Skip navigation
Please use this identifier to cite or link to this item: https://ela.kpi.ua/handle/123456789/15941
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorДорошенко, А. Ю.-
dc.contributor.advisorDoroshenko, A.-
dc.contributor.advisorДорошенко, А. Ю.-
dc.date.accessioned2016-05-23T12:15:05Z-
dc.date.available2016-05-23T12:15:05Z-
dc.date.issued2014-
dc.identifier2617-п-
dc.identifier.govdoc0113U000223-
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/15941-
dc.language.isoukuk
dc.contributor.researchgrantorНаціональний технічний університет України "Київський політехнічний інститут"uk
dc.subjectнейромережеві системи управлінняuk
dc.subjectпрограмне середовищеuk
dc.subjectінтелектуальні системиuk
dc.titleРозробка методів і засобів апаратно-програмної реалізації нейроконтролерів на основі програмованих логічних інтегральних схем для побудови інтелектуальних систем управлінняuk
dc.title.alternativeDevelopment of methods and facilities vehicle-programmatic realization of neurocontroller on the basis of the programmable logic integrated circuit for the construction of intellectual control system-
dc.title.alternativeРазработка методов и средств аппаратно-программной реализации нейроконтроллеров на основе программируемых логических интегральных схем для построения интеллектуальных систем управления-
dc.typeTechnical Reportuk
dc.contributor.degreefacultyінформатики та обчислювальної технікиuk
thesis.degree.level-uk
dc.format.page7 с.uk
dc.status.pubpublisheduk
dc.publisher.placeКиївuk
dc.description.abstractukНейромережеві системи управління відносяться до класу інтелектуальних систем і є одним із можливих варіантів побудови адаптивних та самоналагоджуваних систем управління складними динамічними об’єктами, що можуть функціонувати в умовах структурної, параметричної та інформаційної невизначеності. Такі системи здатні керувати об’єктами будь якої складності але мають проблеми з навчанням та адаптацією їх в реальному часі. Вирішення цих проблем можливо за рахунок використання оптимальних по складності нейромережевих структур, які реалізуються апаратними засобами з великою швидкодією, розпаралеленими обчислювальними процедурами, заміною процедур навчання нейромереж їх налаштуванням. На даний час існує широка гамма апаратних засобів реалізації елементів нейромережевих систем управління, зокрема це нейросигнальні, цифрові сигнальні та систолічні процесори, замовлені нейрочіпи та ПЛІС-структури. Кожний із них мають ряд переваг і недоліків, які пов’язують з вартістю реалізації, наявністю засобів розробки та програмування, сумісністю з іншими елементами системи, енергоспоживанню та іншим. В цьому відношенні найбільш перспективними засобами є ПЛІС-структури, які в порівняні з іншими є універсальними, відносно простими та дешевими обчислювачами, дозволяють організовувати паралельні обчислювальні структури, мають велику швидкодію та добре розроблені засоби програмування. В роботі розроблена концепція та методики реалізації нейромережевих систем управління на апаратній платформі ПЛІС, які реалізують структурні елементи адаптивних систем управління: моделі об’єктів, регулятори, ідентифікатори станів об’єкта, фільтри та інше, а також розпаралелені обчислювальні процедури налагодження згаданих нейромережевих елементів і системи в цілому шляхом використання еволюційних технологій оптимізації.Проведено дослідження апаратних затрат ПЛІС для реалізації нейромережевих структур різної конфігурації, розроблено та виготовлено макет нейроконтролера на основі ПЛІС ы технічну документацію на нього. Для розробки, моделювання, дослідження, наладки та реалізації нейромережевих елементів та систем управління на їх основі в роботі розроблено спеціалізоване програмне середовище, яке базується на програмних пакетах SystemGeneratorfor DSP Xilinx, MATLAB і LabVIEW.uk
