Помощь в учёбе, очень быстро...
Работаем вместе до победы

Метод синтеза систем гибридного управления на основе объединения классической и нечеткой моделей объекта

Диссертация: Метод синтеза систем гибридного управления на основе объединения классической и нечеткой моделей объекта
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Применение нечёткой логики позволяет усовершенствовать и даже заменить классический ПИД-регулятор. Настраивая параметры ПИД-регулятора, можно влиять на форму создания кривой управления. Так как нечёткая логика основана на правилах регулирования, то форма кривой может создаваться индивидуально на каждом её участке. С помощью нечёткой логики можно ограничить влияние соседних участков кривой… Читать ещё >

Содержание

  • 1. АНАЛИЗ МЕТОДОВ СИСТЕЗА СИСТЕМ ГИБРИДНОГО УПРАВЛЕНИЯ В УСЛОВИЯХ НЕПОЛНОТЫ ДАННЫХ
    • 1. 1. Анализ задач разработки гибридных систем управления
    • 1. 2. Классификация интеллектуальных гибридных систем управления
      • 1. 2. 1. Комбинированные интеллектуальные гибридные системы
      • 1. 2. 2. Интегрированные интеллектуальные гибридные системы
      • 1. 2. 3. Объединённые интеллектуальные гибридные системы
      • 1. 2. 4. Ассоциативные интеллектуальные гибридные системы
      • 1. 2. 5. Распределённые интеллектуальные гибридные системы
    • 1. 3. Разработка системного подхода к решению задач с гибридным интеллектом
      • 1. 3. 1. Принципы разработки интеллектуальных гибридных систем управления
      • 1. 3. 2. Понятие адаптивности в системах управления с гибридным интеллектом
      • 1. 3. 3. Автономный базис интеллектуальных гибридных систем
    • 1. 4. Разработка метода проектирования интеллектуализированной гибридной системы управления
      • 1. 4. 1. Основные этапы разработки гибридной системы управления
      • 1. 4. 2. Разработка алгоритма решения задачи управления
    • 1. 5. Обоснование предмета исследования
    • 1. 6. Выводы
  • 2. РАЗРАБОТКА МЕТОДА СИНТЕЗА ИНТЕЛЛЕКТУАЛИЗИРОВАННОЙ ГИБРИДНОЙ СИСТЕМЫ УПРАВЛЕНИЯ
    • 2. 1. Возможности применения классических методов управления для построения гибридной системы
    • 2. 2. Возможности применения нечетких методов управления для построения гибридной системы
    • 2. 3. Нечеткая модель управления с использованием системы нечеткого вывода на основе измененного алгоритма Мамдани
    • 2. 4. Основные алгоритмы нечёткого вывода
    • 2. 5. Гибридный алгоритм формирования базы правил нечеткого регулятора
    • 2. 6. Определение объектов исследования
    • 2. 7. Выводы
  • 3. СИНТЕЗ ИНТЕЛЛЕКТУАЛИЗИРОВАННОЙ ГИБРИДНОЙ СИСТЕМЫ УПРАВЛЕНИЯ
    • 3. 1. Синтез моделей управления скоростью двигателя постоянного тока
      • 3. 1. 1. Синтез классической модели управления без возмущающего воздействия
      • 3. 1. 2. Синтез классической модели управления с возмущающим воздействием и изменением параметров объекта управления
    • 3. 2. Синтез нечеткой модели управления на примере регулирования скорости двигателя постоянного тока
      • 3. 2. 1. Синтез нечеткой модели управления без возмущающего воздействия
      • 3. 2. 2. Синтез нечеткой модели управления с возмущающим воздействием и изменением параметров объекта управления
    • 3. 3. Синтез модели управления концентрацией выходного потока в смесителе
    • 3. 4. Синтез нечеткой модели управления концентрацией выходного потока в смесителе
    • 3. 5. Выводы
  • 4. ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ПАРАМЕТРОВ ИНТЕЛЛЕКТУАЛИЗИРОВАННОЙ ГИБРИДНОЙ СИСТЕМЫ УПРАВЛЕНИЯ
    • 4. 1. Исследование гибридной модели с применением ПИ- и ПИ-FUZZY-регулятора без возмущающего воздействия
    • 4. 2. Исследование гибридной модели с применением ПИ- и ПИ-FUZZY-регулятора с изменением параметров объекта управления
    • 4. 3. Исследование гибридной модели с применением ПИД-регулятора
    • 4. 4. Исследование гибридной модели с применением
  • ПИД-РШгУ-регулятора
    • 4. 5. Анализ качества переходных процессов
    • 4. 6. Выводы

Метод синтеза систем гибридного управления на основе объединения классической и нечеткой моделей объекта (реферат, курсовая, диплом, контрольная)

Термин «управление» применим во многих областях, например, при управлении государством, управлении государственной территориальной единицей, отраслью народного хозяйства, автомобилем, объектами производственных процессов и т. д. [1,2]. В условиях современного научно-технического прогресса любое промышленное предприятие не может обходиться без помощи научных методов управления, автоматики и вычислительной техники, автоматических и автоматизированных систем, позволяющих умело управлять технологическими объектами.

Важнейшей современной задачей при разработке автоматических систем управления является повышение эффективности управления технологическими объектами. При этом, повышению оперативности управления и качества регулирования препятствуют два основных фактора: нестабильность параметров объекта управления в процессе работы и постоянно изменяющиеся требования к качеству регулирования.

При решении задач управления технологическими объектами оперируют следующими понятиями:

— знания о процессе управления, необходимые для определения цели управления и установления технологических средств для построения управляющих системв общем случае цель управления заключается в том, чтобы на основе анализа текущего состояния объекта управления определить значения управляющих переменных, позволяющих обеспечить желаемое поведение или состояние объекта управления [1,3,4];

— принципы и методы управления для различных объектов и процессов, в том числе в условиях неполноты текущей информации;

— процесс функционирования систем, отражающий последовательное изменение состояния системы во времени;

— модель системы, являющаяся результатом системного моделирования, причем, под моделью понимается некоторое представление о системе, описывающее её структуру при помощи выбранного языка моделирования;

— параметры системы или воздействия, представленные в общем случае входными и выходными параметрами (переменными) — среди входных переменных различают управляющие переменные, предназначенные непосредственно для достижения системой желаемого поведения (цели), а взаимодействие системы с окружающей средой определяется при помощи выходных параметров;

— алгоритм функционирования системы или подсистем, определяемый совокупностью правил, предписаний или математических зависимостейсогласно алгоритму функционирования в дальнейшем строится алгоритм управления.

В настоящее время для решения таких задач управления интенсивно применяются интеллектуализированные системы, разрабатываемые в рамках приоритетного научного направления «искусственный интеллект», позволяющие одновременно использовать преимущества традиционных средств управления и методов искусственного интеллекта.

