CC BY
94
УДК - 004.032.26
ПРОГРАММНЫЙ ПАКЕТ ДЛЯ ОБУЧЕНИЯ МЕТОДАМ НЕЙРОСЕ-ТЕВОГО УПРАВЛЕНИЯ
В. Л. Елисеев , аспирант кафедры Управления и информатики Тел.: (916) 914 9889, e-mail: vlad-eliseev@mail.ru Г. Ф. Филаретов, д. т. н., профессор Тел.: (495) 362 7761, e-mail: gefefi@yandex.ru Московский Энергетический Институт (Технический Университет)
www.mpei.ru
A tutorial software for neural network applications in automatic control systems is observed. The analysis of requirements for such software and capabilities of analogues that can be used for educational purposes is performed. A structure of designed software is described. Key characteristics and technologies that were used are described.
Рассматривается программный пакет для обучения нейросетевым методам, используемым в системах автоматического управления. Проводится анализ требований и существующих программных средств, пригодных для применения в учебном процессе в курсе по искусственным нейронным сетям. Описывается структура разработанного программного пакета, его характеристики и используемые технологии.
Ключевые слова: искусственная нейронная сеть, система автоматического управления,
компьютерное моделирование, обучающая программа
Keywords: artificial neural network, automatic control system, computer simulation, tutorial software
Введение. Применение нейронных сетей в системах управления является достаточно новым направлением инженерной практики. Исследования в этой области идут широким фронтом, однако методологические аспекты пока недостаточно проработаны. В частности, это сказывается на том, что отсутствуют общедоступные программные пакеты, позволяющие изучать нейросете-вые методы автоматического управления, не пользуясь программированием.
Обычно для практических работ по курсу искусственных нейронных сетей (НС) используется тот или иной универсальный (Statistica, MatLab, Octave) или специализированный нейросе-тевой (Stuttgart Neural Network Simulator, Neural Lab, Trajan) программный пакет или специальный web-сайт [1]. Для большинства типовых задач, решаемых с помощью НС (распознавание образов, ассоциативная память, кластеризация, предсказание и т.п.), возможностей перечисленных пакетов часто бывает достаточно. Как правило, они позволяют осуществлять:
•задание архитектуры нейросети и метода ее обучения,
•задание обучающего множества,
•задание параметров обучения,
•обучение нейронной сети,
•анализ качества работы обученной сети.
Однако применение НС в задачах управления требует дополнительно наличия ряда функций, отсутствующих в перечисленных пакетах нейросетевого моделирования. В их числе:
•задание вида и параметров регулятора и объекта управления,
•возможность задания входных сигналов (уставки и помехи) различных видов,
•съем данных из различных точек контура управления для визуализации и обучения НС, •моделирование САУ,
•сравнение и анализ качества работы САУ, в том числе, с нейросетевыми компонентами.
В универсальных пакетах (класса MatLab) реализация перечисленных функций требует достаточно серьезного программирования как вычислительных, так и интерактивных и графических функций. В то же время, получающаяся программа будет обладать ограниченным быстродействием, так как должна быть написана на интерпретируемом языке программирования. Вопросы быстродействия в классе задач автоматического управления достаточно важны, поскольку моделирование и обучение нейронных сетей производится на длинных временных рядах (порядка 104 - 107 отсчетов).
Еще одним классом программ, разрабатываемым в учебных целях, являются демонстрационные программы, чаще всего размещаемые в Интернете и доступные для online-использования. Такие программы обычно демонстрируют какой-то конкретный алгоритм управления на конкретном объекте — например, управление обратным маятником [2]. Для проведения моделирования пользователю достаточно запустить программу. Иногда имеется возможность задать некоторые параметры системы и возмущающее воздействие. К достоинствам online-программ относится то, что их не надо устанавливать на компьютер, они не потребляют компьютерных ресурсов пользователя (за исключением web-браузера, используемого для доступа на web-страницу программы) и доступны везде и всегда где есть доступ в Интернет.
В то же время, у подобных программ, часто выглядящих как рекламный ролик алгоритма управления, есть свои недостатки:
•узкая специализация на одной прикладной задаче, часто с фиксированными параметрами;
•презентационная направленность, скрывающая от пользователя внутренние элементы алгоритма и демонстрирующая только результат;
•отсутствие возможности сравнения с иными алгоритмами управления.
Ясно, что демонстрационные online-программы могут быть использованы в учебном процессе очень ограниченно — для иллюстрации работы конкретных управляющих алгоритмов в конкретных задачах. Для практических занятий, подразумевающих деятельное участие студентов, они совершенно непригодны.
