Рекомендуемая категория для самостоятельной подготовки:
Курсовая работа*
| Код |
591011 |
| Дата создания |
2016 |
| Страниц |
34
|
Мы сможем обработать ваш заказ (!) 19 сентября в 12:00 [мск] Файлы будут доступны для скачивания только после обработки заказа.
|
Содержание
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ 2
1 ПОДХОДЫ К МОДЕЛИРОВАНИЮ ДИНАМИЧЕСКИХ ОБЪЕКТОВ 3
2 ПРИНЦИПЫ ПРОГНОЗИРУЮЩЕГО НЕЙРОУПРАВЛЕНИЯ 11
3 ВОЗМОЖНОСТИ МОДЕЛИРОВАНИЯ СИСТЕМ НЕЙРОУПРАВЛЕНИЯ В СИСТЕМЕ MATLAB 16
4 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ УПРАВЛЕНИЯ ЛЕТАТЕЛЬНЫМ АППАРАТОМ 18
ЗАКЛЮЧЕНИЕ 35
СПИСОК ЛИТЕРАТУРЫ 36
Введение
ВВЕДЕНИЕ
Современные системы управления динамическими объектами представляют собой многоцелевые комплексы, обладающие сложной структурой, наделенные богатой функциональностью при работе в разнообразных режимах и обеспечивающие высокое качество протекания соответствующих динамических процессов. Естественно, что построение таких систем немыслимо без широчайшего применения компьютерной поддержки, как на стадии разработки, так и при непосредственной реализации.
Применение современных компьютерных технологий при создании систем управления, в первую очередь, определяется необходимостью обеспечения требуемой функциональности, что достигается на базе формализованных (математических) подходов на этапе исследовательского проектирования. Главная цель всего комплекса работ, которые выполняются при исследовательском проектировании, состоит в формировании математических моделей управляющих устройств или законов управления, обеспечивающих желаемую динамику замкнутых систем в различных режимах работы.
В работе рассмотрены вопросы нейроуправления и моделирования систем управления на примере летательных аппаратов.
Фрагмент работы для ознакомления
ЗАКЛЮЧЕНИЕ
Решение оптимальных задач управления с прогнозированием является одним из современных методов исследования систем управления и легко реализуется с помощью таких систем как MATLAB, которая с её пакетами обладает большими возможностями и инструментами решения задач анализа, синтеза и моделирования систем управления, в том числе и с прогнозированием. Исследование возможности нейроуправления объектами на примере квадрокоптера показало широкие возможности использования нейронных сетей в системах управления. В этой связи представляет интерес перспектива использования нейросетей в управлении нестационарными режимами технологических процессов.
Список литературы
СПИСОК ЛИТЕРАТУРЫ
1. Чернышов, В.Н. Теория систем и системный анализ : учеб. пособие / В.Н. Чернышов, А.В. Чернышов. – Тамбов : Изд-во Тамб. гос. техн. ун-та, 2008. – 96 с.
2. Ракитов А.И., Бондяев Д.А., Романов И.Б., Егерев С.В., Щербаков А.Ю. Системный анализ и аналитические исследования: руководство для профессиональных аналитиков – М., 2009. - 448 c.
3. Пупков К.А. Моделирование и испытание систем автоматического управления: Учебное пособие. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2012.
4. Герасимов, Б.И. Основы теории системного анализа: качество и выбор : учебное пособие / Б.И. Герасимов, Г.Л. Попова, Н.В. Злобина. – Тамбов : Изд-во ФГБОУ ВПО «ТГТУ», 2011. – 80 с.
5. Качала В.В. Основы теории систем и системного анализа. Учебное пособие для вузов. М.: Горячая линия – Телеком, 2007. 216 с.
6. Тарасенко Ф.П. Прикладной системный анализ : учебное пособие / Ф.П. Тарасенко.— М. : КНОРУС, 2010. — 224 с.
7. Данелян Т.Я. Теория систем и системный анализ (ТСиСА): учебно-методический комплекс / Т.Я. Данелян. – М.: Изд. центр ЕАОИ, 2010. – 303 с.
