Введение к работе
Актуальность темы. Востребованность в промышленности технологий управления технологическими процессами и производством при неполном объеме информации (неопределенности), требуемой для решения задач управления, ставят перед техническими и научными организациями задачи создания новых методов и устройств для эффективного управления
Неопределенность характеризуется нестабильностью характеристик сложных объектов и процессов, а также недостаточностью или отсутствием информации о возмущающих воздействиях, обуславливает отсутствие точной модели объекта на всем интервале управления. Проблема эффективного управления системами в условиях параметрической неопределенности является актуальной задачей в различных предметных областях.
Применение теории искусственного интеллекта для решения задач управления в условиях неопределенности, в частности теории нейро-нечетких систем управления с генетической настройкой параметров в условиях неопределенности, представляет собой один из самых современных методов управления. Результат их применения приводит к получению оптимальных решений задачи управления технологичными процессами за приемлемое время, т.к. скорость обучения нейро-нечетких адаптивных обучаемых систем управления в разы превышает скорость изменения параметров объекта управления.
Диссертационная работа посвящена разработке новых методов решения задач управления сложными нелинейными объектами в условиях отсутствия сведений об аналитическом виде модели объекта с применением систем, реализованных в виде интеллектуальных обучаемых устройств. Это определяет и подтверждает актуальность диссертационной работы.
Цель диссертационной работы состоит в развитии методов системного анализа, в частности методов моделирования и синтеза адаптивных обучаемых систем управления стохастическими нелинейными объектами с применением эволюционных методов и методов искусственного интеллекта в условиях отсутствия полной информации об объекте управления.
Объект исследования. Объектом исследования в диссертационной работе являются модели, методы и модули управления в виде адаптивных обучаемых устройств, а также проблемно-ориентированный прикладной программный комплекс для решения задач исследования процессов обучения адаптивных систем управления.
Основные задачи исследования. Для достижения поставленной цели решены следующие основные задачи:
- исследование адаптивных обучаемых систем управления с применением аппарата искусственного интеллекта;
- синтез и исследование модулей управления направлением, скоростью и расстоянием от транспортного средства до препятствия с помощью алгоритмов
обратного распространения ошибки и Хэбба;
- разработка интеллектуальной адаптивной обучаемой системы управления;
- разработка генетического алгоритма обучения модуля управления направлением транспортных средств;
- разработка генетических алгоритмов обучения модулей управления скоростью и состоянием транспортных средств;
- разработка общего генетического алгоритма обучения интеллектуальной адаптивной системы управления;
- разработка специализированного программного комплекса для выбора параметров адаптивных обучаемых гибридных систем управления и проведения экспериментов.
Основные научные результаты:
- метод построения адаптивной обучаемой системы управления, отличающийся возможностью решения задач управления сложными объектами в условиях неполноты данных за счет применения нейро-нечетких структур и алгоритмов обучения интеллектуальной составляющей системы управления;
- Интеллектуальная адаптивная обучаемая система управления, отличающаяся тем, что ее структура состоит из совокупности нечетких модулей принятия управляющих решений, построенных на основе нейронных сетей, функционирующих в соответствии с алгоритмами обучения, позволяющими оптимизировать параметры нечетких модулей;
- метод обучения интеллектуальной адаптивной системы управления, отличающийся, как применением приема декомпозиции в виде алгоритмизации процессов обучения отдельных модулей, так и применением приема композиции, позволяющего алгоритмизировать процесс обучения интеллектуальной гибридной адаптивной системы управления, что способствует уменьшению времени настройки параметров и вывода управляющих воздействий, а также уменьшению ошибки обучения.
Практическая ценность результатов исследований определена их применением в системах автоматического управления транспортными средствами, проектированием интеллектуальных адаптивных обучаемых систем управления, обеспечивающих решение задачи адаптивного управления в соответствии с поставленной целью.
Методы проведения исследования. В диссертационной работе использованы методы теории искусственного интеллекта, теории моделирования, методы функционального анализа, генетические алгоритмы обучения нейро-
нечетких адаптивных обучаемых систем управления. В экспериментальных исследованиях применялось имитационное моделирование на разработанном комплексе «NeuroAndFuzzy» на ЭВМ.
Достоверность полученных в диссертации результатов подтверждается логическими выводами, программными приложениями, актами о внедрении
Реализация и внедрение результатов работы. Результаты работы внедрены:
- на предприятии АВИАОК Интернейшенел.
- на предприятии ООО «Ирс-Агро»;
- в госбюджетной НИР 12154 «Разработка и исследование методов аналитического синтеза интеллектуальных систем принятия решений и многокритериального управления в условиях неопределенности на основе современных информационных технологий»;
- в учебном процессе на кафедре систем автоматического управления Технологического института Южного федерального университета в г. Таганроге.
Апробация результатов работы. Основные результаты докладывались и обсуждались на научно-технической конференции (AIS’08), ««Интеллектуальные системы, «Интеллектуальные САПР» (CAD-2007); 6-ой Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых «Молодежь XXI века – будущее Российской науки» 2008.; Международной научной конференции «Системы и модели в информационном мире», (СМИ-2009), Таганрог: 2009; Ежегодной научной конференции студентов и аспирантов базовых кафедр ЮНЦ РАН, Ростов н/Д, 2009; Межрегиональной НТК студентов, аспирантов и молодых ученых Южного федерального округа. – Новочеркасск, ЮРГТУ (НПИ), 2009; 6-й всероссийской научно-практической конференции студентов, аспирантов и молодых ученых «Молодежь XXI века – будущее российской науки», Ростов н/Д, 2009; VII-й всероссийской конференции молодых ученых, аспирантов и студентов, «Информационные технологии, системный анализ и управление», Таганрог: ТТИ ЮФУ, 2009; Международной научной конференции «Методы и алгоритмы принятия эффективных решений», (МАПР-2009), Таганрог: ТТИ ЮФУ, 2009; VI Ежегодной научной конференции студентов и аспирантов базовых кафедр Южного научного центра РАН. Изд-во ЮНЦ РАН, 2010; Международной научной конференции «Информационное общество: идеи, технологии, системы», Таганрог: ТТИ ЮФУ, 2010; VII Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых «Молодежь и современные информационные технологии». Томск, 25-27 февраля 2009г; Международный семинар «Системный анализ, управление и обработка информации», пос. Дивноморское СОСК «Радуга»; XI всероссийской научно-технической конференции и школе молодых ученных, аспирантов и студентов «Научные исследования и разработки в области авиационных, космических и транспортных систем», АКТ (2010). Москва, 2010.
Публикации. По теме диссертационной работы опубликована 1 монография, 10 статей и 17 тезисов докладов, из них 4 статьи, в известиях относящихся к перечню ВАК.
Структура и объем работы. Диссертационная работа содержит 179 страниц машинописного текста, включая введение, четыре раздела, заключение, список литературы из 151-го наименования, 72 рисунков, 15 таблиц.
