Введение
1 Моделирование управляемого движения динамических систем и проблема адаптивности 22
1.1 Система и среда ее существования 22
1.1.1 Общее понятие динамической системы 22
1.1.2 Факторы неопределенности при моделировании систем 24
1.2 Классы динамических систем 25
1.2.1 Детерминированные системы 26
1.2.2 Системы с неопределенностями 27
1.2.3 Управляемые системы 28
1.2.4 Адаптивные системы 29
1.2.5 Интеллектуальные системы 30
1.3 Классы внешних сред 31
1.3.1 Регулярные среды 31
1.3.2 Среды с неопределенностями 31
1.3.3 Реагирующие среды 32
1.3.4 Адаптивные среды 32
1.3.5 Интеллектуальные среды 33
1.4 Взаимодействие систем и среды 33
1.4.1 Иерархии систем и внешних сред 33
1.4.2 Системы-комплексы 1.5 Поведение и деятельность систем 35
1.6 Общий подход к решению проблемы моделирования динамических систем 1.6.1 Динамическая система как объект исследования 37
1.6.2 Схема процесса моделирования динамической системы 43
1.6.3 Основные проблемы, требующие решения при формировании модели динамической системы 50
1.7 Проблема адаптивности систем 51
1.7.1 Виды адаптации 51
1.7.2 Общая характеристика проблемы адаптивности систем 55
1.7.3 Варианты схем адаптивного управления 56
1.7.4 Роль моделей в проблеме адаптивного управления 60
1.7.5 Нейросетевая реализация алгоритмов адаптивного моделирования и управления 61
2 Нейросетевой подход к задачам моделирования и управления систем 64
2.1 Порождающий подход к формированию НС-моделей 64
2.1.1 Структура порождающего подхода 64
2.1.2 Сетевое представление функциональных разложений 65
2.1.3 Многоуровневые настраиваемые функциональные разложения 68
2.1.4 Функциональные и нейронные сети 69
2.2 Структурная организация НС-моделей 70
2.2.1 Слоистая структурная организация НС-модели 70
2.2.2 Нейроны как элементы, из которых образована НС 75
2.2.3 Структурная организация нейрона 78
2.2.4 Параметризация примитивов и образуемого ими нейрона 80
2.2.5 Пример структурного описания нейронной сети 88
2.2.6 Формирование подхода к автоматизации структурного синтеза НС-моделей 90
2.3 Формирование обучающих наборов для НС-моделирования динамических систем 94
2.3.1 Специфика формирования обучающих наборов для НС-моделирования динамических систем 94
2.3.2 Прямой подход к формированию обучающих наборов для НС-моделирования динамических систем 95
2.3.3 Непрямой подход к формированию обучающих наборов для НС-моделирования динамических систем 106
2.3.4 Формирование набора тестовых маневров 108
2.3.5 Формирование тестового возбуждающего сигнала 109
2.4 Алгоритмы обучения НС-моделей 118
2.4.1 Проблемы, возникающие при обучения НС-моделей динамических систем118
2.4.2 Алгоритмы обучения динамических НС-моделей 130
2.5 Адаптивность НС-моделей 137
2.5.1 НС-модели со вставочными подсетями 137
2.5.2 Инкрементное формирование НС-моделей 141
3 Нейросетевое моделирование управляемого движения летательных аппаратов — подходнаоснове моделей типа «черный ящик» 143
3.1 Нейросетевые эмпирические модели динамических систем (модели типа «черный ящик») 143
3.1.1 Основные виды моделей 144
3.1.2 Подходы к учету возмущений, действующих на ДС 146
3.2 Нейросетевая модель движения ЛА на основе многослойной нейронной сети 151
3.2.1 Общая структура НС-модели движения ЛА на основе многослойной нейронной сети 151
3.2.2 Обучение нейросетевой модели движения ЛА в пакетном режиме 154
3.2.3 Обучение нейросетевой модели движения ЛА в режиме реального времени 154
3.3 Оценка работоспособности нейросетевой модели движения ЛА на основе многослойной нейронной сети 155
4 Нейросетевая реализация адаптивных динамических систем применительно к управлению полетом ЛА 165
4.1 Адаптивное управление с эталонной моделью 166
4.1.1 Общая схема адаптивного управления с эталонной моделью 166
4.1.2 Синтез нейроконтроллера для адаптивного управления с эталонной моделью 169
4.1.3 Компенсирующий контур в схеме адаптивного управления с эталонной моделью 174
4.1.4 Оценка влияния параметров эталонной модели на работоспособность синтезируемой системы управления 177
4.1.5 Адаптивное управление с эталонной моделью применительно к угловому движению ЛА 179
4.2 Адаптивное управление с прогнозирующей моделью 186
4.2.1 Общая схема адаптивного управления с прогнозирующей моделью 186
4.2.2 Синтез нейроконтроллера для адаптивного управления с прогнозирующей моделью 187
4.2.3 Адаптивное управление с прогнозирующей моделью применительно к угловому движению ЛА 190
4.3 Адаптивное управление с обратной динамикой и инверсной моделью 193
4.3.1 Адаптивное управления на основе метода обратной задачи динамики 193
4.3.2 Адаптивное управление с инверсной моделью 198
4.3.3 Адаптивное управление с обратной динамикой и инверсной моделью для случая углового движения ЛА 203
4.3.4 Адаптивное управление с обратной динамикой и инверсной моделью для случая пространственного движения ЛА 205
4.4 Адаптивное управление угловым движением ЛА в условиях неопределенности 214
4.4.1 Влияние атмосферной турбулентности на работоспособность адаптивной системы управления продольным движением самолета 214
4.4.2 Адаптация к неопределенности в исходных данных 215
4.4.3 Оценка значимости механизмов адаптации в задаче управления угловым движением ЛА 219
5 Нейросетевые полуэмпирические модели управляемых динамических систем 222
5.1 Соотношение между эмпирическими и полуэмпирическими моделями динамических систем 222
5.2 Общая схема процесса формирования полуэмпирических НС-моделей 224
5.3 Основные элементы процесса формирования полуэмпирических НС-моделей
5.3.1 Преобразование исходной теоретической модели в конечно-разностную форму 225
5.3.2 Нейросетевое представление модели динамической системы с дискретным временем 229
5.3.3 Структурная корректировка полуэмпирической НС-модели 233
5.4 Пример формирования полуэмпирической НС-модели 234
5.5 Экспериментальная оценка полуэмпирической модели 239
6 Нейросетевое полуэмпирическое моделирование движения и идентификация характеристик летательных аппаратов 246
6.1 Полуэмпирическое моделирование продольного углового движения маневренного самолета 246
6.2 Идентификация аэродинамических характеристик летательного аппарата 256
Заключение 268
Список литературы
