МАШИННОЕ ОБУЧЕНИЕ НА ОСНОВЕ СИМВОЛЬНОЙ РЕГРЕССИИ ДЛЯ АВТОМАТИЗИРОВАННОГО СИНТЕЗА УНИВЕРСАЛЬНЫХ СИСТЕМ СТАБИЛИЗАЦИИ ДВИЖЕНИЯ

Актуальность и цели. Рассматривается задача оптимального управления в расширенной постановке, ориентированной на обеспечение реализуемости решения в реальных условиях эксплуатации. Материалы и методы. Для достижения высокой точности и устойчивости движения объекта управления предлагается синтезировать универсальную систему стабилизации, способную обеспечивать надежное следование по траекториям из широкого класса, даже при наличии внешних воздействий и неопределенностей модели. Представлена концепция расширенной модели объекта управления, включающей как сам объект с системой стабилизации, так и эталонную модель для генерации оптимальной траектории. Показано, что при использовании такой структуры возможно применение классических методов оптимального управления для получения управляющей функции как функции времени, при этом достигается высокая степень соответствия движения объекта запланированной траектории при сохранении устойчивости и точности управления. Для синтеза универсальной системы стабилизации применяется машинное обучение на основе символьной регрессии, что позволяет формализовать процесс построения управляющих функций и исключить субъективные ошибки, характерные для ручного проектирования. Результаты и выводы. Эффективность предложенного подхода подтверждается вычислительным примером управления пространственным движением группы квадрокоптеров – типичного представителя сложных инженерных систем с высокими требованиями к надежности, маневренности и безопасности.