CC BY
21
Розглядаеться проблема проектування тте-лектуальних систем управлтня (1СУ) динамiч-но-змтними об'ектами (ДО), що функщонують в умовах суттевог апрюрног невизначеностi. Представлено аналiз ^нуючих пiдходiв до побудо-ви 1СУ ДО, методiв, моделей i алгоритмiв гх побу-дови на основi ттеграци класичних методiв теорп управлтня i методiв штучного ттелекту. В яко-стi прикладiв ДО розглядаються рухомий склад багаторежимних тдприемств (ТП). Виявляеться коло невиршених завдань, формулюеться мета i завдання для ршення
Ключовi слова: ттелектуальт системи, дина-
мiчно-змiннi об'екти, транспортт тдприемства □-□
Рассматривается проблема проектирования интеллектуальных систем управления (ИСУ) динамично-переменными объектами (ДО), функционирующих в условиях существенной априорной неопределенности. Представлен анализ существующих подходов к построению ИСУ ДО, методов, моделей и алгоритмов их построения на основе интеграции классических методов теории управления и методов искусственного интеллекта. В качестве примеров рассматриваются подвижной состав многорежимных предприятий (ТП). Выявляется круг нерешенных задач, формулируется цель и задачи для решения
Ключевые слова: интеллектуальные системы, динамично-переменные объекты, транспортные предприятия
УДК 621.311.001.57
|DOI: 10.15587/1729-4061.2015.56693|
АНАЛ1З 1СНУЮЧИХ П1ДХОД1В НАЛАШТУВАННЯ 1НТЕЛЕКТУАЛЬНИХ СИСТЕМ УПРАВЛ1ННЯ ТРАНСПОРТНИМИ
тдприемствАМи
Д. Ю. Зубенко
Кандидат техычних наук, доцент* E-mail: [email protected] А. В. Ковален ко
Кандидат техычних наук, доцент* E-mail: [email protected] О. М . Куз н е цо в
Кандидат техшчних наук, доцент** *Кафедра електричного транспорту*** **Кафедра теоретично? i будiвельноT мехашки*** ***Хармвський нацюнальний уыверситет мюького господарства iM. О. M. Бекетова вул. Революци, 12, м. Хармв, УкраТна, 61002
1. Вступ
В даний час проблема проектування систем автоматичного управлтня динамiчно-змiнними об'ектами характеризуемся переходом вщ парадигми адаптивного управлтня до парадигми ттелектуального управлтня, це викликане як безперервним усклад-ненням об'екпв управлтня та умов 1х функщону-вання, появою нових клаав обчислювальних засобiв (зокрема, розпод^ених обчислювальних систем), ви-сокопродуктивних каналiв телекомушкацт, так i рiз-ким тдвищенням вимог до надiйностi та ефективност процесiв управлiння в умовах суттево! апрiорноi i апостерiорноi невизначеностi. Урахування перерахо-ваних вище факторiв е можливим пльки на основi переходу вщ «жорстких» алгоритмiв параметрично! та структурно! адаптацп до антропоморфного принципу формування управлтня.
1нтелектуальне управлiння е мiждисциплiнарною предметною областю, в якт тiсно переплiтаються завдання i методи рiшення, розробленi в теорп до-слiдження операцiй, сучасно! теорп управлтня склад-ними динамiчно-змiнними об'ектами та теорп штучного ттелекту, що обумовлюе внутршню складнiсть виршення проблем у данiй галузi, тому в нт не тiльки збертються проблеми наукових областей «донорiв»,
а й з'являються HOBi невирiшенi проблеми, викликаш синергетичним ефектом ix взаемодп.