Значительный вклад в область искусственного интеллекта, как в России, так и за рубежом внесли такие исследователи как Аверкин А. Н., Батыршин И. З., Берштейн Л. С., Вагин В. М., Васильев В. И., Воронков Г. С., Гаврилова Т. А., Гладун В. П., Дорогов А. Ю., Ефимов Е. И., Жданов A.A., Крюков А. Ю., Кузнецов В. Е., Кузнецов И. П., Любарский Ю. А., Макаров И. М., Мартынов В. В., Мельчук И. А., Попов Э. В., Поспелов Д. А., Позин Н. В., Рыбина Г. В., Рубашкин Б. Ш., Соломатин Н. М., Хорошевский В. Ф., Нариньяни Н. С., Тимофеев A.B., Файн B.C., Финн В. К., Хабаров В. И., Шумский С. А., Щетинин В. Г., Янковская А. Е., Kohonen Т., Minsky М., Shannon С.Е., Viner N., Wasserman F., Waterman D.A., Zadeh L.A. и др.

Исследования в области искусственного интеллекта занимают одно из ведущих мест в информатике и в развитии информационных технологий. Использование гибридных интеллектуальных систем особенно эффективно, в таких отраслях, где приходится иметь дело, как с чёткими, так и с нечёткими знаниями [3,5−11]. Гибридные системы позволяют более эффективно соединять формализуемые и неформализуемые знания за счёт интеграции общей теории управления и средств искусственного интеллекта, тем самым, компенсируя их недостатки при решении задач управления в условиях неполноты данных.

В классической или булевой логике можно выделить существенный недостаток — «с её помощью невозможно описать ассоциативное мышление человека. Классическая логика оперирует только двумя понятиями: „истина“ и „ложь“ и исключает любые промежуточные значения. Аналогично этому булева логика не признаёт ничего кроме единиц и нулей» [12, 13].

Хорошо развита в настоящее время и находит широкое применение в современной технике классическая теория управления.

Значительный вклад в развитие теории управления внесли такие известные учёные как Бесекерский В. А., Вознесенский И. Н., Вышнеградский И. А., Гайдук А. Р., Джеймс Г., Жуковский Н. Е., Максвелл Д. К., Клюев A.C., Красовский A.A., Колесников A.A., Мирошник И. В., Попов Е. П., Срагович В. Г., Стодола А., Толе М., Никифоров В. О., Фрадков А. Л., Фельдбаум A.A., Филипс Р., Щипанов Г. В., и др.

Базовая архитектура или модель классической теории управления основывается на представлении объекта и процесса управления в форме некоторых систем. При этом объект управления характеризуется некоторым конечным множеством входных параметров и конечным множеством выходных параметров. На вход системы управления поступают входные переменные, формируемые конечным множеством датчиков. На выходе системы управления посредством некоторого алгоритма управления формируется множество значений выходных переменных, которые называются управляющими переменными или переменными процесса управления. Значения этих выходных переменных поступают на вход объекта управления и, комбинируясь со значениями входных параметров объекта управления, изменяют его динамику.

Рассмотренная архитектура называется процессом управления с обратной связью, а используемые для управления техническими объектами системы управления регуляторами. Примерами рассмотренной модели управления могут служить различные регуляторы: пропорциональный, пропорционально-интегральный, пропорционально-дифференциальный, пропорционально-интегрально-дифференциальный.

Алгоритм управления этих регуляторов основан на сравнении выходных параметров объекта управления с некоторыми заданными параметрами и определении значения ошибки между ними. После этого рассчитываются значения выходных переменных в форме аддитивной суммы величины этой ошибки, значения интеграла и производной по времени в течение некоторого промежутка времени.

Функциональная обратная связь является ключевым элементом в системах цифровой адаптивной обработки информации и широко применяемым способом для реализации адаптации в различных приложениях.

Однако, одним из недостатков, например, ПИД-регуляторов является предположение о линейном характере зависимости входных и выходных переменных процесса управления, что существенно снижает адекватность этой модели при решении практических задач. Не все регуляторы, применяемые для контроля и регулирования технологических параметров, имеют оптимальную настройку регуляторов. При оперативном управлении объектами с высокой динамикой изменения выходных параметров недопустимы задержки при реализации управляющих воздействий. Также в режиме функционирования автоматической системы управления можно столкнуться со сложностью настройки его параметров.

Таким образом, классические методы управления хорошо работают при полностью детерминированном объекте управления и детерминированной среде, а для систем с неполной априорной информацией и высокой сложностью объекта управления оптимальными являются нечёткие методы управления.

На современном этапе развития общества человечество столкнулось с проблемами, для решения которых невозможно получить полную информацию или определение которых недостаточно полно. Решить эти проблемы помогает нечёткая логика [13 — 34].

Появление теории нечётких множеств и нечёткой логики позволило одновременного учесть огромное многообразие информации, различные обстоятельства и ситуации, характеристики управляющих воздействий и внешней среды. Нечёткая логика, подобная процессам мышления человека и обеспечивающая организацию интеллектуального управления в автоматическом режиме, составляет основу алгоритмов интеллектуальных систем управления [13, 35 — 37].

Наиболее значимыми из работ в этой области следует отметить следующие [38 -42]: Заде Л., Дюбуа Д. и Прада А. по теории нечёткой меры и меры возможности, Сугено М. по нечёткому выводу и нечёткому интегралу, Беждека Дж. по нечёткой кластеризации и распознаванию образов, Ягера Р. по нечёткой логике, а также научные труды Круглова В. В., Дли М. И., Голубова Р. Ю, Гостева В. И и др.

Применение нечёткой логики позволяет усовершенствовать и даже заменить классический ПИД-регулятор. Настраивая параметры ПИД-регулятора, можно влиять на форму создания кривой управления. Так как нечёткая логика основана на правилах регулирования, то форма кривой может создаваться индивидуально на каждом её участке. С помощью нечёткой логики можно ограничить влияние соседних участков кривой. С термином «лингвистическая переменная» можно связать любую физическую величину, для которой нужно иметь больше значений, чем только «да» и «нет». В этом случае определяется необходимое число термов и каждому из них ставится в соответствие некоторое значение описываемой физической величины. Для этого значения степень принадлежности физической величины к терму равна единице, а для всех остальных значений, в зависимости от выбранной функции принадлежности.

Архитектура или модель нечёткого управления основана на замене классической системы управления системой нечёткого управления, в качестве которой используются системы нечёткого вывода. В этом случае модель нечёткого управления строится с учётом необходимости реализации всех этапов нечёткого вывода, а сам процесс вывода реализуется на основе алгоритмов нечёткого вывода [3].

В настоящее время нечёткое моделирование является одним из наиболее активных и перспективных направлений прикладных исследований в области управления и принятия решений. Математической основой нечётких и гибридных систем являются противоположные традиционным компьютерным вычислениям, «мягкие вычисления», одной из составляющих которых является нечёткая логика [13 — 33]. Сущность мягких вычислений состоит в том [15], что в отличие от традиционных жёстких вычислений, они нацелены на приспособление к всеобъемлющей неточности реального мира. Руководящим принципом мягких вычислений является: «терпимость к неточности, неопределенности и частичной истинности для достижения удобства манипулирования, робастности, низкой стоимости решения и лучшего согласия с реальностью». Исходной моделью для мягких вычислений служит человеческое мышление.

