Дипломы, курсовые, рефераты, контрольные...
Срочная помощь в учёбе

Совершенствование систем управления морскими подвижными объектами на основе идентификации и адаптации

Диссертация: Совершенствование систем управления морскими подвижными объектами на основе идентификации и адаптации
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Решена задача построения системы управления МПО на базе обобщенной нелинейной модели. Показано, что применение метода линеаризации нелинейной обратной связью позволяет также обеспечить независимость каналов управления (декомпозицию системы) и высококачественные переходные процессы, задаваемые неявной эталонной, в частности, линейной моделью. Ввиду громоздкости многомерных нелинейных моделей МПО… Читать ещё >

Содержание

  • 1. Анализ математических моделей МПО
    • 1. 1. Особенности условий функционирования МПО. ¦ 1.2. Математическая модель водоизмещающего надводного судна
    • 1. 3. Математическая модель автономного подводного аппарата
    • 1. 4. Математические модели внешних возмущений
    • 1. 5. Обобщенная математическая модель МПО
    • 1. 6. Выводы по главе 1
  • 2. Влияние параметрической неопределенности и внешних возмущений на процессы управления МПО
    • 2. 1. Качество процессов управления движением МПО
    • 2. 2. Линейная система управления движением МПО. Влияние нестационарности и параметрической неопределенности
    • 2. 3. Нелинейная система управления движением МПО. Влияние нестационарности и параметрической неопределенности
    • 2. 4. Влияние внешних возмущений на процессы управления МПО
    • 2. 5. Выводы по главе 2
  • 3. Адаптивная идентификация параметров МПО
    • 3. 1. Метод скоростного градиента в задаче идентификации и управления
    • 3. 2. Идентификация параметров МПО с помощью настраиваемой модели
    • 3. 3. Влияние внешних возмущений на процесс идентификации
    • 3. 4. Система параметрической идентификации МПО с адаптацией к уровню внешних возмущений
    • 3. 5. Выводы по главе 3
  • 4. Адаптивное управление МПО с эталонной моделью
    • 4. 1. Адаптивное управление МПО с явной эталонной моделью
    • 4. 2. Нелинейное управление МПО с неявной эталонной моделью
    • 4. 3. Нейросетевое управление МПО с неявной эталонной моделью
    • 4. 4. Выводы по главе 4

Совершенствование систем управления морскими подвижными объектами на основе идентификации и адаптации (реферат, курсовая, диплом, контрольная)

Морские подвижные объекты (МПО) представляют собой практически важный класс динамических систем, функционирующих в условиях значительного влияния внешней среды. К МПО относятся, в первую очередь, наиболее распространенные водоизмещающие суда, суда с динамическим принципом поддержания (на воздушной подушке, на подводных крыльях), подводные аппараты-роботы, поисково-разведочные комплексы и др. [1, 7, 21, 26, 27, 34−36, 53, 68, 69, 89, 93]. Одной из важнейших проблем, связанных с построением и эксплуатацией МПО, является создание высококачественных систем управления, обеспечивающих желаемую динамику переходных процессов и точность отработки программных траекторий движения.

Движение МПО по поверхности или в толще водной среды обладает рядом существенных особенностей, которые в значительной мере затрудняют построение системы автоматического управления его движением. К этим особенностям относятся:

— нестационарность МПО;

— нелинейность уравнений динамики;

— многомерность и многосвязность;

— структурно-параметрическая неопределенность;

— наличие внешних возмущений.

Нестационарность МПО выражается в изменении его параметров с течением времени, связанных, например, с загрузкой судна, изменением характеристик обтекаемости поверхности судна (в частности, при обрастании корпуса) и другими факторами.

