Подход к разработке систем управления малыми космическими аппаратами…
7
быстрая подкачка новых весов на фоне вычислений;
24 операции умножения с накоплением за один такт при длине
операндов 8 бит;
реализация функции активации в виде пороговой или функции
ограничения;
возможность работать с данными переменной разрядности по
различным алгоритмам, реализуемым с помощью хранящихся во
внешнем ОЗУ программ.
Благодаря своей универсальности нейропроцессор может приме-
няться как базовый элемент для плат нейроускорителей IBM PC, для
создания нейрокомпьютерных параллельных вычислительных систем
большой производительности, для аппаратной поддержки операций
над матрицами большой размерности, а также в задачах цифровой
обработки сигналов. Указанный нейропроцессор используется в
нейроускорителях фирмы «Модуль» (Россия) [11].
Таким образом, нейропроцессоры имеют большие перспективы
применения в нейросетевых системах управления в силу изначальной
ориентации на нейроподобную структуру организации вычислений.
Однако, как и другие рассмотренные варианты организации нейросе-
тевых систем управления, они имеют ограничения при представле-
нии входных и выходных данных, а также ограниченное разрешение
для представления синаптических весов. Поэтому моделирование си-
стем управления в нейросетевом базисе должно подразумевать ра-
зумное ограничение преставления входов и настраиваемых парамет-
ров сетей.
Проведем моделирование отдельных элементов бортовых систем
управления для решения вопроса о способе аппаратной реализации
управляющей нейронной сети. В качестве простой линейной системы
рассмотрим модель атмосферы, которая задает зависимость от высо-
ты
h
(от 0 до 32 000 м), температуры
Т
(К), давления
p
(Пa), скорости
звука
a
(м/c) и плотности
(кг/м
3
) [13]. Данные для моделирования
были сформированы через блок COESA Atmosphere Model block па-
кета Aerospace Blockset Simulink MatLab. Общая выборка данных со-
держала 1000 примеров по каждой выходной характеристике.
В данном случае модель не требует формирования динамической
нейронной структуры, поскольку известно, что все выходные харак-
теристики непосредственно связаны с текущей высотой и не опреде-
ляются предшествующими измерениями. В этом случае модель атмо-
сферы можно аппроксимировать сетью вида многослойный перцеп-
трон. Поскольку характеристика зависимости выходных величин
T
(
h
),
a
(
h
),
P
(
h
),
(
h
) модели близка к линейной в рассматриваемом
диапазоне значений
h
, то имеет смысл использовать двухслойную
сеть прямого распространения [5], структура которой приведена на
рис. 1.