Учитывая вышесказанное, разработка интерактивного программного пакета, позволяющего решать задачи нейросетевого управления и сопоставлять нейросетевые подходы с традиционными, представляется актуальной.
Основной результат. Далее приводятся сведения о создании оригинального программного пакета, предназначенного для целей обучения методам нейросетевого управления. На базе этого пакета достаточно просто можно создать лабораторный практикум для студентов инженерных специальностей, изучающих нейросетевые методы вообще и применение нейронных сетей в системах автоматического управления в частности. С его помощью можно также разработать цикл практических занятий, демонстрирующий возможности нейронных сетей в динамических системах и сопровождающий лекционный материал об использовании нейронных сетей в системах управления.
В соответствии со своим назначением программный пакет решает задачи моделирования САУ, моделирования и обучения нейронных сетей, их интеграцию в единое целое. В основу его построения положен ряд принципов (требований), учитывающих специфику применения пакета в учебном процессе. В первую очередь к ним можно отнести требования общего характера, в числе которых:
• отсутствие возможности сравнения с иными алгоритмами управления.
• простота в изучении и использовании;
• возможность адаптации к конкретным особенностям учебного процесса;
• быстродействие на не самых современных компьютерах;
• открытость к модификации;
• использование общедоступных и открытых технологий создания программного продукта;
• интерактивность взаимодействия пользователя с программным продуктом.
В дополнение к ним выдвигается специфическое требование, необходимость которого связана с моделированием систем автоматического управления, а именно обеспечение возможности гибкой настройки элементов контура и условий его работы. В частности, в пакете настраиваются:
• уставка (стохастическая, детерминированная);
• помеха (стохастическая, детерминированная);
• регулятор (линейный, нелинейный, нейросетевой);
• объект управления (линейный, нелинейный; стационарный, нестационарный).
Вместе с тем, учитывая учебную направленность пакета, представляется достаточным ограничиться одноконтурными системами управления, когда объект является одноканальным по входу и выходу. Это существенно упрощает интерактивную часть пакета и практику его использования.
Для моделирования и обучения нейронных сетей предусмотрены следующие возможности:
• создание многослойного персептрона с произвольной архитектурой;
• обучение нейронной сети на заданной выборке с контролем процесса и результата по тестовой выборке;
• предсказание поведения объекта управления с помощью нейронной сети в контуре в процессе моделирования;
• обучение нейронной сети - регулятора в контуре управления в процессе его моделирования.
Анализ требований к пакету обнаруживает, что некоторые из них трудно совместить, пользуясь какой-то одной инструментальной технологией разработки программ. В частности, эффективное выполнение вычислительных алгоритмов требует компиляции программ перед выполнением. Только с помощью компиляции можно обеспечить приемлемое быстродействие на различных компьютерах, используемых в учебном процессе. В то же время, открытость к модификации подразумевает возможность изменения программы прямо перед выполнением, что важно для быстрой разработки расширений и дополнений, а также при углубленном изучении пакета программ и проведении с его помощью исследований учебно-научного характера.
Кроме того, не все технологии разработки программного обеспечения доступны на наиболее распространенных операционных системах: Microsoft Windows, Linux, Mac OS X. Некоторые из них реализованы только в дорогостоящих коммерческих программных продуктах. Компромиссным решением выглядит совместное использование двух подходящих технологий, хорошо интегрирующихся друг с другом и обладающих взаимодополняющими качествами. Одной из таких пар является C++ и Tcl/Tk [3]. При функциональном разделении пакета на интерактивную и вычислительную части первая удобно и гибко реализуется интерпретируемыми скриптами Tcl/Tk, а вторая компилируется на C++.
Вычислительные функции пакета реализованы в форме переносимой (ОС MS Windows, Linux, QNX) объектно-ориентированной библиотеки NeuArch, в функции которой входят:
• Работа с произвольными цепочками линейных и нелинейных звеньев: создание, выполнение, хранение в файлах. Имеется возможность простого расширения набора нелинейных звеньев;
• Работа с нейросетями архитектуры «многослойный персептрон»: создание, обучение, выполнение, хранение в файлах;
• Моделирование динамических систем в дискретном времени с помощью сетей Петри;
• Ряд необходимых вспомогательных функций: ввод/вывод данных, чтение и запись файлов параметров, абстрактные структуры данных и прочий сервис.
