Информатика и автоматизация
RUS  ENG    ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB  
Общая информация
Последний выпуск
Архив

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Информатика и автоматизация:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Информатика и автоматизация, 2023, выпуск 22, том 1, страницы 87–109
DOI: https://doi.org/10.15622/ia.22.1.4
(Mi trspy1232)
 

Эта публикация цитируется в 2 научных статьях (всего в 2 статьях)

Робототехника, автоматизация и системы управления

Машинно синтезированное управление нелинейным динамическим объектом на основе оптимального расположения точек равновесия

Е. Ю. Шмалькоab

a Федеральный исследовательский центр "Информатика и управление" Российской академии наук (ФИЦ ИУ РАН)
b Московский государственный технический университет имени Н.Э. Баумана (МГТУ им. Н.Э. Баумана)
Аннотация: При решении задачи оптимального управления как прямыми, так и непрямыми подходами основной прием состоит в переводе задачи оптимального управления из класса бесконечномерной оптимизации в конечномерную. Однако при всех этих подходах в результате получается разомкнутое программное управление, чувствительное к неопределенностям, и для реализации которого в реальном объекте необходимо построить систему стабилизации. Введение системы стабилизации изменяет динамику объекта, а значит, оптимальное управление и оптимальная траектория должны рассчитываться для объекта уже с учетом системы стабилизации. В итоге получается, что изначальная задача оптимального управления является сложной, и часто возможность ее решения крайне зависима от типа объекта и функционала, а в случае усложнения объекта за счет введения системы стабилизации сложность задачи значительно увеличивается и применение классических подходов решения задачи оптимального управления оказывается трудоемким или невозможным. В настоящей работе предложен метод синтезированного оптимального управления, который реализует обозначенную логику разработки систем оптимального управления, преодолевая вычислительную сложность поставленной задачи за счет применения современных методов машинного обучения на основе символьной регрессии и эволюционных алгоритмов оптимизации. Согласно подходу сначала строится система стабилизации объекта относительно некоторой точки, а далее положение этой точки равновесия становится параметром управления. Таким образом, удается перевести задачу бесконечномерной оптимизации в задачу конечномерной оптимизации, а именно оптимального расположения точек равновесия. Эффективность подхода продемонстрирована на решении задачи оптимального управления мобильным роботом.
Ключевые слова: оптимальное управление, точка равновесия, нелинейный объект, машинное обучение, стабилизация.
Поступила в редакцию: 10.10.2022
Тип публикации: Статья
УДК: 004.896
Образец цитирования: Е. Ю. Шмалько, “Машинно синтезированное управление нелинейным динамическим объектом на основе оптимального расположения точек равновесия”, Информатика и автоматизация, 22:1 (2023), 87–109
Цитирование в формате AMSBIB
\RBibitem{Shm23}
\by Е.~Ю.~Шмалько
\paper Машинно синтезированное управление нелинейным динамическим объектом на основе оптимального расположения точек равновесия
\jour Информатика и автоматизация
\yr 2023
\vol 22
\issue 1
\pages 87--109
\mathnet{http://mi.mathnet.ru/trspy1232}
\crossref{https://doi.org/10.15622/ia.22.1.4}
Образцы ссылок на эту страницу:
  • https://www.mathnet.ru/rus/trspy1232
  • https://www.mathnet.ru/rus/trspy/v22/i1/p87
  • Эта публикация цитируется в следующих 2 статьяx:
    Citing articles in Google Scholar: Russian citations, English citations
    Related articles in Google Scholar: Russian articles, English articles
    Информатика и автоматизация
    Статистика просмотров:
    Страница аннотации:67
    PDF полного текста:40
     
      Обратная связь:
     Пользовательское соглашение  Регистрация посетителей портала  Логотипы © Математический институт им. В. А. Стеклова РАН, 2024