Моделирование нейропрогнозирующего управления дождевальными машинами

Цель исследования заключается в разработке новых научных подходов к повышению эффективности дождевальной техники. Современные цифровые технологии позволяют осуществлять сбор данных, их анализ и оперативное управление техникой и технологическими процессами зачастую в режиме реального времени. Все это позволяет, с одной стороны, применять новые подходы к моделированию технических систем и процессов (так называемые ”data-driven модели – модели на основе данных»), с другой стороны, требует разработки принципиально новых моделей, в основу которых будут положены методы искусственного интеллекта – такие, как искусственные нейронные сети, алгоритмы машинного обучения, нечеткая логика и многое другое. Проведенный анализ треков и фактических скоростей движения дождевальной машины в режиме реального времени показал их значительные отклонения в диапазоне от заданной скорости движения, что ведет к ухудшению параметров орошения. Нами разработана модель управления дождевальными машинами, основанная на подходах прогнозирующего управления и теории искусственных нейронных сетей. Применение модели позволяет реализовать алгоритмы регулирования с прогнозом реакции дождевальной машины на управляющий сигнал. Предложены схема алгоритма построения прогнозирующего управления, структура нейрорегулятора и инструменты его синтеза с использованием современного программного обеспечения. Универсальность модели позволяет использовать ее как для повышения эффективности управления существующей техникой, так и при разработке новых дождевальных машин с интегрированными интеллектуальными системами управления.

1. Ольгаренко Г.В. Реализация программы импортозамещения в области производства техники полива в Российской Федерации // Мелиорация и водное хозяйство. - 2018. - № 1. - С. 44-47.

2. Технический уровень отечественного и зарубежного оборудования, применяемого в мелиорации: Информационный сб. ФГНУ ЦНТИ «Мелиоводинформ». - М.: ФГНУ ЦНТИ «Мелиоводинформ». - 2011. - 215 с.

3. Результаты создания и исследования работы модифицированной дождевальной машины «Фрегат», работающей в режимах при низких напорах / Соловьев Д.А., Колганов Д.А., Загоруйко М.Г., и др. // Аграрный научный журнал. - 2017. - № 2. - C. 67-69.

4. Soloviev D., Zhuravleva L., Bakirov S. Robotic Irrigative Complex with Intellectual Control System “CASCADE” // XVIII International Scientific and Practical Conference “Modern Trends in Agricultural Production in the World Economy”. - 2019. - P. 145-156.

5. Белов М.П., Носиров И.С., Фыонг Ч.Х. Исследование системы управления электроприводом подачи токарного станка с применением метода обобщенного нейроуправления с прогнозированием // СПБГЭТУ ”ЛЭТИ”. - 2017. - № 4. - С. 45-53.

6. Cheon K., Kim J., Hamadache M., Lee D. On Replacing PID Controller with Deep Learning Controller for DC Motor System // J. of Automation Control Engineering, Vol. 3, № 6, 2015. - Р. 452-456.

7. Совершенствование дождевальной техники на основе методов нейроуправления / Соловьев Д.А., Камышова Г.Н., Макаров С. А. и др. // Научный журнал Российского НИИ проблем мелиорации. - 2020. - № 4(40). - C. 23-38.

8. Improving the efficiency of circular irrigation machines based on models of neural network irrigation control / Soloviev D.A., Kamyshova G.N., Terekhova N.N. i dr. // E3S Web of Conferences / INTERAGROMASH 2020. - 2020. - V. 175.

9. Соловьев Д. А., Журавлева Л. А. Влияние режима движения дождевальных машин на норму полива // Вестник АПК Верхневолжья. - 2018. - № 1 (41). - C. 38-43.

10. Чернодуб А., Дзюба Д. Обзор методов нейроуправления // Проблемы программирования. - 2011. - № 2. - С. 79-94.

11. Бураков М.В. Нейронные сети и нейроконтроллеры: учебное пособие. - СПб.: ГУАП, 2013. - 284 с.

12. Soloway D., Haley P.J. Neural generalized predictive control // Proc. 1996 IEEE International Symposium on Intelligent Control. 1996. P. 277-281.

13. Дьяконов В.П. MATLAB. Полный самоучитель. - М.: ДМК Пресс, 2012. - 768 с.

14. Моделирование нейроуправления скоростью дождевальных машин / Соловьев Д.А., Камышова Г.Н., Терехова Н.Н. и др. // Аграрный научный журнал. - 2020. - № 7. - C. 81-84.