2. Аналiз лiтературних даних та постановка проблеми
Дослщження в галузi оцiнки та оптимiзацii склад-ност САК динамiчними об'ектами мають твстолгг-ню iсторiю. Разом з тим, перераховаш пiдходи, ви-значаючи необхщш напрямки дослiджень стосовно до САК динамiчно-змiнними об'ектами, не вказують формальних алгоритмiв i методик синтезу 1СУ ТП на основi критерiю мжмально! складностi при вико-наннi заданих вимог до якосп процесiв управлтня в умовах невизначеноси режимiв роботи ТП i змiни зовнiшнього середовища. В останнiх публiкацiях та дослщженнях вiдображаеться ця проблема, так у [1] виршуеться питання дiагностування, але не розгля-нуто питання створення повнощнно! нейронно! мере-жi. В стати [2] показано iерархiю нейронних мереж та класифiкацiю, та не вщображено модульнi нейроннi мережь Дослiдження використання нейронних мереж в управлтш електрозабезпеченням [3] дозволяе створювати прогнозуючi моделi, але в щлому управ-лiння пiдприемством не показано. У [4] приведет дослщження в створеш нових комп'ютерiв та систем на
©
основi нейронних мереж, але задач^ пов'язан з визна-ченням прогнозу в системi невизначеностi не ввдобра-жаеться. Також в [5] вiдображено проблему розробки паралельних програм на багатоядерних комп'ютерах, що е актуальним у зв'язку з нарощуванням потужнос-т персональних комп'ютерiв, але питання реалiзацii конкретних програм для пiдприемств не враховано. Обробка паралельних програм [6] дае можлившть бшь широко використовувати математичний апарат, але створення конкретноi математичноi моделi для тд-приемств не враховано. Також обробка багатомiрних програм [7] та багатомiрного аналiзу iнформацii та iнтелектуальних систем [8] не розглядаеться фактор прогнозування. Засоби i алгоритми математичного моделювання [9] дозволяе створити алгоритм для основних тдроздШв тдприемства, але не визначено тдхщ до створення штучного штелекту.
3. Цiль та задачi дослщження
Метою роботи е «розвиток теоретичних складо-вих» iнтелектуальних систем управлшня складними динамiчно-змiнними об'ектами на основi системного аналiзу та структурноi оптимiзацii iерархiчних рiвнiв управлiння з використанням принципу мжмальшл складностi, а також реалiзацiя запропонованих тдхо-дiв при побудовi iнтелектуальних систем управлiння транспортними тдприемствами.
Для досягнення зазначеноi мети в робоп поставле-нi наступш завдання:
- обгрунтування концепцii побудови iерархiчних iнтелектуальних систем управлiння складними дина-мiчно-змiнними об'ектами транспортних тдприемств, що функцiонують в умовах суттевоi невизначеностi;
- обгрунтування методiв i алгоритмiв оцiнки i оптимiзацii складноси проектних рiшень на рiзних рiвнях iерархii 1СУ ТП, а також алгоритмiв синтезу алгоритмiв управлiння виконавчого рiвня 1СУ ТП.
4. Матерiали та методи дослщження загальних принципи побудови штелектуальних систем управлiння дослщного об'екта
Як вiдомо, опис поведшки ДО (дослiдного об'екта) в просторi станiв може бути представлено у виглядi системи нелiнiйних диференцiальних та алгебраiчних рiвнянь [9]:
у = Н(Х,и^), (1)
де х - вектор стану ДО; у - вектор вимiрюваних координат (виходiв) ДН.
При цьому оператори ^ Н системи (1) можуть мати рiзну форму: аналiтичнi вирази, яюсний опис (знання експертiв), логiко-динамiчнi рiвняння (гiбриднi системи), у виглядi програмного коду, таблиць тощо).
