Введение к работе
Актуальность темы
Создание автономных автоматически управляемых искусственных систем в настоящее время становится реальностью. Спектр таких устройств и сфера их применения все время расширяются - от автономного робота, работающего в недоступной человеку среде, до компьютерных программ, существующих и работающих в среде Интернета. Круг задач, в которых должны использоваться такие системы, постоянно растет и требует соответствующего развития теории управления. Характерными чертами условий, в которых применяются такие системы, являются начальная неопределенность и нестационарность свойств объекта управления, либо среды. В этой связи, основным требованием к системам управления становится их адаптивность, т.е. способность приспосабливаться к текущим условиям, в том числе - автоматически.
Традиционно системы управления для автоматических устройств конструировались на основе математических моделей объектов управления. Однако, во многих практических случаях невозможно выполнить строгое описание объекта управления и среды, в которой он функционирует, и обеспечить высокое качество управления. Обеспечение адаптивности в таких системах требует обычно предварительного знания параметров математической модели, которые могут изменяться, и организацию автоматической коррекции этих параметров. В то же время известно, что системы управления живыми организмами в Природе обеспечивают высокую обучаемость и приспосабливаемость к изменяющимся условиям. Предполагается, что естественные нервные системы функционируют не на основе математических моделей, но за счет того, что эмпирически находят и запоминают отображения между множествами входных и выходных сигналов, множествами качественных оценок и т.д. Примечательно, что задача восприятия сигналов, их обработки в биологических системах решена развитием нервной системы, которая обеспечивает управление многоклеточным организмом, независимо от их форм и сред существования. Принципы работы нервной системы и механизмы объединения нейронов, как для животных, стоящих на разных ступенях эволюции, так и для разных уровней отделов нервной системы весьма сходны.
Таким образом, построение и исследование моделей поведения сложных систем и управления ими на основе имитации механизмов, заложенных Природой в живых организмах, является одной из важных задач. К работам в этой области относится метод автономного адаптивного управления (ААУ), развиваемый в отделе имитационных систем Института Системного Программирования РАН.
Как показывает опыт практического применения, методология ААУ позволяет успешно
создавать адаптивные системы управления для приложений, в которых создание
математических моделей объекта управления затруднено или невозможно. Используя
входящие в состав системы ААУ подсистемы (блоки датчиков и исполнительных органов,
систему формирования и распознавания образов, базу знаний, систему моделирования эмоций,
блок принятия решений), система ААУ накапливает эмпирически найденные знания о
свойствах объекта управления и находит способ управления последним. Подсистемы
организованы в структуру, общую для всех систем ААУ. Подсистемы могут быть реализованы
на основе различных подходов, в том числе и на основе сетей нейроноподобных элементов
(далее нейроны). В настоящее время проблемы, связанные с нейросегевым вариантом
реализации систем ААУ, являются актуальными для дальнейшего развития метода. В
частности, при проектировании прикладных систем ААУ на основе нейронных сетей
возникают задачи подбора параметров нейроноподобных элементов, проектирования
топологий их сетей и задача синтеза полученных конструкций. "^
"аЩ1;
БИБЛИОТЕКА СПс
Одной из основных проблем, связанных с методологией ААУ, является отсутствие принципов автоматического построения основных нейросетевых блоков систем управления. Поэтому, настоящая диссертационная работа посвящена решению этой актуальной задачи.
Цель работы
Целью диссертационной работы является разработка методов синтеза основных блоков и систем ААУ на основе нейросетевых и бионических принципов.
Для достижения поставленной цели необходимо было решить следующие задачи:
разработать систему ААУ в целом и ее отдельных функциональных подсистем на основе нейроноподобных элементов и реализовать систему управления на практическом примере, в качестве которого была выбрана программная модель автономного мобильного робота;
разработать и исследовать алгоритмы и методы автоматического синтеза отдельных нейросетевых блоков системы управления;
показать эффективность предложенных подходов и алгоритмов; реализовать систему управления на примере автономного мобильного робота;
выяснить области применимости предложенных методов синтеза отдельных блоков и найти альтернативные решения.
Методыисследований
Для решения поставленных задач в работе использованы методы вычислительной математики, теории вероятностей и математической статистики, а также методы прикладного программирования.
Научнаяновизна
Научная новизна диссертационной работы состоит в том, что для нового вида систем, каковыми являются системы автономного адаптивного управления:
1. впервые предложены и применены конструктивные бионические принципы
нейроноподобной реализации систем:
разработаны принципы построения основных подсистем управляющей системы на «элементной базе» нейроноподобных элементов (моделей нейронов и синапсов) с учетом эффектов цифровых схем и предъявляемых к ним требований;
- для мобильного автономного робота впервые реализована самообучающаяся система
управления, построенная на базе нейроноподобных элементов на основе методологии
ААУ;
- предложен способ описания подсистемы формирования и распознавания образов
системы ААУ и на его основе разработана новая процедура динамического синтеза сети
подсистемы формирования и распознавания образов;
на примере мобильного робота показана высокая эффективность процедуры формирования сети, когда в реальном масштабе времени происходит синтез системы управления и ее обучение;
2. впервые предложены и применены принципы реализации подсистем ААУ,
основанные на древовидных структурах:
- разработан теоретически и исследован экспериментально принцип организации памяти на деревьях с применением стекового алгоритма быстрого поиска;
применен принцип синтеза подсистемы формирования и распознавания образов, основанный на алгоритмах быстрого поиска по деревьям. На примере мобильного робота показана его работоспособность;
принцип организации памяти на древовидных структурах применен к задаче ориентирования на местности для управления автономным объектом;
3. впервые предложен и применен принцип реализации подсистем ААУ, основанный на параметрической нейросети:
- впервые разработан теоретически и исследован экспериментально новый подход к
построению памяти, основанный на обработке частотно модулированных сигналов;
- предложен новый подход к построению ассоциативной базы знаний, основанный на параметрической нейросети.
Практическая ценность
Практическая ценность результатов работы состоит в том, что разработанная методика может существенно облегчить процесс создания прикладных систем на основе метода ААУ.
Апробация работы и публикации
По материалам диссертации опубликовано 16 работ (см. список публикаций), из них 4 - в российских и зарубежных журналах, 12 - в трудах конференций.
Основные положения работы докладывались на следующих конференциях:
Международной конференции "Интеллектуальные и многопроцессорные системы", Геледжик,2001;
XXV IV Всероссийской научно-технической конференции
НЕЙРОИНФОРМАТИКА-2002, Москва Д002.
VIII Всероссийской научно-технической конференции "Нейрокомпьютеры и их применение" НКП-2002, Москва.
Международной конференции "Интеллектуальные и многопроцессорные системы" 1М8'2002,Украина, Кацивели,2002.
V Всероссийской научно-технической конференции "НЕЙРОИНФОРМАТИКА-
2003", Москва ,2003.
II международной конференции «Интегрированные модели и мягкие вычисления в искусственном интеллекте», Коломна,2003.
VI Всероссийской научно-технической конференции "НЕЙРОИНФОРМАТИКА-
2004", Москва ,2004.
Международной конференции "Интеллектуальные и многопроцессорные системы" 1М8'2004,Украина, Кацивели,2004.
Структура и объем диссертации