Анализ теоретического и практического материала в области проектирования гибридных систем управления, необходимость получения новых решений для повышения их адаптивности и в тоже время отличающихся простотой алгоритма, необходимость расширения существующих моделей и методов позволили выявить аспекты теоретических изысканий для диссертационных исследований.

Одним из наиболее актуальных направлений развития гибридных интеллектуальных систем является повышение их адаптивности, т. е. способности изменять свои параметры в зависимости от управляющих воздействий и условий внешней среды. Иными словами развитие гибридных интеллектуальных систем должно быть основано на моделях адаптивного поведения [43].

Диссертационная работа посвящена разработке и исследованию метода синтеза интеллектуализированных гибридных систем управления, на основе интеграции классических средств управления и средств нечёткой логики. Это определяет и подтверждает актуальность диссертационной работы.

Цель диссертационной работы состоит в разработке эффективного метода синтеза интеллектуализированных гибридных систем управления на основе совместного использования инструментария классической теории управления и теории нечетких множеств.

Объектом исследования в диссертационной работе являются методы синтеза гибридных систем управления, созданных на основе автономных моделей, классические модели управления, модели с применением аппарата искусственного интеллекта, база правил которых, полностью формируется в результате моделирования классических моделей.

Диссертационные исследования в практическом аспекте направлены на проектирование гибридных систем управления, основанных на интеграции классической теории управления и нечёткой логики, а также создание моделей управления, реализующих желаемое управляющее воздействие для объектов управления при изменении их параметров и / или изменении требований к качеству регулирования.

В соответствии с поставленной целью в диссертационной работе решаются следующие задачи:

— аналитическое исследование существующих методов разработки гибридных интеллектуальных систем управления;

— разработка метода синтеза интеллектуализированных гибридных систем управления;

— разработка гибридного алгоритма формирования базы правил нечеткого регулятора;

— синтез системы управления на основе классической модели;

— выбор необходимых переменных нечеткой модели управления на основе результатов, полученных при моделировании систем управления с классическими регуляторами;

— синтез систем управления на основе нечётких моделей;

— моделирование гибридного управления и исследование качества процесса регулирования.

Математическими методами исследования в диссертационной работе являются методы синтеза дискретных логических устройств, теории адаптивного управления, теории моделирования, теории автоматического управления и теории нечёткой логики. В экспериментальных исследованиях применялось моделирование на ЭВМ.

Методологическую основу работы составляет концепция системности, суть которой, есть представление и исследование моделей управления динамическими объектами, решение задач моделирования, оптимизация и синтез устройств управления с целью получения максимально качественного управляющего воздействия на объект.

Поставленная цель диссертационной работы и сформулированные в соответствии с целью задачи создали предпосылки для получения новых научных результатов в области методов проектирования интеллектуализированных гибридных систем управления, алгоритмов внутрисистемного взаимодействия моделей синтезированной системы.

Новыми научными результатами диссертационной работы, выносимыми на защиту, являются:

— метод синтеза интеллектуализированных гибридных систем управления, отличающийся тем, что системы нечетких правил логического вывода вырабатываются сопоставлением реакций системы нечеткого регулирования и эталонной системы, что позволяет избежать ошибок, связанных с человеческим фактором;

— гибридный алгоритм формирования базы правил нечеткого регулятора, отличающийся тем, что эта база формируется на основе предложенной системы нечетких правил логического вывода, что позволяет получить более адекватные реакции системы и обеспечить высокое качество управления при изменении параметров объекта;

— нечеткая модель управления с использованием системы нечеткого вывода на основе алгоритма Мамдани, отличающаяся тем, что первым этапом является не формирование базы правил, а процедура фаззификации, что позволяет, в значительной степени, сократить количество нечетких правил. В частности, при формировании базы правил нечеткого регулятора системы управления парогенераторной установкой количество правил уменьшилось со 100 до 30;

— алгоритм создания нечетких регуляторов, в которых в качестве эталонных используются системы управления с промышленными регуляторами, что позволяет создавать гибридные системы с нечетким управлением, обладающие повышенной робастностью. В частности, с помощью этого алгоритма построена гибридная система управления парогенераторной установкой, позволившая сократить величину перерегулирования на 30%- уменьшить время регулирования с 20 с до 10 суменьшить число колебаний с 10 до 1, в первом контуре регулирования и с 13 до 0 — во второмуменьшить время достижения первого максимума с 13 с до 8 с.

Практическая ценность результатов исследований определятся их применимостью при решении задач автоматического управления, а именно:

— применение метода синтеза интеллектуализированных гибридных систем управления на основе интеграции ПИ-, ПИДи нечетких регуляторов позволяет получить переходные процессы в соответствии с предъявляемыми требованиями;

— применение гибридного алгоритма формирования базы правил нечеткого регулятора, позволяет значительно уменьшить задержку формирования управляющих воздействий и количество математических операций;

— применение нечеткой модели управления с использованием системы нечеткого вывода на основе измененного алгоритма Мамдани позволяет сократить количество правил логического вывода нечеткого регулятора;

— применение алгоритма создания нечетких регуляторов, в которых в качестве эталонных используются системы управления с промышленными регуляторами, позволяет улучшить основные показатели качества, такие как величина перерегулирования, время регулирования, число колебаний, время достижения первого максимума.

Диссертационная работа состоит из четырех разделов, заключения и приложений.

В первом разделе диссертационной работы выполнены исследования гибридных методов управления с использованием различных подходов и методов искусственного интеллекта. Произведён анализ состояния разработок гибридных систем управления. Приведена классификация интеллектуальных гибридных систем управления. В рамках системного подхода описаны принципы разработки интеллектуальных гибридных систем управления. Рассмотрены основные типы архитектур гибридных систем.

Приведен автономный базис интеллектуальных гибридных систем. Рассмотрен алгоритм построения интеллектуализированной гибридной системы управления, основанной на законах гибридизации и использующей в качестве методов управления классическую теорию управления и нечёткую логику. Представлена двухуровневая система обработки и взаимодействия данных в гибридной системе. Предложен алгоритм решения задачи управления с описанием основных этапов гибридного моделирования.

Во втором разделе диссертационной работы разработан метод синтеза гибридной системы управления на примере регулирования скорости двигателя постоянного тока и концентрации выходного потока в смесителе. В рамках разработанного метода разработан алгоритм функционирования гибридной модели управления с описанием основных этапов. Произведен анализ теоретического и практического материала в области классических и нечетких методов построения систем управления. На основании анализа предложены формулы для расчета классической модели управления в виде дифференциальных уравнений и передаточных функций, разработаны структурные схемы объекта управления и регулятора, разработана модель нечёткого управления с описанием основных этапов системы нечеткого вывода.

Определена схема нечеткого вывода с выбором алгоритма, метода агрегирования, процедуры аккумуляции и метода дефаззификации, осуществлен выбор входных и выходных параметров в виде лингвистических переменных, определены формы функций принадлежности. Предложена таблица специальных сокращений для значений основных термов лингвистических переменных в системе нечёткого вывода. Определены основные объекты исследований в виде гибридных систем управления на основе ПИ-регулятора, ПИ-Ри72У-регулятора, ПИД-регулятора и ПИД-Р1^7У-регулятора.

