@Userpc0101
Радиолюбитель.

Машинное обучение или ПИД?

Оба алгоритма с обратной связью и опираются на целевые значения но что лучше? Допустим у нас есть платформа (или самолёт так проще) которую нужно стабилизировать в пространстве для этого у нас есть гироскоп и три оси тонгаж, крен, рысканье. Показания датчиков идут на вход нейросети или ПИД регулятора а на выходе вырабатывают управляющие сигналы для сервомоторов в качестве цели установлено нулевые значения соответствующие равновесию платформы и на неё воздействуют разные силы (в случае с самолётом ветер, турбулентность и т.д.).
  • Вопрос задан
  • 72 просмотра
Пригласить эксперта
Ответы на вопрос 1
@dmshar
Какая-то совершеннейшая каша. То что лопата и грабли имеют почти одинаковую конструкцию - палка с железякой на конце - еще не значит, что их можно сравнивать То, что оба подхода используют принцип обратной связи еще не значит, что они хоть в чем-то подобны и можно говорить о том, что лучше, а что хуже.
Начнем сначала.
ПИД - это классический пример приложения из теории автоматического регулирования, которой уже около ста лет. По сути, когда вы сливаете воду в туалетном бачке, у вас начинает работать контур с обратной связью: пока вода не заполнена - клапан открыт, вода льется. Вода подняла поплавок (сенсор) - рычаг наклонился (передаточное звено) - впускной клапан закрылся (исполнительный механизм) - вода течь перестала. В вашей платформе по сути - то-же самое, только вместо поплавка - гиродатчики, вместо разного напора воды - "ветер, турбулентность и т.д.", вместо клапана - сервомотор. И где тут место для машинного обучения и нейронной сети?
Машаннное обучение и нейронные сети - это не инструмент управления объектом. Это инструменты построения модели объекта. В огромной области знаний такие модели строятся на основе физико-математических моделей (механика, электричество, теплопроводность, аэрогидродинамика, радиосвязь и пр. пр. пр.) и применять там машинного обучения - это как копать граблями. Там модели ясно как строить и как использовать - ну зачем нейронная сеть для построения модели электроутюга, если Ом, Киргхоф и Джоуль уже давно все разжевали.
Но есть много областей, где нет таких законов. Их либо нет в принципе (медицина, маркетинг, психология), либо они есть, но реальные условия настолько "зашумлены", что в рафинированном "школьном" виде законы бесполезны, а учесть все мешающе-влияющие факторы просто невозможно (ну, например, износ механизма или возникновение неполадок в сложных технических объектах) . И вот там начинается машинное обучение, суть которого в лозунге "дайте данные, формулы мы выведем сами, объяснить их часто не сможем и не будем, но полученные модели будут весьма точно описывать реальные процессы". Ну например - распознавание лиц, игры, экономические последствия и т.д.
Но, что главное - машинное обучение - это не процесс управления, это процесс построения модели! Когда говорят о нейронных сетях - то имеют ввиду в первую очередь их обучение, которое действительно (совпадение) - использует принцип обратной связи, т.е. строит модель, подстраивая ее к процессу. Но потом, для решения конкретной задачи берутся РЕЗУЛЬТАТЫ обучения нейронной сети, т.е, по сути, некоторая логико-математическая модель и она применяются ее для решения задачи то-ли управления, то-ли предсказания, то-ли диагностики.
Вот как-то так.
Ответ написан
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через TM ID
Похожие вопросы
14 авг. 2018, в 19:03
10000 руб./за проект
14 авг. 2018, в 18:10
1000 руб./в час
14 авг. 2018, в 18:01
12000 руб./за проект