нейросетевого регулятора, обученного вне контура; отсутствие перерегулирования – для нейросетевого оптимального регулятора. Наибольшее значение СКО характерно для нейросетевого оптимального регулятора, а наименьшее – для линейного ПИД-регулятора.
Выводы по лабораторной работе
В ходе лабораторной работы нами был исследован и применен для корректирования переходного процесса САУ нейросетевой оптимальный регулятор, были рассмотрены различные его архитектуры. В сравнении с линейным ПИД-регулятором он показал меньшее значение перерегулирования.
Факторы, оказывающие влияние на процесс обучения нейросети вне контура управления:
−число скрытых слоев и нейронов в них;
−функция активации выходного нейрона;
−размерность входа;
−параметры обучения (скорость обучения скрытых и выходных нейронов, коэффициент инерции обучения);
−параметры останова обучения (предельное количество эпох обучения, предельное количество эпох обучения с ростом тестовой ошибки, нижняя граница изменения ошибки на тестовой выборке, нижняя граница ошибки на тестовой выборке).
Факторы, оказывающие влияние на процесс обучения нейросети в контуре управления:
−параметры обучения (скорость обучения скрытых и выходных нейронов, коэффициент инерции обучения, шаг обновления НС-Р по времени);
−параметры останова обучения (предельное количество эпох обучения, предельное количество эпох обучения с ростом ошибки управления, нижняя граница изменения ошибки управления, нижняя граница ошибки на тестовой выборке, число пропущенных в начале обучения эпох с ростом ошибки).
31