Разработана нечеткая модель управления с использованием системы нечеткого вывода, отличающаяся тем, что в используемом алгоритме Мам дан и первым этапом является не формирование базы правил, а процедура фаззификации. Разработан гибридный алгоритм формирования базы правил нечеткого регулятора, согласно которому база правил нечеткого регулятора формируется не чисто эвристическим путем, а на основе сравнения численных значений реальных сигналов, получаемых при функционировании эталонных и нечетких моделей.

В третьем разделе диссертационной работы произведен синтез классической модели управления на примере ПИ-регулирования скорости двигателя постоянного тока и ПИД-регулирования концентрации выходного потока в смесителе. В рамках синтезированных моделей получены передаточные функции объектов управления и регулирующих устройств. Разработан алгоритм создания нечетких регуляторов с использованием в качестве эталонных систем управления с действующими промышленными регуляторами.

Произведен синтез нечеткой модели управления на примере ПИ-FUZZY-регулирования скорости двигателя постоянного тока и ПИД-FUZZY-регулирования концентрации выходного потока в смесителе. В рамках синтезированных моделей описано построение системы нечеткого вывода при помощи графического интерфейса редактора FIS. В редакторе функций принадлежности разработаны термы и функции принадлежности для входных и выходных переменных системы нечеткого вывода. Произведена интеграция разработанной нечеткой системы в интерактивную систему SIMULINK.

В четвертом разделе диссертационной работы выполнены экспериментальные исследования параметров интеллектуализированной гибридной системы управления. В процессе исследований для представленных объектов управления проведены различные моделирования на основе ПИ-регулятора, rM-FUZZY-регулятора, ПИД-регулятора и ПИД-FUZZY-регулятора.

Получены графики переходных процессов, графики сигналов отклонения, интегрированного и дифференцированного сигналов отклонения, управляющего воздействия, построены поверхности нечеткого вывода, позволяющие установить зависимость значений выходной переменной от значений входных переменных нечеткой модели. Показан переход от численных значений, полученных при моделировании классической модели к термам лингвистических переменных. Проведен анализ качества переходных процессов. Разработанная интеллектуализированная гибридная система управления рекомендуется к применению в автоматических системах управления, обеспечивающих желаемое управляющее воздействие на объект при изменении его параметров.

Заключение

содержит выводы о работе.

Результаты работы внедрены:

— на предприятии ЗАО «Югтеплокомплект» при разработке автоматизированной системы управления парогенераторной установкой типа УПГ-50/6М для нефтепромысла;

— в госбюджетной НИР «Разработка и исследование методов моделирования и синтеза многокритериальных адаптивных систем управления в условиях неполноты данных с применением средств формализации экспертных знаний и современных информационных технологий»;

— в учебном процессе на кафедре систем автоматического управления Таганрогского технологического института Южного федерального университета.

Научные и практические результаты, полученные в диссертации и изложенные в статьях, использованы при подготовке и чтении лекций по дисциплине «Моделирование систем», постановке лабораторных работ на кафедре систем автоматического управления Таганрогского технологического института Южного федерального университета.

Основные результаты докладывались и обсуждались на следующих конференциях:

— 14-я международная научно-техническая конференция, «Радиоэлектроника, электротехника и энергетика», Москва: МЭИ, 2008;

— УН-я Всероссийская конференция молодых ученых, аспирантов и студентов, «Информационные технологии, системный анализ и управление»,.

Таганрог: ТТИ ЮФУ, 2009;

— международная научная конференция «Методы и алгоритмы принятия эффективных решений», (МАПР-2009), Таганрог: ТТИ ЮФУ, 2009;

— международная научная конференция, «Информационное общество: идеи, технологии, системы», Таганрог: ТТИ ЮФУ, 2009;

— международная научная конференция, «Современные исследовательские и образовательные технологии», Таганрог: ТТИ ЮФУ, 2010;

— VIII-я Всероссийская научная конференция молодых ученых, аспирантов и студентов, «Информационные технологии, системный анализ и управление», Таганрог: ТТИ ЮФУ 2010;

— VIII-я Всероссийская конференция студентов, аспирантов и молодых ученых «Технологии Microsoft в теории и практике программирования», Таганрог: ТТИ ЮФУ, 2011;

— VII-я Ежегодная научная конференция студентов и аспирантов базовых кафедр Южного научного центра РАН, Ростов-на-Дону, 2011;

— Всероссийская научная конференция «Перспективы развития гуманитарных и технических систем», Таганрог: ТТИ ЮФУ, 2011.

По теме диссертации опубликованы 14 печатных работ, из них 4 статьи из перечня рецензируемых научных журналов и изданий, сделано 9 докладов на Всероссийских и Международных научно-технических конференциях. Все результаты, представленные в диссертационной работе, получены автором лично.

Диссертация содержит 184 страницы машинописного текста, включая введение, четыре раздела, заключение, список литературы из 130-ти наименований, 107 рисунков, 22 таблицы, а также 3 приложения на 92-х страницах.

Результаты работы внедрены:

— на предприятии ЗАО «Югтеплокомплект» при разработке автоматизированной системы управления парогенераторной установкой типа УПГ-50/6М для нефтепромысла;

— в госбюджетной НИР «Разработка и исследование методов моделирования и синтеза многокритериальных адаптивных систем управления в условиях неполноты данных с применением средств формализации экспертных знаний и современных информационных технологий»;

— в учебном процессе на кафедре систем автоматического управления Таганрогского технологического института Южного федерального университета.

Внедрение результатов диссертационной работы подтверждается соответствующими актами, прилагаемыми к диссертации.

ЗАКЛЮЧЕНИЕ

.

В диссертационной работе разработаны метод синтеза интеллектуализированных гибридных систем управления, созданных на основе автономных моделей, нечеткие модели, база знаний которых полностью формируется в результате моделирования классических моделей, что позволяет получать эффективные результаты управления объектами с высокими требованиями к качеству регулирования, а также при изменении их параметров.

С увеличением сложности объекта управления снижается возможность получения точных данных, как с самого объекта, так и о текущем состоянии процесса регулирования, что значительно ухудшает качество переходного процесса и является прямой предпосылкой к увеличению финансовых затрат при функционировании технологического процесса.

Тема диссертации актуальна, т.к. посвящена разработке и исследованию метода синтеза интеллектуализированных гибридных систем управления, на основе интеграции классических средств управления и средств нечёткой логики в условиях неполных данных относительно текущей информации, характеристик всевозможных возмущений параметров объекта управления.

Диссертационные исследования в практическом аспекте направлены на проектирование гибридных систем управления, основанных на интеграции классической теории управления и нечёткой логики, а также создание моделей управления, реализующих желаемое управляющее воздействие для объектов управления при изменении их параметров и/или изменений требований к качеству регулирования.

В диссертационной работе реализована цель развития эффективного метода синтеза интеллектуализированных гибридных систем управления на основе совместного использования инструментария классической теории управления и теории нечетких множеств.