Нелинейность уравнений динамики МПО является следствием более общих уравнений движения твердого тела в пространстве, например, уравнений Лагранжа 2-го рода [9, 26, 39, 40, 41]. Кроме того, нелинейность моделей МПО в существенной мере связана с влиянием внешней среды, в которой движется объект. Известно, что силы и моменты вязкого сопротивления представляют собой сложные нелинейные функции компонент вектора линейной и угловой скоростей МПО. Определение таких функциональных зависимостей, как правило, выполняется на основе дорогостоящих экспериментальных исследований и требует значительных временных ресурсов. Для практического использования наиболее привлекательными являются упрощенные линеаризованные модели МПО.

Многомерность и многосвязность МПО как объекта управления заключается в наличии нескольких взаимосвязанных каналов целенаправленного воздействия на его поведение. Так, например, при управлении курсом судна требуется одновременно обеспечить малый крен (стабилизировать относительно нуля). Построение системы управления МПО значительно упрощается, если взаимовлияние каналов незначительно или его можно компенсировать.

Структурно-параметрическая неопределенность динамики МПО связана с отсутствием достоверных данных о параметрах объекта и невозможностью получения абсолютно адекватных уравнений движения МПО. Примером параметрической неопределенности могут быть присоединенные массы и моменты инерции МПО, которые заранее невозможно вычислить. Функциональная неопределенность связана с неточным знанием аналитического вида зависимостей, входящих в уравнения движения МПО [26, 27, 35].

Наличие внешних возмущений — ветра, волн, течений — заметно снижает качество процессов управления МПО, и, следовательно, ухудшает безопасность плавания, надежность эксплуатации и другие важные характеристики судна или другого объекта.

Обзор и анализ теоретических исследований и практических разработок в рассматриваемой предметной области показал, что для дальнейшего совершенствования средств и систем управления движением.

МПО требуется переход к новым методам синтеза управляющих устройств и 5 алгоритмов, опирающихся на более точные и сложные математические модели объектов.

Таким образом, в настоящее время актуальным является построение и изучение новых перспективных систем автоматического управления движением МПО, учитывающих специфику этих сложных динамических объектов.

В связи со сказанным, цель настоящей диссертационной работы состоит в разработке и исследовании систем автоматического управления движением МПО, эффективных в сложных условиях их эксплуатации.

Для достижения поставленной цели в диссертационной работе ставятся и решаются следующие задачи:

1. Анализ специфики условий функционирования МПО и их математических моделей.

2. Исследование влияния нестационарности параметров МПО и внешних возмущений на качество процессов управления при использовании типовых регуляторов.

3. Разработка и исследование систем и алгоритмов адаптивной идентификации параметров МПО при наличии внешних возмущений.

4. Разработка и исследование систем и алгоритмов адаптивного управления движением МПО.

5. Построение систем управления движением МПО на основе нелинейной модели.

6. Разработка нейросетевых систем управления движением МПО на основе нелинейной модели.

Основные результаты и положения, выносимые на защиту.

1. Анализ специфики линейных и нелинейных многомерных математических моделей МПО.

2. Анализ влияния нестационарности и неопределенности параметров МПО на качества переходных процессов в системах управления их движением, при использовании типовых линейных регуляторов с фиксированными настройками.

3. Системы адаптивной идентификации параметров МПО, в том числе, с адаптивной подстройкой к уровню внешних возмущений.

4. Система адаптивного управления движением МПО с явной эталонной моделью.

5. Нелинейная система управления движением МПО с неявной эталонной моделью.

6. Нейросетевая система управления движением МПО с неявной эталонной моделью.

Методы исследования. При выполнении работы использовались методы современной теории автоматического управления — идентификации, адаптивного, нелинейного, нейросетевого управления, матричного и векторного исчисления, теории дифференциальных уравнений, математического моделирования, а также интенсивные численные эксперименты на компьютере. Научная новизна.

1. Выявлены факторы нестационарности и структурно-параметрической неопределенности, специфические для морских подвижных объектов.