8. Хайкин С. Нейронные сети: полный курс, 2¬e издание.:Пер. с анrл. – М. Издательский дом "Вильямс", 2006. – 1104 с.
9. Каллан Р. Основные концепции нейронных сетей. : Пер. с англ. — М. : Издательский дом Вильямс, 2001. – 287 с.
10. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д. Рудинского. - М.: Финансы и статистика, 2002. - 344 с: ил.
11. О.А. Морозов, П.Е. Овчинников, Ю.А. Сёмин, В.Р. Фидельман. Применение теоретико-информационного подхода для обучения многослойного персептрона в задаче распознавания фонем // Вестник Нижегородского университета им. Н.И. Лобачевского, 2010, № 5 (2), с. 354–357
12. Чернодуб А. Н. Обзор методов нейроуправления / А. Н. Чернодуб, Д. А. Дзюба. // Проблемы программирования. — 2011. — No 2. — С. 79-94.
13. Soloway D., Haley P.J. Neural Generalized Predictive Control // Proceedings of the IEEE International Symposium on Intelligent Control. — 18 September 1996. — 15. — P. 277—281.
14. Tomić, Teodor and Maier, Moritz and Haddadin, Sami (2014) Learning Quadrotor Maneuvers From Optimal Control and Generalizing in Real-Time. In: IEEE International Conference on Robotics and Automation (ICRA), pp. 1747-1754.
15. Clarke D. W., Generalized Predictive Control - Part 1: The Basic Algorithm / D. W. Clarke, C. Mohtadi and P. C. Tufts // Automatica. – 1987. - Volume 23. – Pp. 137-148. 5. Clarke D. W. Generalized Predictive Control - Part 2: The Basic Algorithm / D. W. Clarke, C. Mohtadi and P. C. Tufts // Automatica. – 1987. - Volume 23. – Pp. 149-163.
16. Cayero, J., Pep Cugueró Escofet, Morcego, B. Impedance control of a planar quadrotor with an extended Kalman filter external wrench estimator. A: euRathlon/SHERPA SUMMER SCHOOL 2015 ON FIELD ROBOTICS. «euRathlon/SHERPA SUMMER SCHOOL 2015 ON FIELD ROBOTICS». Oulu: 2015, p. 1-5.
17. Кузнецов Б. И. Синтез нейроконтроллера с предсказанием для двухмассовой электромеханической системы / Б. И. Кузнецов, Т. Е. Василец, А. А. Варфоломеев //Электротехника и электромеханика. — 2008. — Т. 3. — С. 27 — 32.
18. Рэндал У. Биард, Тимоти У. МакЛэйн Малые беспилотные летательные аппараты: теория и практика Москва: ТЕХНОСФЕРА, 2015. – 312 c.
19. А. А. Пыркин, Т. А. Мальцева, Д. В. Лабадин, М. О. Суров, а. А. Бобцов. Синтез системы управления квадрокоптером с использованием упрощенной математической модели // Изв. Вузов. Приборостроение. 2013. Т. 56, № 4. – с. 47-51.
20. Веремей Е. И., Еремеев В. В. Введение в задачи управления на основе предсказаний // Всероссийская научная конференция «Проектирование научных и инженерных приложений в среде MATLAB». — М., 2004. — С. 98—115.
21. Баландин Д.В., Городецкий С.Ю. Классические и современные методы построения регуляторов в примерах. Электронное учебно-методическое пособие. – Нижний Новгород: Нижегородский госуниверситет, 2012. – 122 с.
22. Квасов Б. Численные методы анализа и линейной алгебры. Использование Matlab и Scilab. Лань, 2016 г.
23. Кетков Ю., Кетков А., Шульц М. - MATLAB 7. Программирование, численные методы. БХВ-Петербург, 2005. – 742 с.
24. Омату С. Нейроуправление и его приложения / С. Омату, М. Халид, Р. Юсуф. – М.: Изд. Предприятия редакции журнала Радиотехника, 2000. – 230 с.
25. Подпорин С.А. Использование нейронечетких контроллеров в системах управления движением морских судов // Збірник наукових праць Харківського університету Повітряних Сил, 2012, випуск 4(33). С. 181-187.
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.0036