Получены новые научные результаты:

— метод синтеза интеллектуализированных гибридных систем управления, отличающийся тем, что системы нечетких правил логического вывода вырабатываются сопоставлением реакций системы нечеткого регулирования и эталонной системы, что позволяет избежать ошибок, связанных с человеческим фактором;

— гибридный алгоритм формирования базы правил нечеткого регулятора, отличающийся тем, что эта база формируется на основе предложенной системы нечетких правил логического вывода, что позволяет получить более адекватные реакции системы и обеспечить высокое качество управления при изменении параметров объекта;

— нечеткая модель управления с использованием системы нечеткого вывода на основе алгоритма Мамдани, отличающаяся тем, что первым этапом является не формирование базы правил, а процедура фаззификации, что позволяет, в значительной степени, сократить количество нечетких правил. В частности, при формировании базы правил нечеткого регулятора системы управления парогенераторной установкой количество правил уменьшилось со 100 до 30;

— алгоритм создания нечетких регуляторов, в которых в качестве эталонных используются системы управления с промышленными регуляторами, что позволяет создавать гибридные системы с нечетким управлением, обладающие повышенной робастностью. В частности, с помощью этого алгоритма построена гибридная система управления парогенераторной установкой, позволившая сократить величину перерегулирования на 30%- уменьшить время регулирования с 20 с до 10суменьшить число колебаний с 10 до 1, в первом контуре регулирования и с 13 до 0 — во второмуменьшить время достижения первого максимума с 13 с до 8 с.

Для получения новых научных результатов в диссертационной работе решены следующие задачи:

— проведено аналитическое исследование существующих методов разработки гибридных интеллектуальных систем управления;

— разработан метод синтеза интеллектуализированных гибридных систем управления;

— разработан гибридный алгоритм формирования базы правил нечеткого регулятора;

— синтезирована система управления на основе классической модели;

— произведен выбор необходимых переменных нечеткой модели управления на основе результатов, полученных при моделировании систем управления с классическими регуляторами;

— синтезирована система управления на основе нечётких моделей;

— проведено моделирование гибридного управления и исследование качества процесса регулирования.