2. Показана работоспособность известных алгоритмов и систем параметрической идентификации для линеаризованных моделей МПО, а также предложены модификации систем (алгоритмов) параметрической идентификации МПО с адаптивной подстройкой к уровню внешних возмущений.

3. По обобщенной нелинейной модели МПО выполнен синтез системы управления движением с неявной эталонной моделью и предложено программное обеспечение для получения законов управления в символьной форме.

4. Предложены нейросетевые системы и алгоритмы управления, основанные на обобщенной нелинейной модели МПО, а также новые алгоритмы обучения многослойных нейронных сетей. Достоверность результатов.

Достоверность результатов подтверждается корректным использованием строгих математических методов исследования, применением экспериментально подтвержденных линейных и нелинейных математических моделей различных типов МПО, Практическая ценность.

Практическая ценность разработанных систем и алгоритмов адаптивной идентификации состоит в том, что они могут быть непосредственно использованы для определения параметров МПО, в том числе, и в условиях внешних возмущений, по экспериментальным данным, хранящимся в виде файлов.

Применение предложенных адаптивных и нейросетевых систем управления позволяет уменьшить трудоемкость работ, связанных с ручной перенастройкой регуляторов.

Использование разработанного программного обеспечения для символьного синтеза позволяет ускорить процесс построения системы управления по нелинейным моделям МПО. Апробация результатов.

Основные результаты диссертационной работы обсуждались и получили одобрение на регулярной конференции Международной федерации автоматического управления IF AC «Control Application in Marine Systems» CAMS'2007 («Применение управления в морских системах») (Bol, Croatia, 2007), Региональной научно-технической конференции «Знание-творчество-профессионализм». — МГУ им. адм. Г. И. Невельского, 2005, Международная научно-техническая конференция «Молодежь — наука — инновации». МГУ им. адм. Г. И. Невельского, 2007, 54-я Региональная научно-техническая конференция «Молодежь — наука — инновации». МГУ им. адм. 8.

Г. И.Невельского, 2006, на научно-технических конференциях университета, семинарах кафедры автоматических и информационных систем.

Публикации. По результатам исследования опубликовано 8 печатных работ, в том числе одна, входящая в перечень ВАК.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, приложений, списка литературы, содержащего 94 наименования. Работа изложена на 127 страницах машинописного текста, содержит 80 рисунков и 3 таблицы.

4.4 Выводы по главе 4.

На основе метода скоростного градиента выполнено построение адаптивной системы управления движением МПО с явной линейной.

Dn (qi) Di2(qi) D2,(q,) D22(qi) эталонной моделью. Исследования показали, что при фиксированных параметрах традиционных регуляторов (ПИ, ПИД и др.) априорная неопределенность в знании текущих параметров МПО отрицательно сказывается на качестве процессов управления. Применение регуляторов с адаптивной настройкой параметров закона управления позволило приблизить переходные процессы в системе управления к заданным эталонным, которые обладают желаемыми свойствами.

В ряде случаев применение линеаризованных моделей движения МПО оказывается неоправданным упрощением. В связи с этим для корректного решения задачи построения системы управления требуется применение адекватной нелинейной многомерной модели МПО. На примере общей модели автономного подводного аппарата выполнен синтез нелинейной системы управления МПО методом линеаризации нелинейной обратной связью. Теоретически показано и подтверждено численными экспериментами, что переходные процессы в разработанной системе управления соответствуют неявно заданной линейной эталонной модели, определяемой коэффициентами линейной части регулятора.

В связи со сложностью математической модели многомерного нелинейного объекта — МПО предложено использование пакетов символьной компьютерной математики для получения законов управления (регуляторов) в аналитической форме, максимально удобной для практической реализации.

В развитие адаптивно подхода к построению систем управления движением МПО были предложены нейросетевые регуляторы. На основе метода скоростного градиента были предложены новые алгоритмы обучения многослойных нейронных сетей, применяемых в системах управления динамическими объектами — МПО для обеспечения переходных процессов, определяемых неявной эталонной моделью.

