Uma rede neural recorrente multicamadas para a resoluo de tempo
contnuo da equao algbrica de Riccati
Uma rede neural recorrente multicamadas proposta para a resoluo da equao matricial algbrica de Riccati em tempo real contnuo. A rede neural recorrente Proposta bidirecionalmente conectada composta de quatro camadas. Cada camada constituda por um conjunto de neurnios. A proposta da rede neural recorrente mostrada por ser capaz de resolver equaes algbricas de Riccati e sistemas de monitoramento Sintetizando o sistema linear-quadrtico em tempo real. Os resultados analticos sobre a estabilidade da rede neural recorrente e solubilidade de equaes algbricas de Riccati por utilizao da rede neural recorrente so discutidos. As caractersticas de funcionamento da rede neural recorrente so tambm demonstrados atravs de trs exemplos ilustrativos. Introduo As redes neurais so compostas de neurnios individuais maciamente conectados. Tendo as mesmas estruturas para os seus homlogos biolgicos, artificiais modelos de redes neurais so informaes de processamento de representao e computacional de forma distribuda paralela. As Redes neurais feedforward e as redes neurais recorrentes so duas classes principais de modelos de redes neurais.
Redes neurais feedforward (Realimentao positiva), stich como o
perceptron multicamadas popular (Rumelhart et al., 1986), so representacional Normalmente usado como modelos treinados usando um algoritmo de aprendizagem baseado em um conjunto de dados de entrada e sada da amostra. Tem-se provado feedfoward neural que as redes de multicamadas so aproximadores universais (Hornik et al., 1989). Tambm tem sido demonstrado que as redes neurais treinadas com um nmero limitado de amostras de treinamento possuem boa capacidade de
generalizao. Sistemas de grande escala para grande nmero de variveis
que contm e sistemas complexos onde pouco conhecimento analtico acessvel so exemplos tpicos de aplicaes de rede neural potenciais (Narendra e Parthasarathy, 1990). redes neurais recorrentes, tais como as redes de Hopfield (Hopfield, 1982, 1994), so geralmente utilizados como modelos computacionais para resolver problemas de computao intensiva. Exemplos tpicos de aplicaes de rede neural so problemas de otimizao combinatria NP-completo e em larga escala ou em tempo real problemas de computao Hopfield e Tanque, 1985; Tanque e Hopfield, 1986; Brockett, 1991). As redes neurais so vantajosas em relao s abordagens tradicionais desses problemas, porque o processamento de informao neural inerentemente concorrente. Na literatura de controle, muita ateno, tem sido dedicada aos reguladores (LQR) e problemas de projeto do sistema de controle H ` linear-quadrtica, em grande parte como resultado de sua formulao elegante problema, soluo de rastreabilidade e propriedades robustas em relao ao razoavelmente grandes variaes de parmetros do sistema. O problema da concepo de um sistema de controle de realimentao linear minimizando um ndice de desempenho quadrtico pode ser reduzido para o problema da obteno de uma soluo definida positiva de uma equao de Riccati matriz. Uma variedade de algoritmos numricos foram desenvolvidos para resolver a equao algbrica Riccatti
(por exemplo homem, 1969; Salama e Gourishankar, 1974;
Laub, 1979; Gardiner e Laub, 1991; Ghavimi et al., 1992, Gardiner, 1997; Bunse-Gerstner e Fassbender, 1997;. Ionescu et ai, 1997). Veja uma viso abrangente em (Willems et al., 1991). Apesar de algoritmos paralelos pode computar as solues para equaes de Riccati mais rpido do que os algoritmos seqenciais, no houve nenhum relatrio sobre solues de redes neurais para as equaes de Riccati. Devido natureza paralela distribuda de computao neural, as redes neurais podem ser um modelo computacional vivel para a sntese de sistemas de controlo lineares em tempo real. Nos ltimos anos, feedforward e recorrentes redes neurais tm sido desenvolvidos para a resoluo de uma ampla variedade de problemas de lgebra de matrizes (por exemplo, Wang e Mendel, 1991, 1992; Samardzija e Waterkind, 1991; Cichocki e Unbehauen, 1992a, 1992b; Luo e Zheng, 1992; Wang, 1992, 1993a, 1993b; Wang e Li, 1993; Wang e Wu, 1993). Em particular, as redes neurais recorrentes foram desenvolvidos para LU decomposio de Cholesky e factorization (Wang e Wu, 1993). Os resultados destas investigaes tm estabelecido a base para a resoluo de equaes de Riccati matriz atravs da utilizao de redes neurais em tempo real. Este artigo apresenta uma abordagem de rede neural para a resoluo de tempo contnuo algbricas equaes de Riccati baseado em uma rede neural recorrente multicamadas.
Atravs da resoluo de duas equaes de matrizes
acopladas utilizando a rede neural recorrente, a abordagem da rede neural proposto capaz de obter a soluo definitiva simtrica e positiva para as equaes algbricas de Riccati de forma distribuda em paralelo. O restante deste artigo est organizado em cinco sees. A seo 2 introduz as informaes de fundo da equao algbrica Riccati no contexto do linear-quadrtica a sntese de sistemas de controlo ptimo. Seo 3 discute a formulao do problema para resolver equaes de Riccati algbricas. Seco 4 descreve a equao dinmica e arquitetura da rede neural recorrente multicamadas. A seo 5 apresenta os resultados analticos sobre a estabilidade e solvabilidade. Seco 6 discute trs exemplos ilustrativos para demonstrar o desempenho da rede neural recorrente. Finalmente, a Seo 7 conclui o artigo com consideraes finais.