Об'ем доступноi iнформацii в процеа управлiння ДО (1) визначае вибiр класу проектованоi САК. У табл. 1 представлен основнi типи моделей ДО, яю ви-значають стутнь повноти знання про поведiнку ДО, тобто ввдображають рiвень iснуючоi невизначеность
Таблиця 1
Тип моделi ДО i рiвнянь невизначеностi
Тип модел1 ДО Доступна ш-формацiя про поведшку ДО Реашзащя Рiвешь неви-зшачешостi (недостатньо шформацй)
Детермiшоваша модель (Д-модель) 6 повна шфор-мацiя Рiвшяшшя заелементно!' моделi Вщсутня
¡нтегрована модель (1-модель) Неповна iшформадiя Рiвшяшшя з штервальним коефщентом Низький
Вiрогiдша (В-модель) Статистична шформащя про процеси (шаявшiсть великого вибору) Стохастичшi рiвшяшшя Середшiй
Нейромережна (НМ-модель) Статистична iшформадiя Нейромережшi моделi Середшiй
Лiшгвистичша (Л-модель) Якiсша ш-формадiя про поведшку ДО (мала в^рка) Неч^га моделi Достатньо високий рiвешь
Експертна (Е-модель) Знання екс-пертiв База знань, машина лопч-ного виводу Високий
Таблиця 2
Залежшсть мiж рiвнем невизначеностi характеристик ДО i рiвнем складностi САК ДО
Рiвешь складносй САК ДО Рiвешь шевизшачешостi характеристик ДО
Вщсутнш Низький Середнш До-статньо високий Високий
Проста (неважка) + + - - -
Достатньо складна - + + - -
Складна - + +
Дуже складна - - - - +
В табл. 2 представлена яюсна залежшсть рiвня складностi САК ДО ввд рiвня невизначеностi знань про ДО (тобто вщ складност ДО). В таблицi показано, що складшсть опису ДО прямо впливае на складшсть проектних рiшень САК ДО.
Розглянемо деяю визначення понять складност та невизначеностi пропонованi рiзними авторами.
Складтсть об'екта (системи) управлтня. В [10] зазначено, що складшсть системи характеризуеться неможливктю iз заданою точнiстю виконати аналiз i прогноз змши стану системи. В даному випадку йдеть-ся про неможлившть забезпечення необхiдноi якостi управлiння ДО з необхвдною точнiстю на обмеженому iнтервалi часу.
В [11] пропонуеться вважати систему складною, якщо вона мае 104-107 елементiв, ультраскладною -систему, що складаеться з 107-1030 елеменпв, i су-персiстемою - систему з 1030-10200 елементiв. Однак, пропонована шкала складност не вщображае склад-нiсть взаемних зв'язкiв мiж елементами; таким чином, системи мають однакову кiлькiсть елементiв, але рiзну топологiю, не пiддаються порiвнянню.
В [12] до складних систем ввдносять системи, опи-суваш на мовi теоретико-iмовiрнiсних методiв. У цьому випадку побудова яюсно! шкали для порiвняння склад-ностi рiзних ДО е достатньо складним завданням.
В [13] складною системою називаеться система, в моделi яко! недостатньо точно! шформацп для забез-печення досягнення мети управлшня цiею системи, тобто для забезпечення функщонування цiеi системи потрiбне отримання великого обсягу недостатньо! ш-формацп та побудова бiльш повно! докладно! моделi. В даному випадку також представляеться скрутним по-будувати шкалу складност для порiвняння мiж собою рiзних варiантiв побудови системи.
В [14] складшсть системи визначаеться як влас-тивiсть, що характеризуе техшчне втiлення рiшень чи алгоритмiв, що забезпечують досягнення основно! мети (щлей) управлiння при заданому рiвнi якостi управлiння. Таке визначення б^ьш детальнiше ввдо-бражае данi ознаки стосовно до САК ДО, тому воно буде використовуватися далi при розробщ методологи проектування 1СУ ДО. Враховуючи, що складнiсть е невщ'емною характеристикою проектовано! системи, дане поняття мае пряме ввдношення i до самого про-цесу проектування САК. При цьому основним завдан-ням процесу проектування е побудова системи, що забезпечуе необхщну яюсть (ефективнiсть) процесiв управлшня ДО при мтмальнш складностi проектного ршення. Дана обставина е надзвичайно важли-вою при проектуванш САК сучасних ДО (наприклад, ТП), що функщонують в умовах тдвищено! витрати ресурсiв, звичайно! апрiорноi i апостерiорноi невизна-ченостi.
