Розробка узагальненого лінійно-квадратичного нейрорегулятора системи „кран-вантаж”. Частина 2

У другій частині статті представлено механізм навчання штучної нейронної мережі (ШНМ) структура якої була розроблена у попередньому дослідженні. Значний обсяг навчальних даних (85451 навчальних пар), величина пакету навчання (2000), кількість раундів навчання (500000), а також глибина ШНМ дозволили отримати досить низьку похибку навчання (1,52·10-6) та валідації (1,99·10-6). Крім того, майже на всій тестовій вибірці ШНМ також показала досить якісне передбачення коефіцієнтів оптимального регулятора. Для цього були розраховані максимальні та середньоквадратичні похибки прогнозування. Однак, окремі значення похибок прогнозування коефіцієнтів поставили під сумнів якість оптимального регулювання руху системи. Для того, щоб оцінити цю якість було вивчено найгірший у сенсі похибки прогнозування результат. Це дозволило встановити, що відхилення величин коефіцієнтів (максимально на 7,86%) не спричиняє значного відхилення динаміки руху системи „кран-вантаж” від того, що отримано за допомогою оптимальних коефіцієнтів лінійно-квадратичного регулятора. Для цього побудовано та проаналізовано графічні залежності фазового портрету маятникових коливань вантажу, функції керування, рушійного зусилля та швидкості руху крана. У статті відмічена одна із переваг отриманої ШНМ – швидкодія отримання оптимального керування. Вона випливає із того, що доступ до ШНМ потребує значно менших обчислювальних ресурсів, аніж ті, що потрібні для розв’язання рівнянь Ріккаті. У заключній частині статті наведено рекомендації стосовно реалізації отриманих результатів на практиці. Вони полягають у тому, що на вхід ШНМ передають вхідний вектор, що містить нормовані значення маси вантажу, довжини гнучкого підвісу та коефіцієнта ваги керування. Це дозоляє отримати прогнозні значення коефіцієнтів оптимального регулятора. У подальшому їх використовують для відшукування оптимальної стратегії керування. Остання, в свою чергу, реалізується засобами керованих електроприводних механізмів крана.