Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
Прямая модель движения руки. Команда мотора u (t) движения руки вводится в установку, а прогнозируемое положение тела x̃ (t) выводится.

В предметной области теории управления , внутренняя модель представляет собой процесс , который имитирует отклик системы , с тем , чтобы оценить исход возмущения системы. Принцип внутренней модели был впервые сформулирован в 1976 г. Б. А. Фрэнсисом и В. М. Вонэмом [1] как явная формулировка теоремы Конанта и Эшби о хорошем регуляторе . [2] Он отличается от классического управления тем, что классический контур обратной связи не может явным образом моделировать управляемую систему (хотя классический контроллер может содержать неявную модель). [3] [4]

Теория внутренней модели управления двигателем утверждает, что двигательная система контролируется постоянным взаимодействием « растения » и « регулятора ». Завод - это контролируемая часть тела, а сама внутренняя модель считается частью контроллера. Информация от контроллера, такая как информация из центральной нервной системы (ЦНС) , информация обратной связи и копия efference , отправляется на завод, который перемещается соответствующим образом.

Внутренними моделями можно управлять через управление с прямой или обратной связью . Управление с прямой связью вычисляет свой ввод в систему, используя только текущее состояние и свою модель системы. Он не использует обратную связь, поэтому не может исправлять ошибки в своем управлении. При управлении с обратной связью часть выходных данных системы может подаваться обратно на вход системы, и затем система может вносить корректировки или компенсировать ошибки на желаемых выходных данных. Было предложено два основных типа внутренних моделей: прямые модели и обратные модели. В симуляциях модели можно комбинировать вместе для решения более сложных задач движения.

Форвардные модели [ править ]

Рис. 1. Желаемое положение тела - это опорный вход для гипотетического контроллера, который генерирует необходимую команду двигателя. Эта команда двигателя отправляется на завод для перемещения корпуса, а контрольная копия команды двигателя отправляется на переднюю модель. Выходные данные прямой модели (прогнозируемое положение тела) сравниваются с выходными данными завода (положение тела). Шум от системы или окружающей среды может вызвать различия между фактическим и прогнозируемым положением тела. Ошибка (разница) между фактическим и прогнозируемым положением может обеспечить обратную связь для улучшения движения для следующей итерации внутренней модели.

В своей простейшей форме передовые модели принимают входную команду двигателя на «завод» и выводят прогнозируемое положение тела.

Ввод команды двигателя в переднюю модель может быть копией efference, как показано на рисунке 1. Выходные данные этой прямой модели, прогнозируемое положение тела, затем сравнивается с фактическим положением тела. Фактическое и прогнозируемое положение тела может отличаться из-за шума, вносимого в систему либо внутренними (например, датчики тела не идеальны, сенсорный шум), либо внешними (например, непредсказуемые силы извне) источниками. Если фактическое и прогнозируемое положения тела различаются, разницу можно снова передать в качестве входных данных для всей системы, чтобы можно было сформировать скорректированный набор команд двигателя для создания более точного движения.

Обратные модели [ править ]

Рисунок 2. Обратная модель достигаемой задачи. Желаемая траектория руки, Xref (t), вводится в модель, которая генерирует необходимые моторные команды, ũ (t), для управления рукой.

Обратные модели используют желаемое и фактическое положение тела в качестве входных данных для оценки необходимых команд двигателя, которые преобразуют текущее положение в желаемое. Например, в задаче достижения руки желаемое положение (или траектория последовательных положений) руки вводится в постулируемую обратную модель, а обратная модель генерирует моторные команды, необходимые для управления рукой и приведения ее в это желаемое конфигурация (рисунок 2). Обратные внутренние модели также находятся в тесной связи с гипотезой неконтролируемого многообразия (UCM) , см. Также здесь .