4. 2. Фактори невизначеноси
Як зазначалося, фактори невизначеност значною мiрою визначають складшсть процесу проектування та техшчних ршень систем управлiння ДО. До основних факторiв невизначеностi зазвичай вiдносять [15]:
- неповноту проектно! iнформацii про робочi характеристики ДО, умов його функщонування, зовшш-нiх i внутрiшнiх впливiв тощо, особливо сильно цей фактор впливае на складшсть процесу проектування ушкальних (нових) зразюв ДО;
- неточнiсть математичних моделей ДО як об'екта управлшня i його пiдсистем, похибки вимiрюваль-но-шформацшних систем, виконавчих механiзмiв, ал-горитмiв i методик розрахунку тощо;
- нечггюсть опису характеру ряду процеав, що протiкають в ДО, внаслщок дефiциту доступно! ш-формацп про цШ та завдання функцiонування ДО в умовах змши ситуацii управлшня та стану зовшш-нього середовища, несприятливий вплив яко! знижуе ймовiрнiсть досягнення поставлено! мети управлiння;
- можливу некоректшсть застосування тих чи ш-ших пiдходiв (методiв, методик) при проектуванш САК ДО, збо!, вщмови апаратури i т. п.
При проектуванш САК ДО, що функщонують в умовах невизначеносп (табл. 2), вони можуть розро-блятися в наступних класах САК:
- роботизоваш САК забезпечують малу чутли-вшть до сигналiв, параметричних i структурних збу-рень за рахунок належного вибору структури i па-раметрiв САК ДО на основi методiв роботизованого управлiння.
Слiд зазначити, що проектування роботизованих САК ДО вимагае наявносп аналиично! моделi ДО i досить складних алгоритмiв проектуванш [16]:
- адаптивш САК - володжть властивостями адап-тацп (тобто мехашзмами змiни структури або параме-трiв керуючо! частини системи) при ди дестабШзую-чих факторiв (передбачаеться, що аналiтичний опис ДО i дiапазон змiни !! параметрiв також вiдомi [17]);
- вiдмовостiйкi САК - виршуеться проблема забезпечення надшност управлiння за рахунок вико-ристання рiзних форм надмiрностi (шформацшно!, структурно!, алгоритмiчно'!, функцiонально'! i т. д.) [18].
Разом з тим, у разi високого рiвня невизначеносп, розподiльного характеру ДО, бiльшого числа його взаемоджчих пiдсистем, складного (а часто, непе-редбачуваного) характеру змши зовшшнього середовища i, як наслщок, змiни самих цiлей поведшки ДО, застосування зазначених вище пiдходiв часто не забезпечуе необхiдну яюсть (ефективнiсть) процесiв управлiння ДО [18].
Останшм часом усе бiльш активно розвиваеться но-вий науковий напрям, пов'язаний зi створенням i впро-вадженням iнтелектуальних систем управлiння ДО.
1нтелектуальне управлiння е складною мiждис-циплiнарною предметною областю, в якш тiсно пере-плiтаються завдання i пiдходи, розроблення в теорп дослщженш операцiй, сучасно! теорii управлiння ДО, теорп штучного iнтелекту, що обумовлюе внутршню складнiсть вирiшення проблем у данш галузi [7-17].
В даний час теоретична база проектування 1СУ ДО ще пльки формуеться, що знаходить свое вщображен-ня i в рiзних визначеннях поняття iнтелектуального управлiння.
Так, в роботах [19] вид^яються наступнi ознаки iнтелектуального управлшня:
- безперервне уточнення можливоси досягнення попередньо обраних термшальних умов, заданих на-мiченоi мети управлiння;
- корекщя бази критерiiв, що визначае вимоги до якост управлiння;
- перепланування програми руху, включаючи фун-кцп датчикiв вхiдних впливiв i еталонного об'екта;
- вибiр способу регулювання i поточне безпосеред-не управлшня об'ектом.
На рис. 1 приведена структурна схема функщонування 1СУ ДО.
ВЦ
БВС П
г
БВД
ТАК СТО
БОС
ТЦ
БК
Рис. 1. Структурна схема функцюнування 1СУ ДО
На рис. 1 представлена структурна схема 1СУ ДО, запропонована в [20], де ВЦ - вища мета; БВСП - блок вибору стратеги поведшки; ТЦ - поточна мета; БВД -блок вибору дш; САК - система автоматичного управ-
лтня; БОС - блок узагальнення ситуацп; БК - блок класифжацп; 1, 2, 3 - рiвнi управлтня ДО.