Показать весь текст

Список литературы

  1. , B.C. Введение в философию Текст.: учеб. пособие для студентов технических вузов / B.C. Поликарпов- Ростов-на-Дону-Таганрог: Изд-во СКНЦ ВШ, Изд-во ТРТУ. 2003 260 с. — 800 экз. — ISBN 5−8327−0140−2.
  2. , B.C. Современные философские проблемы областей научного знания Текст.: учеб. пособие для студентов технических вузов / B.C. Поликарпов- Ростов-на-Дону: Наука-Пресс. 2006. 321 с. Библиогр.: с. 313−3 14.- 300 экз. ISBN 5−88 558−030−8.
  3. , A.B. Нечёткое моделирование в среде MATLAB и fuzzy TECH Текст. / A.B. Леоненков. СПб.: БХВ — Петербург, 2005. — 736 с. -Библиогр.: с. 717−719. — 2000 экз. — ISBN 5−94 157−087−2.
  4. , A.A. Основы теории автоматического управления Текст.: Автоматическое регулирование непрерывных линейных систем /A.A. Воронов. 2-е изд., перераб. — М.: Энергия, 1980. — 312 с. Библиогр.: с. 303−307.- 13 000 экз.
  5. , R. А hybrid intelligent system applied to financial statement analysis Text. / R Pacheco- Proc. of 5th FUZZ IEEE. New Orleans. 1996. P. 10 071 012.
  6. Herrmann, C. A hybrid fuzzy-neural expert system for diagnosis Text. / С Herrmann // Proc. of IJCAI. Montreal. 1995. P. 1−10.
  7. Froning, J.N. Exercise ECG analysis and measurement using an expert system approach Text. / J.N. Froning, M.D. Olson, V.F. Froelicher- Proc. of 10th 1С. IEEE Engineering in medicine & biology society. 1988. P. 1−2.
  8. Yan, H.H. Power system security assessment using a hybrid expert system Text.: neural network architecture / H. H Yan- Proc. of IEEE. ISCS. New York. 1992. P. 1713−1716.
  9. Sivathasan, S. ECG Diagnosis using neural network and fuzzy expert system Text. / S. Sivathasan, F. Cecelja, W. Balachandran//Proc. of PREP'99. UMIST. Manchester. 1999. P. 340−343.
  10. Fergany, A.A. Fault diagnosis in power systems substation level -through hybrid artificial neural networks and expert system Text. / A.A. Fergany, M.T. Yousef, A.A. ElAlaily- IEEE. 2001. P. 207−211.
  11. П.Гаврилов, A.B. Гибридные интеллектуальные системы Текст.: монография / A.B. Гаврилов- Министерство образования Российской Федерации- Новосибирск: Изд-во НГТУ, 2002. 142 с. — Библиогр.: с. 129−142.
  12. , С. Нечёткая логика в системах управления Текст. / С. Гриняев // Журнал «Компьютера» № 38 от 8.10.2001. 11 с.
  13. , Н.Б. Введение в теорию нечётких множеств Текст.: учебное пособие / Н. Б. Хаптахаева C.B. Дамбаева, H.H. Аюшеева. Часть 1 -Улан-Удэ: Изд-во ВСГТУ, 2004. — 63 с. — Библиогр.: с. 67. — 100 экз. — ISBN 589 230−199−0.
  14. , Ф.Дж. Искусственный интеллект: принятие решений в сложных системах управления Текст. / Ф.Дж. Бартос//Мир компьютерной автоматизации. 1997. № 4 (12). С. 22 27.
  15. , JI.A. Роль мягких вычислений и нечёткой логики в понимании, конструировании и развитии информационных интеллектуальных систем Текст. / JI.A. Заде / Новости Искусственного Интеллекта, № 2−3, 2001, с. 7 1 1.
  16. , A.B. Гибридные интеллектуальные системы Текст.: теория и технология разработки / A.B. Колесников- СПб.: Изд-во СПбГТУ, 2001.-600 с.
  17. Witsenhausen, H.S. A Class of Hybrid-State Continuous Time Dynamic Systems Text. /H.S. Witsenhausen- IEEE Trans, on Automatic Control. 1966. V 1 1. № 2.
  18. Наука". Изд. 2-е, перераб. — М., 1978. — Библиогр.: с. 394−395. — 16 000 экз. -ISBN 5−89 230−199−0.
  19. Medsker, L.R. Hybrid Neural Network and Expert Systems Text. /L.R. Medsker- Boston / Dordrecht / London: Kluwer Academic Publishers, 1994.
  20. Medsker, L.R. Hybrid Intelligent Systems Text./L.R. Medsker // International Journal of Computational Intelligence and Organizations, 1996. Vol.1. P.10−20.
  21. Medsker, L.R. Hybrid Intelligent Systems Text. / L.R. Medsker- KJuwer Academic Publ, 1995.
  22. , Г. С. Динамика в системах, основанных на знаниях Текст. /Г.С. Осипов//Изв. РАН. Теория и системы управления. 1998. № 5. С. 24−28.
  23. , Г. В. Автоматизация построения баз знаний для интегрированных экспертных систем Текст. / Г. В. Рыбина // Изв. РАН. Теория и системы управления. 1998. № 5.
  24. , С.А. Построение гибридной нейроэкспертной системы определения информативных сейсмических атрибутов Текст. / С. А. Лаврик, Д. В. Логинов // Новые технологии, № 4. 2007.
  25. , A.B. Архитектура гибридной системы управления мобильного робота Текст. / A.B. Гаврилов, В. В. Губарев, К.Х. Х. Х. Джо, Ли // Научный вестник НГТУ. 2004. — № 2.
  26. , O.A. Гибридный регулятор для энергосберегающего управления электрокамерными печами Текст. / O.A. Белоусов // Промышленные контроллеры АСУ, 2005, N7. С. 29 30.
  27. Jacobsen, H.A. A generic architecture for hybrid intelligent systems Text. / H.A. Jacobsen- IEEE Fuzzy Systems. Ancourage. Alaska. 1998. P. 709 -714.
  28. Kandel, A. Fuzzy intelligent hybrid expert system and their application Text. / A. Kandel- IEEE. 1995. P. 2275 2280.
  29. Fenton, B. Fault diagnosis of electronic systems (using artificial intelligence) Text. / B. Fenton, M. McGinnity, L. Maguire- IEEE Instrumentation & Measurement Magazine. 2002. № 9. P. 16 20.
  30. Funabashi, M. Fuzzy and neural hybrid expert systems: synergetic Al Text. / M. Funabashi // AI in Japan- IEEE Expert. 1995. P. 32 40.
  31. , A.B. Гибридные интеллектуальные системы Текст. / А. В. Гаврилов, Ю.В. Новицкая- Новосибирск: НГТУ, 2006. -Библиогр.: с. 6.
  32. Goonatilake, S. Intelligent Hybrid Systems Text. / S. Goonatilake, S. Khebbal, 1995. Intelligent Hybrid Systems / Ed. ISBN 471 942 421.
  33. Hilario, M. An overview of strategies for neurosymbolic integration Text. / M. Hilario // The IJCAI Workshop on Connectionist Symbolic Integration: From Unified to Hybrid Approaches. Montreal, 1995. — P. 234 — 250.
  34. Sun, R. Hybrid Connection ist-Symbolic Models Text. / R. Sun: a report from the IJCAI'95 Workshop on Connectionist-Symbolic Integration // Technical Report № AL35487. University of Alabama. 1996.
  35. McGarry, K. Hybrid Neural Systems: From Simple Coupling to Fully Integrated Neural Networks Text. // K. McGarry, S. Wermter, J. Maclntyre // Neural Computing Surveys. 2. P. 62−93. 1999.
  36. , Д. Теория возможностей Текст.: приложения к представлению знаний в информатике / Д. Дюбуа, А. Прад. М: Радио и связь. 1990. — 288 с. — Библиогр.: 322 назв. — 10 000 экз. — ISBN 5−256−184−1.
  37. Sugeno, М. Fuzzy measures and fuzzy integrals: a survey Text.: luzzy automata and decision processes / M. Sugeno (in M.M. Gupta, G.N. Saridis and B.R. Gaines editors) — New York, North-Holland. 1977. PP. 89−102.
  38. Bezdek, J.C. A convergence theorem for the fuzzy ISODATA clustering algorithm Text. / J.C. Bezdek- IEEE Transactions and Pattern Analysis and Mashine Intelligence. vol. 2. no. 1, 1980, pp. 1−8.
