ВЕСТНИК ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА МОРСКОГО И РЕЧНОГО ФЛОТА ИМ. АДМИРАЛА С. О. МАКАРОВА

Целью работы является реализация интеллектуальных алгоритмов синтеза систем управления электроприводами систем энергоснабжения на объектах водного транспорта с использованием искусственных нейронных сетей. Использование подобных интеллектуальных алгоритмов позволит на практике осуществлять цифровую трансформацию аппаратных узлов регуляторов (контроллеров) в системах управления различными объектами, в том числе электроприводами, в математические алгоритмы, базирующиеся на нейросетевых контроллерах. Такие контроллеры, например, с использованием эталонной модели, являются более предпочтительными при управлении нелинейными объектами, поскольку нейросети, на которых они базируются, нелинейны. В связи с этим существенно расширена область их применения в дальнейшем развитии методов компьютерного мониторинга и параметрической идентификации моделей судовых и береговых объектов управления энергоснабжением, а также анализа и прогнозирования показателей энергоэффективности их режимов работы. Рассмотрена процедура синтеза нейросетевого регулятора, построенного на основе эталонной модели, для стабилизации угловой скорости вращения двигателя постоянного тока с целью компенсации колебаний, возникающих в контуре управления приводом. С использованием PID-тюнера определены параметры PID-регулятора, существенно влияющие на качество управления и позволившие ему в составе с типовым астатическим звеном первого порядка выполнять функции эталонного регулятора для обучения нейросетевого регулятора. Показано, что выбранные параметры нейронной модели объекта управления и нейросетевого эталонного регулятора позволили существенно улучшить показатели качества переходного процесса и устранить колебания в приводе управления двигателя постоянного тока. Приведены показатели и характеристики качества обучения нейросетевого регулятора и нейронной модели объекта при выбранных параметрах обучения. Предложен алгоритм обучения нейронной модели управляемого объекта и нейросетевого регулятора модели, базирующийся на динамическом характере обратного распространения ошибки отклонений значений выходных сигналов от эталонных в многослойной нейронной сети с целью ее коррекции за счет введения поправок в значения весовых коэффициентов синаптических связей. Алгоритм может быть применим в системах управления электроприводами безэкипажных объектов, как летательных, так водного и наземного базирования, на внутреннем водном транспорте.

Целью работы является обеспечение непрерывного мониторинга, прогнозирования и достоверности показателей состояния производства и факторов его роста на предприятиях водного транспорта, по данным статистики, на основе опыта моделирования и параметрической оценки производственных функций с применением нейтронных сетей и интеллектуальных систем. В связи с этим появляется возможность формирования значений целевых индикаторов и показателей развития внутреннего водного транспорта по контрольным периодам на краткосрочном и стратегическом уровнях. Предлагается алгоритм численной оценки параметров моделей производственных функций потребления, построенных с помощью регрессионных нейросетей по данным статистики социально-экономического развития региона. Отмечается, что существенным отличием данного способа оценки является использование нейросетевых технологий, способствующих значительному расширению технических возможностей моделирования и повышению точности вычислений путем получения рекуррентных оценок вектора искомых коэффициентов модели. Показано, что для рассматриваемого класса задач «пригонки» траекторий функции потребления к статистическим данным можно применять нейронные модели обобщенно-регрессионных сетей, обладающие простыми режимами обучения и высокой точностью моделирования. При этом применение нейросетевых технологий обеспечивает максимальное приближение модели производственной функции заданной структуры к нейронной модели при заданном начальном приближении с последующим ее использованием для оценки весовых коэффициентов. Применение алгоритма продемонстрировано на примере оценок параметров аппроксимированной с помощью нейросети функции потребления по соответствующим данным временных рядов. Получены численные оценки с применением операторных функций из арсенала Neural Networks Toolbox среды MATLAB. Предложенный алгоритм может быть применен для численного анализа производственных моделей потребления со сложными логико-вероятностными связями при оценивании целевых индикаторов и показателей развития внутреннего водного транспорта.

Цель работы состоит в усовершенствовании методов компьютерного мониторинга и параметрической идентификации моделей расходных характеристик судов для анализа и прогнозирования показателей энергоэффективности объектов водного транспорта, а также оптимизации режимов работы дизель-генераторных агрегатов.

Предложен алгоритм параметрической идентификации характеристик «вход-выход» различных по природе технологических процессов и систем (технических, биологических, экономических, социальных, экологических и др.) по данным измерений с помощью аппроксимоторных (регрессионных) нейронных сетей с возможностью количественной оценки погрешности параметрической оптимизации по эвклидовой норме.

В отличие от известных методов параметрической пригонки модели по статистическим рядам предлагаемый способ базируется на обучении многослойной нейрон ной сети с обратным распространением ошибки отклонений значений выходных сигналов от эталонных с целью ее коррекции за счет введения поправок в значения весовых коэффициентов синаптических связей.

Реализация алгоритма идентификации на основе предлагаемого способа пригонки модели выполнена с помощью радиальных нейронных сетей, имеющих фиксированную структуру с одним скрытым и одним выходным слоями в соответствии с нелинейными и линейными функциями активации нейронов, обеспечивающих точность отображения образов на основе эвклидовой метрики.

Предлагаемый подход позволяет упростить режимы обучения и обеспечить приемлемую точность аппроксимации и идентификации. Алгоритм реализован при оценивании параметров расходной характеристики судна с известной структурой модели потребления топлива по соответствующему статистическому ряду при заданном начальном приближении. Алгоритм может быть применим для идентификации параметров моделей характеристик расхода энергоресурсов как на судах, так и в целом в отрасли внутреннего водного транспорта при вычислении целевых индикаторов и показателей ее развития.