Neurális hálózat alapú irányítások modellezése és analízise lineáris rendszerelméleti megközelítésben
Természetes igény a piacon, hogy a tervezett gépek évről évre jobban, pontosabban működjenek, többet tudjanak a korábbi modellekkel szemben. Nyilván ez az elvárás a szabályozásokat is érinti. A valóság lineáris rendszerrel történő közelítése azonban egy idő után gátat szab a pontosság növelésének, ugyanis az ilyen modelleken alapuló, széleskörűen alkalmazott klasszikus irányítástechnika nagy korlátja, hogy az elméletek leginkább csak a lineáris problémák esetére kidolgozottak.
Ezzel egyidőben a számítási kapacitás és az adattárolás rohamos fejlődésével egyre több helyen jelennek meg az adat alapú módszerek mint a mérnöki tervezés eszközei. Nincs ez másként a modellezésben és szabályozások tervezésében sem. Neurális hálózatok alkalmazásával, amennyiben megfelelő adat áll rendelkezésre a problémáról, hatékony modellezés és irányítás készíthető. A módszer nagy hátránya, hogy nem lehet, vagy csak nagyon nehéz garanciát adni a zárt kör megbízható viselkedésére.
Ezen dolgozat keretében olyan szabályozásokat vizsgáltam melyekben mind a modellezés, mind a szabályzótervezés neurális hálózat alkalmazásával történik. A struktúra elemzése lehetőséget biztosít a zárt kör tetszőleges munkapontban történő linearizálásra, majd a kapott rendszerek kombinálásával politopikus lineáris rendszer létrehozására. Ezzel az LTV közelítéssel a tervezett szabályozás vizsgálható lineáris rendszerelméleti eszközökkel, következtetések vonhatók le a működés dinamikájáról, illetve a zárt kör stabilitása is meghatározható.
szerző
-
Lelkó Attila
Villamosmérnöki szak, mesterképzés
mesterképzés (MA/MSc)
konzulens
-
Dr. Németh Balázs
tudományos munkatárs, Közlekedés- és Járműirányítási Tanszék