На базе библиотеки разработаны программы, обеспечивающие моделирование обычных и нейросетевых систем автоматического управления, обучение нейронных сетей и решение ряда вспомогательных задач. Управление этими программами осуществляется через параметры, передаваемые в командной строке или в специальном файле параметров.
Интерактивная часть пакета обеспечивает графический интерфейс и вызов из него всех необходимых программ, скрывая от пользователя процедуру формирования файла параметров. Реализованы следующие рабочие окна пользовательского интерфейса пакета:
S моделирование САУ включая случай нестационарного поведения объекта;
S создание/просмотр/редактирование цепочки линейных и нелинейных звеньев;
S создание/просмотр/редактирование нейронной сети;
S обучение нейросетевой модели объекта с использованием указанных выборок вне контура;
S обучение нейронной сети регулятора с использованием указанных выборок вне контура;
S обучение нейронной сети регулятора в контуре управления в процессе его моделирования;
S просмотр заданных выборок (дискретных временных рядов) в виде графиков по времени;
S просмотр заданной выборки в виде гистограммы для оценки одномерного распределения;
S просмотр двух заданных синхронных выборок в виде множества точек на двумерной плоскости для оценки двумерного распределения.
Лабораторная работа №1
Нейросетевая имитация линейного регулятора Шаг №1
Сбор данных в исходном контуре управления
г е ->■ Регулятор -*■ и —*- Объект -
"
I
Параметры
Запустить
Г рафики
-Jj
Закрыть
а)
Рис.1
Образцы некоторых рабочих окон представлены на рис. 1 (окна моделирования САУ (а) и редактирования архитектуры нейросети (б).
Выводы. Сформулированные выше принципы (требования) и программный пакет, основанный на их применении, отличаются новизной. Разработанный пакет, объединяющий исследовательские и обучающие функции, использован при создании лабораторного практикума по применению нейронных сетей в системах управления, включающий освоение студентами методов синтеза нейросетевых систем управления стационарными и нестационарными объектами, сопоставление нейросетевого, винеровского и ПИД регуляторов в различных условиях. Практикум будет использован на кафедре Управления и информатики МЭИ в рамках курса «Нейрокомпьютеры и их применение».
Литература
1. Neural Network Online Training Tool // URL: http://husky.if.uidaho.edu/nn/ (дата обращения 21.02.2011)
2. An inverted pendulum on an oscillatory base // URL: http://mw.concord.org/modelerL3/mirror/ mechanics/inversependulum.html (дата обращения 21.02.2011)
3. Tcl Developer Exchange // URL: http://www.tcl.tk/ (дата обращения 21.02.2011)
УДК 330.42
«ОБЛАЧНЫЕ ВЫЧИСЛЕНИЯ». НОВЫЕ ВОЗМОЖНОСТИ ДЛЯ ОПЕРАТОРОВ СВЯЗИ
А. А. Вартанян, д. э. н., к. ф.-м. н., профессор, проректор УМО Тел. (495) 673 4620, e-mail: vartan@mtuci.ru А. А. Боровков, аспирант Тел. (916) 815 3329, e-mail: Borovkov.Alexey@gmail.com Московский Технический Университет Связи и Информатики
http://www.mtuci.ru
In the article the possibility and expediency of creation of the new service provider in the modern market named «cloud services» on the basis of a Telco operator are considered.The following questions are analysed: What will it give both to the consumer and the market.? What advantages will be got by a communication provider? What possible economic problems will the Telco operator face? What business models can be used at «cloud services» service provider startup phase? What economic indicators are necessary for the estimation of economic efficiency of new services?
В статье рассматривается возможность и целесообразность создания нового игрока на рынке современных «облачных услуг» на базе оператора связи. Рассмотрены вопросы: Что это даст как потребителю, так и рынку.? Какие преимущества приобретет сам оператор связи? С какими возможными экономическими проблемами столкнется оператор связи? Какие бизнес-модели могут быть использованы при создании оператора «облачных услуг»? Какие экономические показатели необходимо ввести для оценки экономической эффективности новых услуг?
Ключевые слова: «Облачные услуги», Оператор связи, Интернет, Бизнес-модель, Экономические показатели, Качество услуг
Keywords: Cloud Services, Network operator, Internet, Business model, SaaS, IaaS, PaaS, Quality of service
«Облачные вычисления» сегодня
Интенсивное развитие технологий связи, НТП, повышение уровня проникновения услуг передачи данных, оказывает непосредственное влияние на появление на рынке современных услуг с использованием технологии распределенной обработки данных. «Облачные вычисления»
представляют собой результат эволюции и конвергенции современных средств виртуализации,
