Методи та засоби проектування апаратних компонентів нейромережевих систем керування

Скорочена інформація про документ
dc.contributor.authorШимкович, Володимир Миколайович
dc.date.accessioned2021-04-08T10:10:10Z
dc.date.available2021-04-08T10:10:10Z
dc.date.issued2021
dc.description.abstractenThe dissertation is devoted to solving the problem of increasing the efficiency of the components of neural network control systems, which allow to synthesize neural network control systems that function and adapt in real time taking into account the specifics of control tasks. ANN can be used in facilities such as robotics, unmanned aerial vehicle control, vehicle control, pattern recognition, analysis and decision making in the Internet of Things, spacecraft control, military equipment and many other applications of modern technologies. In these systems, neural networks can be used to identify objects, predict the state of objects, recognize, cluster, classify, analyze large amounts of data coming at high speed from a large number of devices and sensors, and more. ANN can be used to build control and correction devices, reference, adaptive, nominal and inverse-dynamic models of objects, based on which the study of objects, analysis of the impact of perturbations acting on the object, determining the optimal control law, search or calculation of the optimal program to change the control effect when changing the values of the parameters of the object and the characteristics of the input data. Dynamic expansion of embedded systems that require the use of hardware with ANN, to increase the efficiency of their work, determine the increased requirements for these hardware, their speed, accuracy and use of computing resources. Thus, the scientific and technical task of increasing the efficiency of hardware implementation of neural network components of control systems for dynamic objects, providing adaptation and self-tuning of control systems in real time is relevant. The purpose of the dissertation is to increase the efficiency of neural network control systems by creating high-speed components that allow you to implement the functions of identification, adaptation and control of dynamic objects in real time. The results of the research are presented in four sections of the dissertation. In dissertation analyzes the areas of application of ANN hardware, the main structures of neural network control systems for dynamic objects. Based on the analysis, it was found that neural network control systems consist of direct and inverse models of the control object and the component of their adaptation. Based on the ANN analysis, it has been established that several dozen types of ANN have been developed and researched to date, but the main, fundamentally different types are three types of networks: RBF-networks, Hopfield dynamic networks and direct distribution networks. Due to the properties ANN, they can be used for further design on their basis of direct and inverse models of the control object. The existing methods and algorithms of ANN learning are analyzed. Based on the analysis, it is established that the use of a genetic algorithm for training the neural network components of the CS is the most optimal for hardware implementation. The analysis of the current state of software, hardware and hardware-software means of realization of ANN is carried out. As a result of the analysis it was established that the means of implementation of neural network control systems should be focused on widespread use in industrial conditions, be universal and flexible, function and learn in real time, be simple and cheap, so the most promising tools can be considered FPGA. The review of the main works on realization of ANN by means of FPGA is carried out. In dissertation proposes a method for designing nonlinear activation functions of an artificial neuron on an FPGA. Based on the proposed method, algorithms for hardware implementation of an artificial neuron with sigmoidal activation function and a hidden layer neuron of the RBF network with a Gaussian activation function have been developed. A research of implemented artificial neurons and ANN was performed. It is shown that due to the developed method and algorithms significant optimization of the used resource is provided, the speed of calculations of hardware units with ANN and their accuracy in comparison with analogues increases. In manuscript develops technology for construction, research and evaluation of neural network models of multidimensional control objects for their further implementation. A method of designing hardware components, such as direct and inverse model of control object, neural network control systems, which are basic for structural synthesis of control systems, for calculation of state vectors of object and formation of control function is developed. The method of optimization of ANN weighting factors by means of genetic algorithm at realization on FPGA is developed that allows increasing considerably speed of adaptation of direct and inverse model of control object. In dissertation implemented and researched on the basis of the developed components: control systems without feedback; feedback control systems; adaptive control system with direct and inverse models of the control object; adaptive neural network control system with a reference model; a model of the operating neurocontroller of the stabilization system of a moving object on a limited plane is developed.uk
dc.description.abstractruВ диссертационной работе получено новое решение научно-технической задачи повышения эффективности работы компонентов нейросетевых систем управления, которые позволяют синтезировать нейросетевые системы управления, функционирующих и адаптируются в режиме реального времени с учетом специфики задач управления. Разработан метод проектирования сигмоидальной функции активации искусственного нейрона на основе FPGA и алгоритмы реализации искусственных нейронов. Разработаны методы проектирования аппаратных компонентов нейросетевых систем управления, таких как нейросетевая модель объекта управления и компонент ее адаптации, которые являются базовыми для структурного синтеза систем управления. Реализовано и исследовано, на основе разработанных компонентов, нейросетевые системы управления и разработан макет действующего нейроконтроллера системы стабилизации подвижного объекта на ограниченной плоскости. Исследования показали высокую эффективность и быстродействие разработанных компонентов.uk
dc.description.abstractukВ дисертаційній роботі отримано нове вирішення науково-технічної задачі підвищення ефективності роботи компонентів нейромережевих систем керування, які дозволяють синтезувати нейромережеві системи керування, що функціонують та адаптуються в режимі реального часу з врахуванням специфіки завдань керування. Розроблено метод проєктування сигмоїдальної функції активації штучного нейрону на основі FPGA та алгоритми реалізації штучних нейронів. Розроблено методи проєктування апаратних компонентів нейромережевих систем керування, таких як нейромережева модель об’єкта керування та компонент її адаптації, які є базовими для структурного синтезу систем керування. Реалізовано та досліджено, на основі розроблених компонентів, нейромережеві системи керування та розроблено макет діючого нейроконтролера системи стабілізації рухомого об'єкта на обмеженій площині. Дослідження показали високу ефективність та швидкодію розроблених компонентів.uk
dc.format.page32 с.uk
dc.identifier.citationШимкович, В. М. Методи та засоби проектування апаратних компонентів нейромережевих систем керування : автореф. дис. … канд. техн. наук. : 05.13.05 – комп'ютерні системи та компоненти / Шимкович Володимир Миколайович. – Київ, 2021. – 32 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/40489
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectнейронна мережаuk
dc.subjectсистеми реального часуuk
dc.subjectгенетичний алгоритмuk
dc.subjectсистеми керуванняuk
dc.subjectпрограмована логічна інтегральна схемаuk
dc.subjectneural networkuk
dc.subjectreal-time systemsuk
dc.subjectgenetic algorithmuk
dc.subjectcontrol systemsuk
dc.subjectfield programmable gate arrayuk
dc.subjectнейронная сетьuk
dc.subjectсистемы реального времениuk
dc.subjectгенетический алгоритмuk
dc.subjectсистемы контроляuk
dc.subjectпрограммируемая логическая интегральная схемаuk
dc.subject.udc004.896uk
dc.titleМетоди та засоби проектування апаратних компонентів нейромережевих систем керуванняuk
dc.typeThesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Shymkovych_aref.pdf
Розмір:
642.42 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Автореферати (АУТС)
Автореферати (вільний доступ)