Научная статья на тему 'Исследование нейросетевых кинематических моделей автономного подвижного объекта'

Исследование нейросетевых кинематических моделей автономного подвижного объекта Текст научной статьи по специальности «Механика и машиностроение»

CC BY
53
24
i Надоели баннеры? Вы всегда можете отключить рекламу.
Ключевые слова
АВТОНОМНЫЙ ПОДВИЖНЫЙ ОБЪЕКТ / НЕЙРОСЕТЕВАЯ МОДЕЛЬ / КИНЕМАТИЧЕСКИЕ ПАРАМЕТРЫ РОДРИГА-ГАМИЛЬТОНА / НЕЙРОИМИТАТОР

Аннотация научной статьи по механике и машиностроению, автор научной работы — Винокуров И. В.

Описываются основные результаты исследования нейросетевых кинематических моделей автономного подвижного объекта с использованием нейроимитатора NeuroIterator

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Исследование нейросетевых кинематических моделей автономного подвижного объекта»

МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №3/2016 ISSN 2410-6070

Рисунок 4 - Графики активности НПЭ выходного слоя НС

НИ №игоЙ;ега1;ог был использован для исследования нейросетевых моделей ориентации и навигации автономного подвижного объекта [1, с. 32, 34].

Список использованной литературы: 1. Сборник статей Международной научно-практической конференции "Новые задачи технических наук и пути их решения" (20 февраля 2015, г. Уфа). - Уфа: Аэтерна, 2015.

© Винокуров И.В., 2016

УДК 004.272

И.В. Винокуров

К.т.н., доцент

КФ МГТУ им Н.Э. Баумана, г. Калуга, РФ

ИССЛЕДОВАНИЕ НЕЙРОСЕТЕВЫХ КИНЕМАТИЧЕСКИХ МОДЕЛЕЙ АВТОНОМНОГО ПОДВИЖНОГО ОБЪЕКТА

Аннотация

Описываются основные результаты исследования нейросетевых кинематических моделей автономного подвижного объекта с использованием нейроимитатора №игоЙ;ега1;ог

Ключевые слова

Автономный подвижный объект, нейросетевая модель, кинематические параметры

Родрига-Гамильтона, нейроимитатор

Для определения максимальной абсолютной погрешности аппроксимации нейронной сетью (НС) решения кинематических уравнений в параметрах Родрига-Гамильтона воспользуемся НИ №игоЙ;ега1;ог. Для этого необходимо сформировать модели нейроноподобных элементов (НПЭ), образующих НС, определить весовые коэффициенты межнейронных связей и описать структуру НС на внутреннем макроязыке НИ. Учитывая, что функции активации НПЭ НС для интегрирования кинематических уравнений в параметрах Родрига-Гамильтона являются кусочно-линейными и при этом максимальные значения этих кинематических параметров по модулю не превышают единицы, модели всех НПЭ формируются

Q =

( 0.999062646 0.024992187 0.024992187 0.024992187

- 0.024992187 0.999062646

- 0.024992187 0.024992187

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №3/2016 ISSN 2410-6070_

следующим образом: ID = 1 Y1 = 1.0 X1 = - 1.0 Xt = 0

Рассмотрим для начала нейросетевую кинематичекую модель автономного подвижного объекта (АПО) 4-го порядка. Матрица весовых коэффициентов межнейронных связей НС для максимальных значений проекций угловой скорости вращения АПО на оси связанной с ним системы координат и заданного шага интегрирования имеет следующий вид:

- 0.024992187 - 0.024992187^ 0.024992187 - 0.024992187 0.999062646 0.024992187

- 0.024992187 0.999062646

ч У

Ниже приведено описание исследуемой НС на внутреннем макроязыке НИ NeuroIterator для вышеуказанных весовых коэффициентов межнейронных связей. Начальные значения кинематических параметров Родрига-Гамильтона, время и шаг интегрирования соответствующих кинематических уравнений определяются параметрами движения АПО. NEURONS 4; SIMTIME 0, 400; TIMESTEP 0.01;

INITSTATE {neuronl, 0.5; neuronl, - 0.5; neuron3, 0.5; neuron4, - 0.5; } MODEL { (neuron1, neuron2, neuron3, neuron4), 1;} OUTPUTLAYER {neuron1, weight 1; neuron2, weight 1; neuron3, weight 1; neuron4, weight 1;}

NETWORKLAYOUT{neuron1, (neuron1, neuron2, neuron3, neuron4), weight 0.999062646, 0.024992187, 0.024992187, 0.024992187;

neuron2, (neuron1, neuron2, neuron3, neuron4), weight - 0.024992187, 0.999062646, - 0.024992187, 0.024992187;

neuron3, (neuron1, neuron2, neuron3, neuron4), weight - 0.024992187, 0.024992187, 0.999062646, - 0.024992187;

neuron4, (neuron1, neuron2, neuron3, neuron4), weight - 0.024992187, - 0.024992187, 0.024992187, 0.999062646; } END

На рис. 1 приведены результаты моделирования нейросетевой кинематической модели АПО 4-го порядка [1, с. 32].

Рисунок 1 - Числовые значения активности НПЭ НС

_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «ИННОВАЦИОННАЯ НАУКА» №3/2016 ISSN 2410-6070_

Результаты, приведенные на рис. 1, соответствуют максимальным значениям проекций угловой скорости вращения АПО на оси связанной с ним системы координат - 5 рад/c . На рис. 2 приведен график с результатами аналогичных исследований работы НС для других значений проекций угловой скорости вращения АПО.

5 6

№ варианта

Рисунок 2 - Максимальные абсолютные погрешности моделирования кинематических параметров АПО

для нейросетевой модели 4-го порядка

На горизонтальной оси этого графика указаны номера вариантов проекций угловой скорости вращения АПО ( , ^уЕ, ), соответствующих различным траекториям его движения, табл. 1.

Таблица 1

Вариантов проекций угловой скорости вращения АПО

№ варианта wxE wyE wzE

1 5.0 5.0 5.0

2 5.0 5.0 2.5

3 5.0 2.5 2.5

4 5.0 2.5 0.5

5 2.5 2.5 2.5

6 2.5 0.5 0.5

7 2.5 0.5 0.25

8 0.5 0. 5 0.5

9 0.5 0. 25 0.25

10 0.25 0. 25 0.25

График с результатами моделирований работы НС для нейросетевой кинематической модели 3-го порядка приведен на рис. 3.

Рисунок 3 - Максимальные абсолютные погрешности моделирования кинематических параметров АПО

для нейросетевой модели 3-го порядка

Список использованной литературы:

1. Сборник статей Международной научно-практической конференции "Новые задачи технических наук и пути их решения" (20 февраля 2015, г. Уфа). - Уфа: Аэтерна, 2015.

© Винокуров И.В., 2016

i Надоели баннеры? Вы всегда можете отключить рекламу.