ПРИМЕНЕНИЕ АССОЦИАТИВНОГО РЕГУЛЯТОРА В КОНТУРЕ УПРАВЛЕНИЯ МЕХАТРОННЫМ МОДУЛЕМ

П.В. Васильев, О.В. Даринцев, Р.А. Мунасыпов

Об авторах

П.В. Васильев, О.В. Даринцев, Р.А. Мунасыпов

Васильев П.В. – аспирант, Институт механики им. Р.Р. Мавлютова УФИЦ РАН, 283001, 450054, г. Уфа, Проспект Октября, 71, +7(937)-345-09-88. Область научных интересов: робототехника, автоматическое управление, искусственный интеллект, моделирование технических систем.

Даринцев О.В. – д.т.н. доцент ФГБОУ ВО «Уфимский университет науки и техно - логий», кафедр а Механики и цифрового проектирования, 450076, г. Уфа, ул. Заки Валиди, 32. Область научных интересов: робототехника, автоматическое управление, искусственный интеллект.

Мунасыпов Р.А. – д.т.н. профессор, ФГБОУ ВО «Уфимский университет науки и технологий», кафедр а Автоматизации технологических процессов, 450076, г. Уфа, ул. Заки Валиди, 32. Область научных интересов: робототехника, автоматическое управление, архитектура систем управления, аппаратное обеспечение.

Скачать PDF

УДК: 519.4
DOI: 10.24412/2413-7383-2025-4-39-183-193
Язык: Русский

Аннотация: В статье рассматривается актуальная задача повышения эффективности систем управления мехатронными модулями в контексте концепции "Индустрия 4.0". Проводится сравнительный анализ четырех различных методов применения ассоциативного регулятора на базе нейронной сети CMAC (Cerebellar Model Articulation Controller) для улучшения качества работы классического ПИД-регулятора. Рассматриваются следующие архитектуры: параллельная работа ПИД-регулятора и ассоциативного регулятора для компенсации возмущений, динамическая настройка коэффициентов ПИД-регулятора с помощью ассоциативной памяти, гибридный метод, сочетающий оба подхода, а также полная замена ПИД-регулятора ассоциативным. Анализ проводится на примере модели сервопривода в среде Matlab/Simulink. В работе оценивается эффективность предложенных методов по таким показателям, как быстродействие и перерегулирование, и демонстрируются преимущества гибридных интеллектуальных систем управления.