ЗАКЛЮЧЕНИЕ

.

В результате выполненных в диссертационной работе исследований были получены следующие основные научные результаты.

На основе проведенного анализа типовых линеаризованных и нелинейных математических моделей морских подвижных объектов, режимов и условий их эксплуатации показано, что МПО являются специфическими объектами управления, для которых характерны нестационарность характеристик, параметрическая неопределенность, многомерность и нелинейность. В связи с этим даже в наиболее простых режимах, когда линеаризованные модели являются адекватными, применение в системах управления движением МПО стандартных линейных регуляторов (типа ПИД, ПИ, ПД и других) с фиксированными параметрами ведет к снижению качества процессов управления и, следовательно, уменьшению надежности и безопасности эксплуатации МПО.

Улучшение характеристик системы управления МПО может быть достигнуто за счет идентификации текущих значений параметров МПО в процессе движения и подстройки коэффициентов регуляторов выбранной структуры таким образом, чтобы обеспечить динамические процессы в системе управления, близкие к выбранной эталонной модели.

Выполнена разработка системы адаптивной идентификации параметров МПО по его обобщенной линеаризованной модели на основе метода скоростного градиента. Показана работоспособность системы идентификации при малом уровне внешних возмущений. Для компенсации значительных внешних воздействий предложена и исследована модифицированная система с адаптивной настройкой на уровень возмущений.

Предложена и исследована линейная система управления движением МПО с адаптивной настройкой параметров регулятора по явной эталонной модели. Показаны преимущества предложенной системы в сравнении с традиционными регуляторами, имеющими фиксированные настройки.

Решена задача построения системы управления МПО на базе обобщенной нелинейной модели. Показано, что применение метода линеаризации нелинейной обратной связью позволяет также обеспечить независимость каналов управления (декомпозицию системы) и высококачественные переходные процессы, задаваемые неявной эталонной, в частности, линейной моделью. Ввиду громоздкости многомерных нелинейных моделей МПО для решения задачи построения регуляторов (законов управления) предложено использовать компьютерную символьную математику.

Предложен и исследован также подход к построению системы управления движением МПО, обобщающий концепцию адаптации и основанный на использовании многослойных нейронных сетей. Показаны особенности их применения для управления динамическими объектами и разработаны новые алгоритмы обучения нейронных сетей, входящих в состав регуляторов системы управления МПО.

Таким образом, полученные в диссертационном исследовании технические решения позволяют в значительной мере усовершенствовать характеристики систем управления МПО, и, значит, улучшить надежность и другие эксплуатационные параметры морских подвижных объектов.

