Введение
1. Некоторые проблемы задачи синтеза неиросетевых систем управления нелинейными динамическими объектами 13
1.1. Базовые сведения о многослойных нейронных сетях 15
1.2. Алгоритмы обучения многослойных нейросетей в реальном времени 17
1.3. Базовые структуры нейросетевых динамических систем 23
1.4. Дифференциальные уравнения процессов преобразования и настройки многослойных нейросетей 26
1.5. Методы синтеза нелинейных систем управления 31
1.5.1. Метод аналитического конструирования оптимальных регуляторов 32
1.5.2. Синтез регуляторов на основе нелинейного преобразования координат 36
1.5.3. Метод аналитического конструирования агрегированных регуляторов (АКАР) 39
1.5.4. Задача управления динамическим объектом в условиях неопределенности 42
1.6. Постановка задачи диссертации 46
2. Аналитический синтез оптимальных законов управления в нелинейных динамических системах 49
2.1. Постановка задачи аналитического синтеза нелинейных оптимальных законов управления на многообразиях и основные определения 50
2.2. Достаточное условие возможности синтеза единственного агрегированного регулятора 55
2.3. Необходимые и достаточные условия возможности синтеза агрегированного регулятора для класса нелинейных объектов 60
2.4. Синтез агрегированных макропеременных 62
2.4.1. Процедура Ttipa-преобразования 64
2.4.2. Процедуры Tf ф а -преобразования специального вида 68
2.5. Примеры синтеза агрегированных регуляторов 75
2.8. Выводы по разделу 2 82
3. Адаптивное управление на многообразиях 83
3.1. Постановка задачи адаптивного управления на многообразиях 84
3.2. Синтез алгоритмов адаптации 90
3.3. Условия применимости алгоритмов адаптации 91
3.4. Алгоритмы адаптации в случае квадратичного сопровождающего функционала (алгоритмы КСФ) 96
3.4.1. Синтез алгоритмов адаптации КСФ 96
3.4.2. Условия применимости алгоритмов КСФ. 99
3.5. Синтез алгоритмов КСФ в случае нарушения условия выпуклости 104
3.6. Примеры синтеза адаптивных систем управления методом АУМ 119
3.7. Выводы по разделу 3... 124
4. Синтез нейросетевых систем управления 125
4.1. Постановка задачи 125
4.2. Анализ устойчивости и качества процессов обучения многослойных нейронных сетей 128
4.2.1. Анализ устойчивости процессов обучения МНС в непрерывном времени методом функций Ляпунова 128
4.2.2. Анализ сходимости процессов обучения МНС в дискретном времени 136
4.3. Синтез нейросетевых систем управления нелинейными динамическими объектами с непрерывной математической моделью 141
4.3.1. Синтез нейросетевых систем управления в случае выполнения условий достижимости 141
4.3.2. Анализ условий применимости процедуры обучения МНС в случае нарушения условий достижимости 149
4.4. Синтез нейросетевых систем управления нелинейными динамическими объектами с дискретной математической моделью 151
4.4.1. Обобщенная схема обратного распространения ошибки "сквозь время" 151
4.4.2. Условия устойчивости процессов обучения МНС в составе ОНО 152
4.4.3. Условие диссипативности синтезированной нейросетевой системы управления 155
4.4.4. Условия достижения наименьшего значения критерия обучения МНС 157
4.5. Выводы по разделу 4 159
5. Синтез системы управления скоростью вращения вала двигателя внутреннего сгорания на холостом ходу 160
5.1. Постановка задачи 161
5.2. Синтез регулятора основного контура 162
5.2.1 Синтез регулятора основного контура с астатизмом нулевого порядка 162
5.2.2. Синтез регулятора основного контура с астатизмом первого порядка 168
5.3. Синтез адаптивной системы управления скоростью вращения вала двигателя в режиме холостого хода 171
5.3.1 Синтез адаптивной системы управления идентификационного типа 171
5.3.2 Синтез системы прямого адаптивного управления скоростью вращения вала двигателя внутреннего сгорания 176
5.3.3. Синтез неиросетевои адаптивной системы управления скоростью вращения вала двигателя на холостом ходу 178
5.4. Выводы по разделу 5 181
Заключение 183
Список источников 185
Приложение 1 194
