RUDN Journal of Engineering ResearchRUDN Journal of Engineering ResearchВестник Российского университета дружбы народов. Серия: Инженерные исследования2312-81432312-8151Peoples’ Friendship University of Russia named after Patrice Lumumba (RUDN University)13137ArticlesСтатьиResearch ArticleTHE ALGORITHM FOR DECISSION OF CONTROL SYSTEM SYNTHESIS PROBLEM BY THE ARTIFICIAL NEURAL NETWORKS’ METHODАЛГОРИТМ РЕШЕНИЯ ЗАДАЧИ СИНТЕЗА УПРАВЛЕНИЯ МЕТОДОМ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙAl-BaredaA YaSАль-БаредаАли Сенан-PupkovK AПупковК А-Peoples’ Friendship University of RussiaРоссийский университет дружбы народов150220162NO2 (2016)№2 (2016)71617092016Copyright ©; 2016, Аль-Бареда А.С., Пупков К.А.2016Аль-Бареда А.С., Пупков К.А.http://creativecommons.org/licenses/by/4.0https://journals.rudn.ru/engineering-researches/article/view/13137In the presented article analytical methods of the solution of a task synthesis in a control system are stated. The author considers a neural network of Kokhonen which belongs to the class of networks of direct distribution. It has the only hidden layer of neurons presented in the form of a one-dimensional or two-dimensional lattice. By the author it is presented that the mechanism of cooperation realizes the principle according to which the most excited neuron strengthens (through synoptic weight) not only itself, but also spatially neurons, close to it.Article purpose - analytical methods of the solution of a problem of synthesis in a control system.В статье рассматривается задача синтеза оптимального управления. Для решения задачи используется искусственная нейронная сеть прямого действия. Нейронная сеть находится в обратной связи объекта управления. По сигналу, определяющему вектор состояния объекта, нейронная сеть вырабатывает вектор управления, который перемещает объект в терминальное состояние с оптимальным значением заданного критерия качества. Для обучения нейронной сети используется вариационный генетический алгоритм, который подбирает закодированные в коде Грея параметры сети и активационные функции каждого слоя сети. Представлен пример синтеза управления нелинейным объектом второго порядка методом искусственной нейронной сети.Kokhonen’s networkneural networklayer of neuronsmechanism of cooperationsolution of a problem of synthesisсинтез управленияискусственная нейронная сетьвариационный генетический алгоритм1.Long T.B., Thai L.H., Hanh T. Face Recognition Using Circularly Orthogonal Moments and Radial Basis Function Neural Network & Genetic Algorithm // 2012 7th IEEE Conference on Industrial Electronics and Applications (ICIEA). P. 523-527.2.Huang Jeng-Tze, Tseng Ming-Lei. Global Adaptive Neural Tracking Control of Strict-Feedback Systems with Bounded Uncertainty // 2012 7th IEEE Conference on Industrial Electronics and Applications(ICIEA). P. 175-180.3.Cheng Long, Hou Zeng-Guang, Tan Min, Wang Hong-Ming. Adaptive Neural Network Tracking Control for Manipulators with Uncertainties // Proceedings of the 17th World Congress The International Federation of Automatic Control Seoul, Korea, July 6-11, 2008. P. 2382-2387.4.Bahri N., Druaux F., Atig A. Abdennour R.B., Lefebvre D. An adaptive neural controller based on neural emulator for single-input multi-output nonlinear systems // 2015 European Control Conference (ECC) July 15-17, 2015. Linz, Austria. P. 368-373.5.Lei Zhang, Zhenpo Wang, Xiaosong Hu, Dorrell David. G. Residual. Capacity Estimation for Ultracapacitors in Electric Vehicles Using Artificial Neural Network // Preprints of the 19th World Congress The International Federation of Automatic Control Cape Town, South Africa. August 24-29, 2014. P. 3899-3904.6.Xian Bin, Cui Cuijie, Huang Mu, Li Dong, Yang Kaiyan. Neural Network Based Control for a Class of Uncertain Robot Manipulator with External Disturbance // Proceedings of the 17th World Congress The International Federation of Automatic Control Seoul, Korea, July 6-11, 2008. P. 12769-12774.7.Soewandito D.B., Oetomo D., Ang Jr. M.H. The Operational Space Formulation with Neural-Network Adaptive Motion Control // Proceedings of the 17th World Congress The International Federation of Automatic Control Seoul, Korea, July 6-11, 2008. P. 12775-12780.8.Хапкина И.К., Балясный С.В. Методика синтеза системы управления роботом на базе нейронных сетей // ИзвестияТулГУ. Технические науки. 2013. Вып. 9. Ч. 1. С. 189-175.9.Дивеев А.И., Шмалько Е.Ю. Вариационный генетический алгоритм для решения задачи оптимального управления // Современные проблемы науки и образования. 2014. № 1. URL: http://www.science-education.ru/115-1147410.Аль-Бареда А.Я.С., Пупков К.А. Решение задачи синтеза системы управления методом искусственных нейронных сетей // Фундаментальные исследования. 2015. № 11 (Ч. 5). С. 853-857.