Показать весь текст

Список литературы

  1. Автономные подводные аппараты. Агеев М. Д., Касаткин В. А., Киселев Л. В. и др. JI. Судостроение, 1981. — 224с.
  2. Б. Р. Козлов Ю.М. Методы управления в условиях неопределенности. JI.:1989. — 88 с.
  3. В.А., Попов Е. П. Теория систем автоматического регулирования. М.: Наука, 1976. — 768с.
  4. JI.M. Метод структурного синтеза нелинейных систем автоматического управления. М.: Энергия, 1971. 112с.
  5. Ю.А., Поляхов Н. Д., Путов В. В. Электромеханические системы с адаптивным и модальным управлением. Л.: Энергоатомиздат. Ленингр. отд-ние, 1984. — 216с.: ил.
  6. Ю.А., Соколовский Г. Г. Автоматизированный электропривод с упругими связями. 2-е изд., перераб. и доп. — СПб.: Энергоатомиздат. Санкт-Петербург, отд-ние, 1992. — 288 е.: ил.
  7. Я.И. Справочник по теории корабля. Л.: Судостроение, 1973.-512 с.
  8. А.А., Ким Д.П., Лохин В. М. и др. Теория автоматического управления: Учеб. для ВУЗов по спец. «Автоматика и телемеханика». 4.2. Теория нелинейных и специальных систем управления. — М.: Высш. шк., 1986. 504с.: ил.
  9. М., Стокич Д., Кирчански Н. Неадаптивное и адаптивное управление манипуляционными роботами. М.: Мир, 1989. — 376с.
  10. Г. Л., Ганопольский Л. З., Долгов A.M. и др. Нелинейные нестационарные системы. Под ред. Топчеева Ю. И. М.: Машиностроение, 1986.-336с.
  11. А.И. Теория нейронных сетей. Кн.1: Учеб. пособие для вузов / Общая редакция А. И. Галушкина. М.: ИПРЖР, 2000. 416 е.: ил.
  12. А. Нейроинформатика и ее приложения. «Открытые системы» № 4 -5, 1998. Научно-технический журнал.
  13. А. А. Адаптивное и нейросетевое управление сложными динамическими объектами. — Владивосток: Дальнаука, 2007. — 149 с.
  14. А.А. Синтез адаптивного и робастного управления исполнительными устройствами подводных роботов. Дисс. Докт. Технич. наук. Владивосток, 1998.
  15. Дыда А. А,. Любимов Е. В. Автоматизация проектирования систем управления движения морских подвижных объектов // Транспортное дело России № 11. М: Изд-во Морские вести России, 2006. — С. 3−8.
  16. А.А., Маркин В. Е., Оськин Д. А. Синтез робастно- адаптивных и нейросетевых алгоритмов управления манипуляционными роботами // Докл. VIII-го Всероссийского съезда по теоретической и прикладной механике, Пермь, 2002.
  17. А.А., Лебедев А. В. Нелинейная адаптивная коррекция движителя подводного робота. // Изв. ВУЗов, Электромеханика, № 1−2, 1996, с. 83−87.
  18. А.А., Шейхот А. К. Перспективные направления совершенствования систем управления движением морских подвижных объектов // Транспортное дело России, № 9, часть 2, с.24−25.
  19. В. Круглов В. Matlab. Анализ, идентификация и моделирование систем. Специальный справочник. СПб.:Питер, 2002. — 446 с.
  20. Г. Г., Зотеев Е. С. Основы морского судовождения. — М: Транспорт, 1988.
  21. Н.Н. Автоматическое регулирование. Теория и элементысистем. -М., Машиностроение, 1973. 606с.119
  22. С.Г. Нейронные сети: алгоритм обратного распространения. // «Byte/Россия». Жур. Изд. дом «Питер», № 5, 2000 г. С.26−29.
  23. С.Г. Нейронные сети: основные положения. // «Byte/Россия». Жур. Изд. дом «Питер», № 5, 2000 г. С. 18−21.
  24. Ю.А., Пешехонов В. Г., Скороходов Д.А.Навигация и управление движением судов. — С.-Петербург: Элмор, 2002.- 360 с.
  25. Ю.А., Чугунов B.C. Системы управления морскими подвижными объектами. Л.: Судостроение, 1988. — 272 с.
  26. В.Н. Современная информационная технология в системах управления. // Известия АН. «Теория и системы управления», № 1, 2000 г.