  39. Bezdek, J.C. Some recent applications of fuzzy c-means in pattern recognition and image processing Text. / J.C. Bezdek- IEEE Workshop Lang. -Autom, 1983, pp. 247−252.
  40. , В.В. Адаптивные гибридные интеллектуальные системы управления Текст. /В.В. Игнатьев//Известия ЮФУ. Технические науки. -Таганрог: Изд-во ТТИ ЮФУ, 2010. № 12(113). С. 89−94. — Библиогр.: с. 94.
  41. , В.В. Интеллектуальные информационные технологии Текст./В.В. Игнатьев//Современные исследовательские и образовательные технологии: труды Международной научной конференции, Часть 2. Таганрог: Изд-во ТТИ ЮФУ, 2010. С. 21−22. — Библиогр.: с. 22.
  42. , В.М. Введение в кибернетику Текст. / В. М. Глушков. -Киев: Изд-во Академии наук Украинской ССР, 1964. 324 с. — Библиогр.: 3 19 322.- 15 000 экз.
  43. , В.Н. Основы теории систем и системного анализа Текст.: учебник для студентов вузов, обучающихся по специальности «Системный анализ и управление» / В. Н. Волкова, А. А. Денисов. Изд. 2-е перераб. и доп.
  44. СПб.: Изд-во СПбГТУ, 2001. 512 с. Библиогр.: 499−510. — 5000 экз. — ISBN 57 422−0026−9.
  45. , А.Н. Ситуационные советующие системы с нечеткой логикой Текст. / JI.C. Берштейн, С .Я. Коровин. М.: Наука. Гл. ред. физ.-мат. лит., 1990. — 272 с. — Библиогр.: 53 назв. — 8750 экз. — ISBN 5−02−14 144−5.
  46. , O.A. Моделирование: системное, имитационное, аналитическое Текст.: учеб. пособие/O.A. Петухов, A.B. Морозов, Е. О. Петухова. 2-е изд., испр. и доп. — Спб.: Изд-во СЗТУ, 2008. — 288 с. -Библиогр.: 279−282. — 100 экз.
  47. , В.И. Моделирование при проектировании информационно-управляющих систем Текст.: учебное пособие/В.И. Финаев- Таганрог: Изд-во ТРТУ, 2002. 118 с. Библиогр.: 28 назв. — 500 экз. — ISBN 5−8327−0105−4.
  48. , В.И. Алгоритмизация и имитационное моделирование с применением аппарата систем массового обслуживания Текст.: учебное пособие / В.И. Финаев- Таганрог: ТРТУ, 2003. 72 с. — Библиогр.: 7 назв. — 500 экз.
  49. , A.A. Теория больших систем управления Текст./A.A. Денисов, Д. М. Колесников. Д.: Энергоиздат, 1982. — 288 с. — 20 000 экз.
  50. , Р. Имитационное моделирование систем искусство и наука Текст. / Р. Шеннон. Мир, М.: 1978. — 418 с. — Библиогр.: 397−398. — 13 000 экз.
  51. , В.Н. Вычислительная техника для статического моделирования Текст. / В. Н. Четвериков, Э. А. Баканович, A.B. Меньков. М.: Сов. Радио, 1978−312 с. — Инв. № 707 533, 706 915.
  52. , И.В. Имитационное моделирование на ЭВМ Текст.: учебное пособие / И. В. Максимей. М.: Радио и связь, 1988. 232 с.
  53. , Д. Руководство по экспертным системам Текст.: монография / Д. Уотермен [пер. с англ.]. М.: Мир, 1989 г. 390 е., ил. Твердый переплет, увеличенный формат. ISBN 5−03−1 119−6/ 5 030 011 196.
  54. , Т.А. Базы знаний интеллектуальных систем Текст. / Т. А. Гаврилова, В. Ф. Хорошевский: СПб, Питер, 2000. 384 е.: ил. — Библиогр.: 358 382 с. — 5000 экз. — ISBN 5−272−71−4.
  55. , Э.В. Статические и динамические экспертные системы Текст.: учебное пособие/Э.В. Попов, И. Б. Фоминых, Е. В. Кисель, М. Д. Шапот. М.: Финансы и статистика, 1996. — 320с.: ил. — Библиогр.: 117 назв. -10 000 экз. — ISBN 5−279−1 598−9.
  56. , A.B. Математические основы систем искусственного интеллекта Текст. /A.B. Кудаков, A.B. Речинский, A.B. Щукин, A.M. Яшин. Часть 1. Экспертные системы. С.-П.: СПбГТУ, 1998. 104 с.
  57. Russell, S.J. Artificial Intelligence. A Modern Approach Text./S.J. Russell, P. Norvig. Prentice Hall- 3 edition, 2009. 1152 c. — ISBN-10: 136 042 597.
  58. Построение экспертных систем Текст.: Пер. с англ./Под ред. Ф. Хейса-Рота, Д. Уотермана, Д. Лената. М.: Мир, 1987. 441 е., ил. — Библиогр.: 451−428 е. — 12 000 экз.
  59. , В.Г. Экспертные системы для персональных компьютеров: методы, средства реализации Текст.: справочное пособие / В. А. Крисевич, Л. А. Кузьмич, A.M. Шиф- Минск: Высшая школа, 2007 197 с.
  60. Лорьер, Ж.-Л. Системы искусственного интеллекта Текст. / Ж.-Л. Лорьер: Пер. с франц. М.: Мир, 1991. — 568 с. ил. — Библиогр.: с. 546−564. -20 000 экз. — ISBN 5−03−1 408-Х.
  61. , А. Искусственный интеллект Текст. / А. Эндрю: Пер. с англ./Под ред. и с предисл. Д. А. Поспелова. М: Мир, 1985. — 264 с. ил. — (В мире науки и техники). — Библиогр.: с. 255−261. — 80 000 экз.
  62. Представление и использование знаний Текст.: Пер. с япон. / Под ред. X. Уэно, М. Исудзука. М.: Мир, 1989. — 220 е., ил. — 25 000 экз. — ISBN 503−685−0.
  63. , Г. С. Приобретение знаний интеллектуальными системами: Основы теории и технологии Текст. / Г. С. Осипов. М.: Наука. Физматлит, 1997. — 112 с. — Проблемы искусственного интеллекта.
  64. , Г. В. Теория систем автоматизированного проектирования: интеллектуальные САПР на базе вычислительных комплексов и сетей Текст. / Г. В. Римский. Мн.: Наука и техника, 1994. — 631 с.
  65. Boz, О. Knowledge Integration and Rule Extraction in Neural Networks Text. / О Boz: Technical Report. Leigh University. EECS Department, 1995.
  66. , Н.П. Нечёткое управление в технических системах Текст.: учебное пособие /Н.П. Деменков. М.: Изд-во МГТУ им. Н. Э. Баумана, 2005. 200 с. — Библиогр.: 59 назв. — 200 экз. — ISBN 5−7038−2742−6.
  67. , Б.С. Интеллектуальные сети Текст. / Б. С. Гольдштейн, И. М. Ехриель, Р. Д. Рерле. М.: Радио и связь, 2000 — 500 е.: ил. — Библиогр.: с. 459−500. — 5000 экз. — ISBN 5−256−1 547−8.
  68. , Р. Новый ум короля Текст.: О компьютерах, мышлении и законах физики/Р. Пенроуз- пер. с англ. / Общ. ред. В. О. Малышенко. М.: Едиториал УРСС, 2003. — 384 с. — Библиогр.: с. 365−372. — ISBN 5−354−5-Х.
  69. Anderson, J.A. Neurocomputing: Foundation of Research Text./J. A. Anderson, E. Rosenfeld. MIT Press, Cambridge, Mass., 1988. 729 p.
  70. Hay kin, S. Neural Networks: A comprehensive foundation Text. / S. Haykin- MacMillan College Publishing Co., New York, 1994.
  71. Miller, W.T. Neural networks for control Text. / W.T. Miller, R.S. Sutton, P.J. Werbos, Eds. The MIT Press, 1990.
  72. , А.Н. Нейронные сети на персональном компьютере Текст. / А. Н. Горбань, Д. А. Россиев. Новосибирск: Наука, 1996. 276 с.
  73. , Ф. Нейрокомпьютерная техника Текст. / Ф. Уоссермен. -М.: Мир, 1992. -Библиогр.: 108 назв.
  74. Tomassini, М. Evolutionary Algorithms Text./M. Tomassini // Pr. of International Workshop «Towards Evolvable Hardware». Lecture Notes in Computer Science. 1062. Springer-Venlag, 1996.
  75. , В.Ф. Системы гибридного интеллекта Текст.: Эволюция, психология, информатика / В. Ф. Венда. М.: Машиностроение, 1990. — 448 с. -Библиогр.: с. 442−446. — 5300 экз. — ISBN 5−210−1 006−1.
  76. , В.А. Теория систем автоматического управления Текст. / В. А. Бесекерский, Е. П. Попов. Изд. 4-е, перераб. и доп. — СПб, Изд-во «Профессия», 2003. — 752 с. — (Серия: Специалист). — Библиогр.: с. 744−747. -5000 экз. — ISBN 5−93 913−035−6.