У тих випадках, коли число сташв системи е ктце-вим або розрахунковим, ентротя системи тдрахову-еться як [1-18]
Н = -£ Р!1оёР|, (2)
де р1 - ймовiрнiсть знаходження системи в z-му станi.
Якщо вiдома шдльшсть розподiлу ймовiрностей f(х) того, що система знаходиться в сташ х е X, ентротя системи визначаеться наступним чином [11-20]:
н = -1х f (х) logf (х)съ. (3)
Доведено, що максимум ентропп досягаеться при нормальному законi розподшу ймовiрностей f(x). Ен-тропiя системи, отримано! в результатi об'еднання де-кiлькох пiдсистем (об'ектiв), дорiвнюе сумi ентропп.
5. Результати дослщжень пiдходiв до налаштування iнтелектуальних систем та ïx обговорення
Пiдводячи тдсумки сказаного, можна зробити ви-сновок про те, що ршення задач управлтня сучасни-ми i перспективними ТП в iнтегрованих адаптивних систем управлтня РС в ТП вимагае застосування принципово нових парадигм i пiдходiв, що зумовлено рiзким ускладненням як самих об'екпв управлiння, так i бiльш жорсткими вимогами до ефективностi ке-рування силовою установкою i безпеки працi. Проана-лiзовано iснуючi пiдходи налаштування ттелектуаль-них систем та отримаш результати розробка концепцп побудови iерархiчних iнтелектуальних систем управлтня складними динамiчно-змiнними об'ектами, що функщонують в умовах суттево! невизначеность Результати дослiдження методiв i алгоритмiв оцiнки i оптимiзацii складностi проектних рiшень на рiзних рiвнях iерархii 1СУ динамiчно-змiнними об'ектами показали що потрiбно розробляти на основi ентропт-ного пiдходу та принципу мжмальшл складностi. Ме-тоди, алгоритми i методики синтезу алгоритмiв управ-лiння виконавчого рiвня 1СУ ТП на основi нелiнiйних регуляторiв, нейронних мереж i нечiткоi лопки.
Як показуе проведений в [18-20] аналiз, перспекти-ви побудови подiбних систем для 5-го i 6-го поколть значною мiрою пов'язанi з можливостями застосування багаторiвневих ттелектуальних систем управлт-ня i контролю. При цьому у складi алгоритмiчного забезпечення САК ДО повиннi з'явитися алгоритми управлтня, засноват на використант знань, методiв навчання, м'яких обчислень (нейронних мереж, нечетко! лопки) [15-20].
Питання використання ттелектуального управлт-ня складними транспортними системами, до яких по сут вiдносяться транспортнi пiдприемства, викладеш в роботах [21-23], в яких, зокрема зазначено, що у зв'язку зi значним зб^ьшенням комп'ютерiв в транспортних мережах, часто потрiбнi ршення завдань сумiсностi устаткування i проектування кооперативних додатюв мiж пристроями, встановленими в подiбного роду мережах [21]. Тому мае кнувати системна методолопя для створення онтологiй, використовуючи семантичний
аналiз, алгоритми кластеризацп для пошуку та подання noTpi6Hoï тформацп. Завдяки такому пiдходу, як вщ-значають автори даноï статтi, з'являеться можливiсть пiдключати нове устаткування до транспортних мережах. При цьому слвд врахувати, що потенщал, яким володтть iнтелектуальнi транспортнi системи (1ТС), забезпечуе можливiсть iстотного скорочення числа ава-рiй, визваних людськими помилками [22]. 1ТС доз-воляють також виршувати проблеми iнтенсифiкацiï процесiв перетворення транспортних систем та тфра-структур [23]. Використання подiбного роду тдходу до управлiння для пiдприeмств взагалi увазi реалiзацiю рiзних варiантiв управлтня, загальтл характерною особливiстю якого е нечiткiсть вхiдноï iнформацiï i необхвдшсть вибору критерiю оптимiзацiï управлiння з ряду конкуруючих [24-26]. Так, в робоп [24] запро-понований варiант математичного опису промислового об'екта управлтня, що дозволяе виршити задачу синтезу оптимального регулятора в умовах нечеткого опису вхвдних параметрiв з вибором в якосп критерп опти-мальностi швидкодп системи. В робоп [25] представ-ленi архiтектури адаптивного нечеткого управлiння промислових систем, особливктю якоï е використання нечiткого програмного забезпечення для управлтня, яке може бути iнтегрованоï в промислових переробних i комушкацтних об'ектах. Подiбна система включае в себе чотири рiзних модуля: математичну нечiтку бiблi-отеку, графiчний iнтерфейс користувача (GUI), нечеткий регулятор i промислову мережу. Дослщження [26] фокусуеться на розробщ спостерiгача на основi адаптивного управлтня з нечеткою нейромережевоï структурою (OAFNNC), що дозволяе в режимi реального часу управляти рушiем позицiонування транспортноï системи зi зворотним зв'язком по положенню.