  27. B.C., Лесков А. Г., Ющенко А. С. Системы управления манипуляционных роботов. М.: Наука, 1978. — 416с.
  28. И.В., Никифоров В. О., Фрадков А. В. Нелинейное и адаптивное управление сложными динамическими системами. СПб.: Наука, 2000. 549с.: ил.
  29. В.О. Адаптивное и робастное управление с компенсацией возмущений. — СПб.:Наука, 2003. 282 с.
  30. Д. А., Дыда А. А. Анализ применения нейронных сетей для управления и идентификации. Сборник тезисов докладов XXXVIII НТК ДВГТУ. Владивосток, ДВГТУ, 1997. С.46−47.
  31. Д.А. Управление движением подводного аппарата на основе нейросетевых алгоритмов. Дальневосточная математическая школа-семинар имени академика Е. В. Золотова: Тезисы докладов. Владивосток: Дальнаука, 2002. С. 103−104.
  32. Е.Н., Махин Н. Н., Шеремет Б. Б. Основы теории движения подводных аппаратов. Л.: Судостроение, 1973.-211 с.
  33. Подводные роботы. Под общей редакцией B.C. Ястребова. JL, «Судостроение». 1977. 368с.: ил.
  34. С. А., Попов О. С., Ястребов В. С. Адаптивные системы для исследования океана. СПб.: Судостроение, 1993. — 224с.: ил.
  35. Е.П. Теория нелинейных систем автоматического управления: Учеб. пособие. 2-е изд., стер. — М.: Наука. Гл. ред. физ.-мат. лит., 1998. -256с.
  36. Е.П., Верещагин А. Ф., Зенкевич C.JI. Манипуляционные роботы: динамика и алгоритмы. М.: Наука, 1978.- 400с.
  37. Промышленные роботы. / Под ред. Я. Д. Шифрина. М.: Машиностроение, 1982.-415с.
  38. А.В. Управление роботами. Учеб. пособие. Л.: Изд-во Ленинградского университета, 1986. 240с.
  39. А.В. Эволюция теории и средств управления в робототехнике и мехатронике. // «Мехатроника» № 1, 2000 г. Научно-технический и производственный журнал. Изд. «Машиностроение».
  40. Э.А. Компьютерная поддержка принятия решений: Научно-практическое издание. Серия «Информатизация России на пороге XXI века». М.: СИНТЕГ, 1998. — 376с.
  41. А.Л. Адаптивное управление в сложных системах: беспоисковые методы. М. Наука. Гл. ред. физ.-мат. лит., 1990. — 296с.
  42. Фу К., Гонсалес Р., Ли К. Робототехника: Пер. с англ. М.: Мир, 1989.-624с.: ил.
  43. А.К. Особенности математических моделей морских подвижных объектов // Региональная научно-техническая конференция «Знание-творчество-профессионализм». МГУ им. адм. Г. И. Невельского, 2005, с.422−424.
  44. А.К. Метод обратных задач динамики в задаче синтеза управления морскими подвижными объектами // Региональная научно-техническая конференция «Знание-творчество-профессионализм». МГУ им. адм. Г. И. Невельского, 2005, с.415−417
  45. А.К. Нейросетевое управление морскими подвижными объектами // Международная научно-техническая конференция «Молодежь наука — инновации». МГУ им. адм. Г. И. Невельского, 2007, с.40−44
  46. А.К. Подход к решению задаче идентификации параметров математической модели судна // 54-я Региональная научно-техническая конференция «Молодежь — наука — инновации». МГУ им. адм. Г. И. Невельского, 2006, с.50−52
  47. А.К. Влияние внешних возмущений на процесс идентификации морских подвижных объектов // Международная научно-техническая конференция «Молодежь — наука — инновации». МГУ им. адм. Г. И. Невельского, 2007, с.48−49
  48. А.К. Идентификация параметров морских подвижных объектов с помощью настраиваемой модели // Международная научно-техническая конференция «Молодежь — наука — инновации». МГУ им. адм. Г. И. Невельского, 2007, с.45−47
  49. B.C., Филатов A.M. Системы управления подводных аппаратов-роботов. М., Наука, 1983. 88с.
  50. Behera L. and Gopal М. Adaptive manipulator trajectory control using neural networks. Int. J. Systems SCI., 1994, Vol. 25, №. 8. pp. 1249−1265.