dc.description.abstractenNeural network systems belong to the class of intelligent systems and are one of possible variants of adaptive and self-adjusting control systems for complex dynamic objects that can operate under structural, parametric and information uncertainty. These systems are able to control objects of any complexity but have problems with learning and adapting them in real time. Solving these problems is possible through the use of neural network structures of optimal complexity, implemented in hardware with a high speed, concurrent computing, and replacement of neural network learning procedures with their adjustment. Currently, there is a wide range of hardware implementation of neural network elements in control systems, particularly neurosignal, digital signal and systolic processors, ordered neurochips and PLA structures. Each of them have some advantages and disadvantages that are associated with the cost of implementation, availability of development and programming tools, compatibility with other elements of the system, energy consumption and others. At that point, the most promising tools are PLA structures, that in comparison with other are universal, relatively simple and cheap computing tools, allow organizing parallel computing structures, having great speed and well-designed programming tools. In this paper was developed the concept and methodology of implementation of neural network control system on a hardware platform PLAs, that implement structural elements of adaptive control systems: the object models, controllers, identifiers of states of the object, filters, etc., as well as concurrent computing procedures for these neural elements and the whole system adjustment by using evolutionary optimization technology. Was conducted the research of PLA hardware cost for implementation of neural network structures with different configurations, was designed and manufactured neurocontroller layout based on PLAs and technical documentation for it. For the development, design, research, adjustment and implementation of neural network elements and control systems based on them in the work was developed specialized software environment that is based on software packages System Generator for DSP Xilinx, MATLAB and LabVIEW.uk
dc.description.abstractruНейросетевые системы управления относятся к классу интеллектуальных систем и являются одним из возможных вариантов построения адаптивных и самонастраиваемых систем управления сложными динамическими объектами, которые могут функционировать в условиях структурной, параметрической и информационной неопределенности. Такие системы способны управлять объектами любой сложности, но имеют проблемы с обучением и адаптацией их в реальном времени. Решение этих проблем возможно за счет использования оптимальных по сложности нейросетевых структур, которые реализуются аппаратными средствами с большим быстродействием, розпаралеленими вычислительными процедурами, заменой процедур обучения нейросетей их настройкой. На данное время существует широкая гамма аппаратных средств реализации элементов нейросетевых систем управления, в частности это нейросигнальные, цифровые сигнальные и систоличные процессоры, заказанные нейрочипы и ПЛИС. Каждый из них имеет ряд преимуществ и недостатков, которые связывают со стоимостью реализации, наличием средств разработки и программирования, совместимостью с другими элементами системы, энергопотреблению и другому. В этом отношении наиболее перспективными средствами являются ПЛИС, которые в сравнении с другими являются универсальными, относительно простыми и дешевыми вычислителями, позволяют организовывать параллельные вычислительные структуры, имеют большое быстродействие и хорошо разработанные средства программирования. В работе разработана концепция и методики реализации нейросетевых систем управления на аппаратной платформе ПЛИС, которые реализуют структурные элементы адаптивных систем управления: модели объектов, регуляторы, идентификаторы состояний объекта, фильтры и другие, а так же розпаралеленые вычислительные процедуры налаживания упомянутых нейросетевых элементов и системы в целом путем использования эволюционных технологий оптимизации. Проведено исследование аппаратных затрат ПЛИС для реализации нейросетевых структур разной конфигурации, разработан и изготовлен макет нейроконтролера на основе ПЛИС и техническая документация на него. Для разработки, моделирования, исследования, наладки и реализации нейросетевых элементов и систем управления, на их основе в работе разработана специализированная программная среда, которая базируется на программных пакетах SystemGenerator for DSP Xilinx, MATLAB и LABVIEW.uk
dc.publisherНТУУ "КПІ"uk
dc.contributor.degreedepartmentНДІ інформаційних процесівuk
Appears in Collections:Анотовані описи завершених науково-дослідних робіт КПІ ім. Ігоря Сікорського

Files in This Item:
File Description SizeFormat 
2617-п.pdf526.55 kBAdobe PDFThumbnail
View/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.