Для широкого класса нелинейных моделей динамики автономных летательных аппаратов получены критерии их обратимости, управляемости, декомпозируемости и стабилизируемости программируемых движений. Синтезированы в аналитическом виде программные движения и программные управления, а также алгоритмы робастной стабилизации программных движений. Предложены нелинейные канонические преобразования координат интегрированного пространства состояний и управлений, упрощающие синтез и анализ законов стабилизации движений летательных аппаратов с обратимыми нелинейными моделями динамики.
Проблема построения и стабилизации оптимальных по быстродействию программных движений (ПД) манипулятора рассмотрена в контексте применения нейросетей для аппроксимации обратной модели динамики. Представление ПД в виде траекторий на фазовой плоскости использовано для получения явных зависимостей обобщенных координат от времени, краевых условий и конструктивных ограничений. Кратко рассмотрен вопрос синхронизации движений различных звеньев манипулятора. Нелинейный закон управления, использующий в качестве обратной модели динамики ее нейросетевое представление, проиллюстрирован при помощи моделирования на примере пятизвенного манипулятора (без учета динамики приводов, т.е. управление в виде обобщенных сил). Метод адресует оптимальное по быстродействию управление многосвязной нелинейной системой в режиме реального времени.
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.
1 - 3 из 3 результатов