75 мВ. При меньшей глубине обратной связи G = 0.5 подавление первого импульса помехи происходит от 135 мВ до 63 мВ, т.е. на 72 мВ (рисунок 3.23).
Следовательно, наиболее интенсивное подавление помехи происходит при максимальном уровне глубины обратной связи G = 1.0. При такой сильной обратной связи G наибольшей эффективностью противодействия помехе обладает высокочастотный диапазон. В этом диапазоне помеха снижается на величину Д = 75 мВ.
Среднечастотный диапазон менее эффективен противодействию помехе. В этом диапазоне помеха снижается на А = 52 мВ. И, наконец, низкочастотный диапазон менее всего защищен от действия помехи. В этом диапазоне помеха снижается всего на Д = 27 мВ.
Таким образом, наибольшей помехоустойчивостью к действию помехи обладает высокочастотный диапазон. Это относится как к начальной части помехи, так и к плоской части помехи.
Сравнительный анализ систем управления разрабатываемого устройства и прототипа
Следует подчеркнуть, что все реальные физические системы являются нелинейными. Все системы, которые считаются линейными, являются таковыми лишь в определенном диапазоне сигналов и всегда могут стать нелинейными. Одним из свойств нелинейных систем является то, что их устойчивость может зависеть от входных сигналов и (или) от начальных условий. Будем далее это учитывать, используя линеаризованные уравнения для описания процессов управления.
Система управления ракеты работает как следящая, обеспечивая сведение к нулю возникающих отклонений от курса. При отсутствии отклонения от курса контакты реле разомкнуты, система управления находится в режиме слежения. При появлении сигнала отклонения от фотоумножителей контакты реле замыкаются, тем самым, включая режим формирования управляющих воздействий. Так как уравнения объекта линеаризованы, в этом режиме отсутствуют нелинейности, и поэтому для анализа функционирования канала управления будем применять методы линейных систем управления.
Анализ модели прототипа
Моделирование систем управления производилось в математическом пакете Matlab 6.5 и его модуле расширения Simulink 5. Для проведения анализа сформирована модель одного канала управления прототипа (рисунок 4.5).
В настоящее время ведется интенсивный поиск путей дальнейшего повышения эффективности систем биоэлектрического управления искусственными органами человека с внешним источником энергии [84]. Среди актуальных задач будущего можно назвать:
- увеличение скорости движения исполнительных механизмов и в первую очередь кисти;
- расширение динамического диапазона пропорционального управления за счет повышения помехоустойчивости и коэффициента усиления систем управления;
- разработку следящих систем управления силой схвата;
- совершенствование систем обратной связи и решении вопроса об оптимальном соотношении естественных и искусственных обратных связей при пропорциональном биоэлектрическом управлении. Однако главная проблема в дальнейшем развитии биоэлектрического управления протезами верхних конечностей заключается в обеспечении возможности координированного плавного (пропорционального) биоэлектрического управления движениями одновременно в нескольких шарнирах без излишнего напряжения внимания инвалида, т.е. без концентрации его внимания на деталях техники движения и без произвольного дозирования активности одновременно нескольких управляющих мышц, подобно тому, как это происходит при управлении сложными движениями руки.
В этих условиях биоэлектрическое управление протезом предельно приблизится к управлению естественными движениями руки. Техническое решение представляет значительные трудности. Промышленные системы пропорционального биоэлектрического управления, разработанные до недавнего времени все еще недостаточно совершенны. Будучи технически более сложными и соответственно более дорогими, они все же не дают эквивалентного функционального выигрыша по сравнению с релейными.
С физиологической точки зрения пропорциональное управление принципиально совершеннее релейного. Это непосредственно вытекает из того факта, что управление естественными движениями человека происходит с плавным регулированием скоростей движения в суставах и развиваемых усилий. Поэтому, если современные биоэлектрические протезы с пропорциональным управлением все еще удовлетворяют инвалидов по своему функциональному эффекту, то это происходит лишь потому, что системы пропорционального управления и протезы руки, управляемые ими, недостаточно совершенны [53], [84].
Главным недостатком современных протезов с пропорциональным биоэлектрическим управлением является низкая скорость исполнительных механизмов и их недостаточный динамический диапазон.
Нейрофизиологические предпосылки разработки технических устройств
С нейрофизиологической точки зрения наиболее интересным для бионического моделирования является спинной мозг. В естественных условиях от чувствительных рецепторов в спинной мозг по афферентным волокнам подходит серия импульсных сигналов. В лабораторных экспериментах подобные серии импульсов можно получить искусственно, подавая от электрического генератора импульсов (электростимулятора) как одиночные импульсы, так и серии импульсов различной частоты, длительности. Кроме того, можно подавать на фоне полезного сигнала ложные сигналы в виде помех. Этим представляется возможным исследовать помехозащищенность исследуемых биологических систем.
Похожие диссертации на Разработка технических систем управления с использованием биологических принципов обработки информации