  77. , В.В. Адаптивные гибридные системы управления Текст. /В.В. Игнатьев//Информационное общество: идеи, технологии, системы: труды Международной научной конференции, Часть 3. Таганрог: Изд-во ТТИ ЮФУ, 2009. С. 31−32. — Библиогр.: с. 32.
  78. , A.B. Гибридные интеллектуальные системы для поддержки принятия решений Текст. / Новые интеллектуальные технологии в задачах управления" (ICIT'99): труды Международной конференции «Интеллектуальное управление: М.: Наука. Физматлит, 1999.
  79. Интеллектуальные системы автоматического управления Текст. / Под ред. И. М. Макарова, В. М. Лохина. М.: ФИЗМАЛИТ, 2001. — 576 с. — Библиогр.: с. 573−575. — 1000 экз. — ISBN 5−9221−0162−5.
  80. , А.Р. Теория автоматического управления Текст. / А. Р. Гайдук. Таганрог: Изд-во ТРТУ, 2004. — 208 с. — Библиогр.: с. 204−205. — 300 экз.
  81. , А.Р. Практикум по теории автоматического управления Текст.: учебное пособие / А. Р. Гайдук, Т. А. Пьявченко. Часть I / Под ред. А. Р. Гайдука Таганрог: Изд-во ТТИ ЮФУ, 2008. — 128 с. — Библиогр.: 5 назв. — 300 экз.
  82. , Ю. Регулированию на основе SIMATIC и SIMATIC PCS7 Текст.: практическое пособие/Ю. Мюллер (с участием др.-инж. Волкера
  83. Хунгера и др.-инж. Бернд-Маркуса Пфайфера). Перевод с немецкого со 2-го издания, 2002 г.
  84. , А.Р. Системы автоматического управления. Примеры, анализ и синтез Текст. / А. Р. Гайдук. Таганрог: Изд-во ТРТУ, 2006.
  85. , Л. Понятие лингвистической переменной и его применение к принятию приближённых решений Текст. / Л. Заде. М.: «Мир» 1976. — 165 с. -Библиогр.: с. 147−149.
  86. Zadeh, L.A. Fuzzy sets Text./L.A. Zadeh // Information and Control, vol.8, 1965, pp.338−353.
  87. Zadeh, L.A. The concept of linguistic variable and its applicator to approximate reasoning Text./L.A. Zadeh//Information Sciences, vol.8, 1975, pp.43 80.
  88. Zadeh, L.A. Fuzzy logic Text. / L.A. Zadeh- IEEE Transactions on Computers, vol.21, no.4, 1988, pp.83 93.
  89. A.E. Модели и алгоритмы принятия решений в нечётких условиях Текст.: монография / А. Е. Алтунин, М.В. Семухин- Тюмень: Издательство Тюменского государственного университета, 2000. 352 с.
  90. , А.П. Нечеткая надежность алгоритмических процессов Текст. / А. П. Ротштейн, С. Д. Штовба. Винница: Континент — ПРИМ, 1997. -142 с. — Библиогр.: с. 133−135. — 300 экз. — ISBN 966−516−034−6.
  91. , В.И. Модели систем принятия решений Текст.: учебное пособие / В. И. Финаев. Таганрог: Изд-во ТРТУ, 2005. — 118 с. — Библиогр.: с. 136.-350 экз.
  92. , К. Прикладные нечеткие системы Текст. / К. Асаи, Д. Ватада, С. Иваи- пер. с япон. К. Асаи, Д. Ватада, С. Иваи и др. [под редакцией Т.
  93. , К. Асаи, М. Сугэно. М.: Мир, 1993. 368 е., ил. — Библиогр.: с. 360 362. — 5000 экз. — ISBN 5−03−2 326−7.
  94. , А.Н. Принятие решений на основе нечётких моделей: Примеры использования Текст. / А. Н. Борисов, O.A. Крумберг, И. П. Федоров. Рига: Зинатне, 1990. — 184 с. — Библиогр.: 48 назв. — 1850 экз. — ISBN 5−79 660 459−7.
  95. , Н.Г. Нечёткие модели для экспертных систем в САПР Текст. / Н. Г. Малышев, JI.C. Берштейн, A.B. Боженок. М.: Энергоатом и здат, 1991.- 136 с.: ил.-Библиогр.: с. 132−134.-4000 экз. — ISBN 5−283−1 592−0.
  96. Zimmermann, H.J. Fuzzy Set Theory and its Applications Text. / H.J. Zimmermann. 3rd ed. Dordrecht: Kluwer Academic Publishers. — 1996. — 315 p.
  97. , И.З. Основные операции нечёткой логики и их обобщения Текст./И.З. Батыршин. Казань: Отечество, 2001. — 100 с. -Библиогр.: с. 95−100. — 230 экз. — ISBN 5−9222−0034−8.
  98. , В. Математические пакеты расширения MATLAB Текст./В. Дьяконов, В. Круглов: специальный справочник. СПб.: Питер, 2001. — 480 с. — 5000 экз. — ISBN 5−318−4−5.
  99. , В.И. Нечёткие регуляторы в системах автоматического управления Текст./В.И. Гостев. К.: «Радюаматор», 2008. — 972 с. -Библиогр.: с. 945−966. — 300 экз. — ISBN 978−966−96 178−2-0.
  100. , В.В. Нечёткая логика и искусственные нейронные сети Текст. / В. В. Круглов, М. И. Дли, Р. Ю. Голубов. М., 2004. — Библиогр.: с. 224.
  101. , В.И. Системы управления с цифровыми регуляторами Текст.: справочник / В.И. Гостев- К.:Тэхника, 1990. 280 с. — Библиогр.: с. 276.278. 15 000 экз. — ISBN 5−335−369−3.
  102. Ш. Уинстон, П. Искусственный интеллект Текст.: монография / П. Уинстон- пер с англ. B.JI. Стефанюка. М.: Мир, 1980. 520 с. — 15 000 экз.
  103. , М. Вычисления и автоматы Текст.: монография / М. Минский- пер. с англ. Б. Л. Овсиевича, Л. Я. Розенблюма. М.: Мир. Библиогр.: с. 353−358.
  104. , Д.А. Продукционные модели Текст. / Д. А. Поспелов. В кн. Искусственный интеллект. — В 3-х кн. Кн.2. Модели и методы: Справочник- под ред. Поспелова Д. А. — М.: Радио и связь, 1990. С. 49 — 56.
  105. , В.И. Системы фуцци-управления Текст.: монография / В. И. Архангельский, И. Н. Богаенко, Г. Г. Грабовский, 1−1.А. Рюмшин. Киев: Техника, 1997. — 206 е.: ил. — Библиогр.: с. 196−202. — ISBN 966−575−190−5.
  106. Mamdani, Е.Н. Application of fuzzy logic to approximate reasoning using linguistic synthesis Text. / E. H Mamdani- IEEE Transactions on Computers, vol.26, no. 12, 1977, pp.1182 1191.
  107. Mamdani, E.H. Advances in the linguistic synthesis of fuzzy controllers Text. / E. H Mamdani. // International Journal of Man-Machine Studies, vol.8, 1976, pp. 669 678.
  108. , С.Д. Проектирование нечётких систем средствами Matlab Текст. / С. Д. Штовба. М.: Горячая линия — Телеком, 2007. — Библиогр.: с. 277.279. 2000 экз. — ISBN 5−93 517−359-Х.
  109. Ross, T.J. Fuzzy logic with engineering applications Text. /T.J. Ross // McGraw-Hill, 1995. 600 p.
  110. Takagi, T. Fuzzy identification of systems and its applications lo modeling and control Text. // T. Takagi, M. Sugeno- IEEE Transactions on Systems, Man and Cybernetics, vol.15, no. 1, 1985, pp. 116 132.
  111. , M. Нечёткая логика и нечёткие выводы Текст. / М. Мидзумото // Сури кагаку. 1987. — Т. 284, N 2. — С. 10 — 18.
  112. , Н.Г. Основы теории нечётких и гибридных систем Текст.: учебное пособие / Н. Г. Ярушкин. М.: Финансы и статистика, 2004. -322 с. — 4000 экз. — ISBN 5−279−2 776−6.
  113. , Д.В. Интеллектуальные информационные системы Текст.: учебник для вузов / Д. В. Гаскаров. М.: Высшая школа, 2003. — 432 с. — 5000 экз. — ISBN 5−06−4 611−7.
  114. , В.В. Система автоматизированного управления креслом водителя автомобиля Текст. / В. В. Игнатьев, В.И. Финаев// Радиоэлектроника, электротехника и энергетика: материалы 14-й международной научно-технической конференции. -М.: МЭИ, 2008.
  115. , Ю.Ф. Начала программирования в среде MatLAB Текст.: Учебное пособие/Ю.Ф. Лазарев. К.: НТУУ «КПИ», 2003. — 424 с. -Библиогр.: 18 назв.
Заполнить форму текущей работой

Пора сдавать?