  51. Berghuis H., Nijmeijer H. Robust control of robots using only position measurement. // Preprints of 12th World IF AC Congress, Sydney, Australia, July 1993, Vol.1, pp. 501−506.
  52. Brook N., Dayan J. Shavit A. Classification and examination of adaptivei Lcontrol methods for robots. // Preprints of 12 World IF AC Congress, Sydney, Australia, My 1993, Vol.1, pp. 149−152.
  53. Chen Y., Dezhao C. Generalized Error Back Propagation Training and Neural Network for Pattern Classification. // Proceeding of second control conference, Seoul, Korea, July 1997. Vol. 3, pp. 819−822.
  54. Choi J.-L., Hwang C.-S. On the fuzzy-neural controller for a multivariable nonlinear system. // Proceeding of second control conference, Seoul, Korea, July 1997. Vol.3, pp. 631−634.
  55. Dote Y., Akhmetov D. F., Shalique S. M. Control and Diagnosis for Power Electronic System Using Soft Computing. // Proceeding of second control conference, Seoul, Korea, July 1997. Vol. 3, pp. 491−494.
  56. Driving process modelling based on improved backpropagation algorithm. // Proceedings of the 14th World Congress of IF AC. Edited by Wu Т., Xu X., Copyright © 1999 IF AC
  57. Dyda, A. Design of Adaptive VSS Algorithm for Robot Manipulator Control // Proc. Of First Asian Control Conference. Tokyo, 1994. — pp. 10 771 080.
  58. Dyda, A. Design of Adaptive Algorithms for Underwater Manipulator // Proc. Of Int. Conf. OCEANS'94. Brest, France, 1994.
  59. Dyda, A. and Di Gennaro, S. Adaptive Trajectory Control for Underwater Robot. // Proc. Of Int. Conf. OCEANS'94. Brest, France, 1994.
  60. Dyda A. and Os’kin D. Neural Network control system for Underwater Robots // Proc. of IF AC Conf. «Control Applications in Marine Systems», Ancona, Italy, 2004. pp.427−432
  61. A.A. Dyda, E.V. Lubimov and A.K. Sheykhot Symbolic Synthesis of Control Laws for Underwater Vehicle and Robot Manipulator//Proc. Of Intern. IF AC Conf. «Control Application in Marine Systems» (CAMS'2007), Bol, Croatia, 2007. CD ROM, F0040.
  62. Dyda A.A., Filaretov V.F. Algorithm of time-sub-optimal control for robot manipulator drivers. // Preprints of 12th World IF AC Congress, Sydney, Australia, July 1993, vol.4, pp. 97−99.
  63. Feng G. Robust adaptive control for robot manipulators in task space. // Preprints of 12th World IF AC Congress, Sydney, Australia, July 1993, Vol.1, pp. 131−134.
  64. Fossen, T.I. Guidance and Control Systems od Ocean Vehicles. — John Wiley and Sons, 1997.
  65. Fossen, T.I. Marine Control Systems. Guidance, Navigation and Control of Ships, Rigs and Underwater Vehicles. Marine Cybernatics, AS, 2002.,
  66. Fuli W., Mingzhoung L., Yinghna Y. Multilayered feedforward-feedback recurrent neuron networks and learning algorithms. // Proceeding of 2nd control conference, Seoul, Korea, July 1997. Vol. 3, pp. 787−790.
  67. Harris C. J., Wu Z. Q., Feng M. Aspects of the theory and application of intelligent modeling, control and estimation. // Proceeding of second control conference, Seoul, Korea, July 1997. Vol. 3, pp. 1−10.
  68. Hsu L., Lizarralde F. Variable structure adaptive tracking control of robot manipulators without joint velocity measurement. // Preprints of 12th World IF AC Congress, Sydney, Australia, July 1993, Vol.1, pp. 145−148.
  69. Huaqiang L., Guanzhong D., Naiping X. Non-linear system identification using neural networks oriented speech. // 12th World Congress International Federation of Automatic Control, Sydney, Australia, 18−23 July 1993. Vol. 1, pp. 353−356.
