НЕЙРОСЕТЕВАЯ ОПТИМИЗАЦИЯ ОБЛАСТЕЙ СУЩЕСТВОВАНИЯ СКОЛЬЗЯЩЕГО РЕЖИМА НА ОСНОВЕ КАЧЕСТВЕННОГО АНАЛИЗА ПРОЕКЦИЙ ФАЗОВОГО ПРОСТРАНСТВА

Аннотация

В работе предложен метод нейросетевой оптимизации областей существования скользящего режима в проекциях фазового пространства объекта управления с целью последующего синтеза систем управления со скользящими режимами. Расширение областей существования скользящего режима предоставляет большую свободу в выборе поверхностей скольжения, в том числе нелинейных, и позволяет рассчитывать на повышение качества управления. Цель исследования заключается в определении применимости современных методов машинного обучения, в частности нейронных сетей и генетических алгоритмов, в задачах оптимизации областей существования скользящего режима на примере нелинейной системы 4-го порядка. Материалы и методы. Для решения задачи применяются численные методы машинного обучения нейронных сетей и стохастического направленного поиска, в частности генетические алгоритмы. Также применяется метод анализа двумерных проекций фазового пространства многомерной системы. Результаты. Предложна структурная классификация проекций фазового пространства с нейросетевой оптимизацией областей существования скользящего режима для обеспечения автоматизированного синтеза алгоритмов управления. На примере импульсного преобразователя 4-го порядка рассмотрены особенности проекций фазовых пространств многомерных систем. Предложен способ формирования линий переключения для скользящего режима на основе проекций фазового пространства, позволяющий классифицировать проекции с точки зрения их пригодности к организации управления в скользящем режиме. Произведена максимизация областей существования скользящего режима с помощью стохастического генетического алгоритма и с использованием нейронной сети в виде многослойного перцептрона. Сеть реализована на базе библиотеки для построения и обучения нейронных сетей TensorFlow. Для обновления модели применен оптимизатор Adam. Показано, что оптимизация с помощью генетического алгоритма и нейронной сети позволяет значительно увеличить потенциал выбора алгоритмов управления за счет расширения областей существования скользящего режима в проекциях фазового пространства. Заключение. Результаты применения генетического алгоритма и многослойной нейронной сети демонстрируют, что предложенный метод расширяет область применения проекций фазового пространства в задачах синтеза управления многомерными нелинейными системами и открывает новые возможности для повышения эффективности управления в скользящих режимах.