Комбинированные прямая и обратная модели [ править ]

Теоретическая работа показала, что в моделях управления двигателем, когда обратные модели используются в сочетании с прямой моделью, эффективная копия выходных данных двигательной команды из обратной модели может использоваться в качестве входных данных для прямой модели для дальнейших прогнозов. Например, если в дополнение к движению рукой необходимо управлять рукой, чтобы схватить объект, эффективная копия команды двигателя руки может быть введена в прямую модель для оценки прогнозируемой траектории руки. Обладая этой информацией, контроллер затем может сгенерировать соответствующую команду двигателя, сообщающую руке схватить объект. Было высказано предположение, что, если они существуют, эта комбинация обратной и прямой моделей позволила бы ЦНС предпринять желаемое действие (дотянуться рукой), точно контролировать досягаемость, а затем точно управлять рукой для захвата объекта.[5]

Теория адаптивного управления [ править ]

Исходя из предположения, что новые модели могут быть приобретены, а уже существующие модели могут быть обновлены, копия efference важна для адаптивного управления задачей перемещения. На протяжении всей двигательной задачи копия эффекта вводится в прямую модель, известную как предсказатель динамики, выходные данные которой позволяют прогнозировать выходную мощность двигателя. При применении методов теории адаптивного управления к управлению двигателем в схемах косвенного управления в качестве входных данных для эталонной модели используется копия эффекта.

Ученые [ править ]

Многие ученые вносят свой вклад в развитие гипотезы внутренней модели. Майкл И. Джордан , Эммануэль Тодоров и Дэниел Вольперт внесли значительный вклад в математическую формализацию. Сандро Мусса-Ивальди , Мицуо Кавато , Клод Гез , Реза Шадмер , Рэнди Фланаган и Конрад Кординг внесли свой вклад в многочисленные поведенческие эксперименты. DIVA модель речеобразования , разработанная Frank H. Гюнтери его коллеги используют комбинированные прямые и обратные модели для создания слуховых траекторий с имитацией речевых артикуляторов. Две интересные обратные внутренние модели для управления производством речи [6] были разработаны Ярославом Благушиным и Эриком Моро. [7] Обе модели сочетают в себе принципы оптимума и гипотезу точки равновесия (моторные команды λ принимаются как координаты внутреннего пространства). Входная команда двигателя λ находится путем минимизации длины пути, пройденного во внутреннем пространстве, либо при акустических ограничениях (первая модель), либо при акустических и механических ограничениях (вторая модель). Акустические ограничения связаны с качеством воспроизводимой речи (измеряется с помощью формант).), а механический связан с жесткостью тела языка. Первая модель, в которой жесткость остается неконтролируемой, согласуется со стандартной гипотезой UCM . Напротив, вторая оптимальная внутренняя модель, в которой задана жесткость, демонстрирует хорошую вариативность речи (по крайней мере, в разумном диапазоне жесткости) и согласуется с более поздними версиями гипотезы неконтролируемого многообразия (UCM). . Существует также обширная клиническая литература по внутренним моделям, включая работы Джона Кракауэра , [8] Пьетро Маццони , Мориса А. Смита , Курта Торфмана , Джорна Дидрихсена., и Эми Бастиан .

Ссылки [ править ]

  1. ^ BA Francis и WM Wonham, " Внутренний модельный принцип теории управления ", Automatica 12 (1976) 457–465.
  2. ^ Роджер С. Конант и У. Росс Эшби, « Каждый хороший регулятор системы должен быть моделью этой системы », International Journal of Systems Science vol 1 (1970), 89–97.
  3. ^ Jan Swevers, " Внутренний контроль модели (IMC) архивации 2017-08-30 в Wayback Machine ", 2006
  4. ^ Перри Ю. Ли, « Принцип внутренней модели и повторяющийся контроль »
  5. ^ Каваты, M (1999). «Внутренние модели для управления двигателем и планирования траектории». Текущее мнение в нейробиологии . 9 (6): 718–727. DOI : 10.1016 / S0959-4388 (99) 00028-8 . PMID  10607637 .
  6. ^ Также с имитацией речевых артикуляторов, таких как биомеханические модели языка (BTM).
  7. ^ Ярослав Благушин и Эрик Моро. Управление речевым роботом с помощью оптимальной внутренней модели на основе нейронной сети с ограничениями. IEEE Transactions on Robotics, vol. 26, вып. 1. С. 142–159, февраль 2010 г.
  8. ^ «Ошибки сенсорного прогнозирования приводят к зависимой от мозжечка адаптации досягаемости» , Ценг, Дидрихсен, Кракауэр и др., Журнал нейрофизиологии, 98: 54-62, 16 мая 2007 г.