Ключевые слова: ПИД-регулятор, ассоциативная память, настройка регулятора, CMAC

Список литературы

1. Денике Л.В. Зарубежный опыт цифровой трансформации предприятий за счет применения искусственного интеллекта // Прикладные экономические исследования. 2025. № 2. С. 249–255. doi: 10.47576/2949-1908.2025.2.2.028.
2. Айдосова А.А. Ермекбаева Д.Д. Роль искусственного интеллекта в цифровой модернизации экономики // Universum: экономика и юриспруденция: электрон. научн. журн. 2025. 6(128).
3. Анцыферов С.С. Фазилова К.Н. Муравьев Д.С. Интеллектуальные системы управления качест- вом технологических процессов и оборудования наукоёмкого производства // Искусственный интеллект: теоретические аспекты, практическое применение: материалы Донецкого международ- ного научного круглого стола, Донецк, 28 мая 2025 года. Донецк: Федеральное государственное бюджетное научное учреждение "Институт проблем искусственного интеллекта", 2025. С. 163-
4. EDN CRMCLC.
5. Бураков М. В. Коновалов A. C. Нечеткий супервизор ПИД-регулятора. Информационно- управляющие системы, 2018, № 5, с. 13–21. doi:10.31799/1684-8853-2018-5-13-21.
6. Жилов Р.А. Постройка ПИД-регулятора с использованием нейронных сетей //Известия Кабардино-Балкарского научного центра РАН. 2022. № 5 (109). С. 38–47. DOI: 10.35330/1991- 6639-2022-5-109-38-47 В Васильев П.В. Даринцев О.В. Мунасыпов Р.А.
7. Чибисов А.В. Попов А.Г. Мозговой Н.А. Пиджаков В.А. Пиджаков В.А. Автоматическая настройка ПИД-регулятора с применением машинного обучения для обеспечения стабильной работы автономных электронных систем при термоциклировании // Труды МФТИ. 2024. №2 (62).
8. Воевода А.А. Романников Д.О. Метод синтеза регуляторов для многоканальных систем с использованием нейронных сетей. Вычислительные технологии. 2020; № 25(3): С. 111–118.
9. S. Kumar Krishnamoorthy, N. Das, P. Gudimetla and K. Emami, "Enhanced Speed Control for BLDC Motors Using WOA-Integrated PID Controller Optimization," in IEEE Access, vol. 12, pp. 162465- 162475, 2024, doi: 10.1109/ACCESS.2024.3480349.
10. R. -M. Motorga et al. "Adaptive FOPID Controller with AI Techniques for the Driving Motors Driving the Furnance Hearth," 2022 10th International Conference on Control, Mechatronics and Automation (ICCMA), Belval, Luxembourg, 2022, pp. 122-128, doi: 10.1109/ICCMA56665.2022.10011614.
11. V. Revathi, Y. P. Rangaiah, A. Dutt, A. A. Hameed, R. V. S. S. S. Nagini and D. K. Yadav, "Design of Small UAV Autopilot Systems Using Adaptive Controllers, PID Controllers, and AI," 2025 International Conference on Next Generation Communication & Information Processing (INCIP), Bangalore, India, 2025, pp. 20-25, doi: 10.1109/INCIP64058.2025.11020391.
12. R. Priyadarsini, A. Nayak and A. Kumar Barisal, "Frequency regulation of multi area interconnected system by using artificial intelligence based controller," 2022 IEEE 2nd International Symposium on Sustainable Energy, Signal Processing and Cyber Security (iSSSC), Gunupur, Odisha, India, 2022, pp. 1- 6, doi: 10.1109/iSSSC56467.2022.10051434.
13. Васильев В.И. Ильясов Б.Г. Интеллектуальные системы управления. Теория и практика: учебное пособие. – М.: Радиотехника, 2009. 392 с.
14. Огнев И.В. Борисов В.В. Сутула Н.А. Ассоциативные память, среды, системы. – М.: Горячая линия-Телеком, 2016. 420 с.: ил. ISBN 978-5-9912- 0602-9.
15. Степченков Ю.А. Морозов Н.В. Дьяченко Ю.Г. Хилько Д. В. Степченков Д.Ю. Шикунов Ю.И. Аппаратная реализация алгоритмов цифровой обработки сигналов в рекуррентном потоковом процессоре на ПЛИС // Известия вузов. Электроника. 2022. №3.
16. Титенко Е.А. Щитов А.Н. Метод и однородное устройство матричного поиска простого и составного образцов // T-Comm. 2021. №8.
17. Соловьев Д.С. Разработка метода, критерия и алгоритма оптимизации функционирования интеллектуальной системы управления с ассоциативной памятью // Прикаспийский журнал: управление и высокие технологии. 2024. №1 (65).
18. Yuntao LIAO, Takuya KINOSHITA, Kazushige KOIWAI, Toru YAMAMOTO, Design of a Performance-Driven CMAC PID Controller, IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences, 2017, Volume E100.A, Issue 12, Pages 2963-2971, Released on J-STAGE December 01, 2017, https://doi.org/10.1587/transfun.E100.A.2963.
19. Декин, С. В. Интеллектуализация системы управления технологическим процессом на базе ассоциативной нейронной сети СМАС / С. В. Декин, А. А. Евдокимов // Актуальные научные исследования в современном мире. – 2021. – № 10-8(78). – С. 55-58. – EDN BZEUKU.
20. Moosavi, V. High-resolution soil moisture mapping using PSO-based optimized cerebellar model articulation controller (CMAC) / V. Moosavi, A. Karami, R. Aliramaee // Science of the Total Environment. 2023. Vol. 857. P. 159493. DOI 10.1016/j.scitotenv.2022.159493. EDN MRNNLG.
21. CMAC-PID Composite Control for the Position Control of a Fully Variable Valve System / Q. Zhou, L. Liu, L. Jiang, Zh. Xu // International Journal of Automotive Technology. 2023. Vol. 24, No. 3. P. 681-
22. DOI 10.1007/s12239-023-0057-y. EDN WXUCVM.
23. Two model-free schemes for solving kinematic tracking control of redundant manipulators using CMAC

Выпуск: 4(39)'2025
Раздел: Системный анализ, управление и обработка информации, статистика
Как цитировать: П.В. Васильев, О.В. Даринцев, Р.А. Мунасыпов. ПРИМЕНЕНИЕ АССОЦИАТИВНОГО РЕГУЛЯТОРА В КОНТУРЕ УПРАВЛЕНИЯ МЕХАТРОННЫМ МОДУЛЕМ // Проблемы искусственного интеллекта. - 2025. - № 4 (39). - С. 183-193. - https://paijournal.guiaidn.ru/ru/2025/4(39)-16.html

Назад к выпуску 4(39)'2025