Нейросеть начнет управлять роботами и БПЛА
Ученые ТулГУ разработали новые методы цифрового управления сложными динамическими объектами. В их основе — использование искусственных нейронных сетей.
Об этом сообщает в своем телеграм-канале Министерство науки и высшего образования РФ.
В настоящее время для линейных систем управления уже предложены точные математические модели, в то время как для нелинейных поиски методов продолжаются. Задача с каждым годом становится все более актуальной для различных областей производства, включая робототехнику, авиацию, транспорт, химическую промышленность.
Специалисты лаборатории цифровых систем управления сложными динамическими объектами ТулГУ предложили применить для решения этой проблемы метод синтеза нейросетевых регуляторов. Этот метод можно использовать, когда отсутствует достаточно точная математическая модель объекта управления, но есть возможность получать экспериментальные данные.
На основе сформированного банка опытных данных ученые провели процесс обучения нейросети с заранее заданной структурой. В результате появилась возможность с помощью искусственного интеллекта калибровать системы управления даже в случаях изменения базовых параметров функционирования нелинейных объектов.
Исследование проведено в рамках федерального проекта Минобрнауки России «Передовые инженерные школы», а также при поддержке гранта РНФ.
В настоящее время для линейных систем управления уже предложены точные математические модели, в то время как для нелинейных поиски методов продолжаются. Задача с каждым годом становится все более актуальной для различных областей производства, включая робототехнику, авиацию, транспорт, химическую промышленность.
Специалисты лаборатории цифровых систем управления сложными динамическими объектами ТулГУ предложили применить для решения этой проблемы метод синтеза нейросетевых регуляторов. Этот метод можно использовать, когда отсутствует достаточно точная математическая модель объекта управления, но есть возможность получать экспериментальные данные.
На основе сформированного банка опытных данных ученые провели процесс обучения нейросети с заранее заданной структурой. В результате появилась возможность с помощью искусственного интеллекта калибровать системы управления даже в случаях изменения базовых параметров функционирования нелинейных объектов.
Исследование проведено в рамках федерального проекта Минобрнауки России «Передовые инженерные школы», а также при поддержке гранта РНФ.