  70. Isidori, Alberto. Nonlinear control systems: an introduction. Roma: 1989. — 482p.
  71. Jin L., Nikiforuk P.N., Gupta M.M. Model matching control of unknown nonlinear system using recurrent neural networks. // 12th World Congress International Federation of Automatic Control, Sydney, Australia, 18−23 July 1993. Vol. l, pp. 337−344.
  72. Koivisto H., Ruoppila V.T. and Koivo H.V. Real-time neural networkth control — an IMC approach. // Preprints of 12 World IF AC Congress, Sydney,
  73. Australia, July 1993, Vol.4, pp. 47−50.
  74. Ku C.C., Lee K.Y., Edwards R.M. Nuclear reactor control using diagonalthrecurrent neural networks. // Preprints of 12 World IF AC Congress, Sydney, Australia, July 1993, Vol.6, pp. 267−270.
  75. Lee J. H., Kim S. J., Lee S. B. The study on the intelligent control of robot system using neural networks. // Proceeding of second control conference, Seoul, Korea, July 1997. Vol. 3, pp. 67−70.
  76. Mori Y., Kobayashi H., Uchida K. Robot vision system by neural network-active vision and self-learning. // Preprints of 12th World IF AC Congress, Sydney, Australia, July 1993, Vol.3, pp. 65−68.
  77. Narendra K. S., Parthasaraty K. Identification and control of dynamical systems using neural networks.// IEEE transformations on neural networks. Vol. 1. № 1, march 1990.
  78. Neural network predictive adaptive controller based upon damped least square. // Taken from: Proceedings of the 14 World Congress of IF AC. Edited by Chen H. F., Cheng D. Z., Zhang J. F., Copyright © 1999 IF AC.
  79. Os’kin D.A., Dyda A.A. Neural Network and Adaptive Control System Synthesis: Comparative Study for Underwater Robots. // Pacific Science Review, Vol.2, 2000, pp. 34−37.
  80. Ouyang К. Y., Lee P.L., Cameron I.T. Polynomial system identification using neural networks. // Preprints of 12th World IF AC Congress, Sydney, Australia, July 1993, Vol.4, pp. 53−56.
  81. Park J. H. and Kang J. Y. Fuzzy-Logic Controller for a two-link Flexible Manipulator. // Proceeding of 2nd control conference, Seoul, Korea, July 1997. Vol.3, pp. 435−438.
  82. Rao M., Wang Q., Feng E., Jun Y., Chen B. Computer integrated process systems in continuous manufacturing industries. // Preprints of 12th World IFAC Congress, Sydney, Australia, July 1993, Vol.1, pp. 249−252.
  83. Sorsa Т., Suontausta J., Koivo H.N. Fault diagnosis of dynamic systems using neural networks. // 12th World Congress International Federation of Automatic Control, Sydney, Australia, 18−23 July 1993. Vol.7, pp. 453−456.
  84. Spangelo I., Egaland O. Thruster modelling and energy- optimization for an automous underwater vechicle. // Preprints of 12th World IFAC Congress, Sydney, Australia, July 1993, Vol.5, pp. 401- 404.
  85. Su H.-T., McAvoy T.J. Integration of multilayer perceptron networks and linear dynamic models. // Preprints of 12th World IFAC Congress, Sydney, Australia, July 1993, Vol.4, pp. 57−60.
  86. Wong A.K.C., Ching J.Y. Neural networks in manufacturing. // Preprints of 12th World IFAC Congress, Sydney, Australia, July 1993, Vol.3., pp. 41−44.
  87. Yorger D.R., Cooke J.G., Slotine J.-J.E. The influence of thruster dynamics on underwater vechicle behavior and their incorporation into control system design. // IEEE Jour, of Ocean. Eng., Vol.15, No. 3. July 1990. pp. 167−177.
  88. Yuh Y. A neural net controller for underwater robotic vehicle. // IEEE journal of oceanic engineering. Vol.15, № 3, July 1990.
Заполнить форму текущей работой

Заказал и сдал!