Abstract
The spatial stabilization system synthesis problem of the robot is considered. The historical overview of methods and approaches for solving the problem of control synthesis is given. It is shown that the control synthesis problem is the most important task in the field of control, for which there are no universal numerical methods for solving it. As one of the ways to solve this problem, it is proposed to use the method of machine learning based on the application of modern symbolic regression methods. This allows you to build universal algorithms for solving control synthesis problems. Several most promising symbolic regression methods are considered for application in control tasks. The formal statement of the control synthesis problem for its numerical solution is given. Examples of solving problems of synthesis of system of spatial stabilization of mobile robot by method of network operator and variation Cartesian genetic programming are given. The problem required finding one nonlinear feedback function to move the robot from thirty initial conditions to one terminal point. Mathematical records of the obtained control functions are given. Results of simulation of control systems obtained by symbolic regression methods are given.
Highlights
Синтез системы управления — важнейшая задача в области теории управления
Метод вариационного декартова генетического программирования является модификацией метода декартова генетического программирования [15] с использованием в нем принципа малых вариаций базисного решения [16]
Рассмотрим пример решения задачи синтеза системы пространственной стабилизации мобильного робота
Summary
Управления, заданным ограничениям на управление, заданному множеству начальных условий, заданным будет иметь частное решение x(t, x0 ) из любого терминальным условиям, заданному критерию качества в виде интегрального функционала, необходимо найти начального состояния из области (2) x0 ∈ X0, которое функцию управления, аргументами которой являются достигнет терминального условия (3). Из заданной области начальных условий достигнет заданного терминального состояния с оптимальным tf. Задана математическая модель объекта управления тоды символьной регрессии [12]. Методы кодируют x = f (x,u) , математическое выражение в форме специального кода (1) и осуществляют поиск специальным генетическим где x — вектор состояния объекта управления; алгоритмом на пространстве кодов. В результате x(t f ) = x f ., критерий качества для численного решения методом (3) символьной регрессии имеет следующий вид:.
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