Тим не менш, аналiз всiх наведених даних наштов-хуе на думку, що багато з шнуючих рiшень носять конкретний характер, орiентований на суто прикладш аспекти застосування iнтелектуальних транспортних систем. Це може означати, що щкаво дослщження пи-тання, присвяченого розвитку теоретичних складових у '¿х проектуваннi. При цьому об'екти транспортних тдприемств можуть розглядатися як елементи склад-toï динамiчноï системи. Б^ьш того, на перше мiсце виходить саме завдання обгрунтованого вибору i опти-мiзацiï алгоритмiв керування ТП i його тдсистемами на основi iнформацiйного критерiю складностi. Саме цьому сформульована проблема розробки напряму ме-тодолопчних i теоретичних основ проектування ттелектуальних систем управлтня складними динамiч-но-змтними об'ектами на основi системного аналiзу i структурноï оптимiзацiï iерархiчних рiвнiв управлт-ня з використанням ентроптних оцiнок складностi, а також запропонований варiант реалiзацiï тдходу на основi принципу мiнiмальноï складност при побу-довi iнтелектуальних систем управлтня транспорт-ними пiдприемствами, слвд вважати перспективним. Конкретну реалiзацiя цього тдходу апробовано для транспортного тдприемства КП «Жовтневе трамвай-не депо» (м. Харюв, Украïна), для якого в програмi MatLab було створено спрощену нейрону мережу. Характерною рисою цiеï реалiзацiï була можливкть вибору програмою рiшення iз генерованих по критерiю мiнiмальноï складности де основним показником е ефективне використання ресурав.
7. Висновки
Запропоновано концепцп побудови iерархiчних iнтелектуальних систем управлшня складними ди-намiчно-змiнними об'ектами транспортних шдпри-емств, що функщонують в умовах суттево! невизна-ченость Серед них можна визначити багаторiвневих iнтелектуальних систем управлiння i контролю у складi алгоритмiчного забезпечення. При цьому потрiбно застосовувати алгоритми управлшня, за-снованi на використаннi знань, методiв навчання, м'яких обчислень, нейронних мереж на основi нечи-ко! логiки.
Показано, що для ощнки i оптимiзацii складностi проектних ршень на рiзних рiвнях iерархii 1СУ дина-
мiчно-змiнними об'ектами перспективними е методи i алгоритми, що реалiзують ентропiйний пiдхiд та принцип мжмально! складностi. Обгрунтовано, що синтез алгоритмiв управлiння виконавчого рiвня 1СУ ТП можливий на осшж нелiнiйних регуляторiв, нейронних мереж i нечико! логiки. Розроблено в програмi Ма^аЬ спрощену нейрону мережу для транспортного тдприемства КП «Жовтневе трамвайне депо». Про-грама вибирае рiшення iз генерованих по критерiю мiнiмальноi складности де основним показником е ефективне використання ресурав.
Даннi результати визначають подальший тренд в розвитку створення штучного штелекту на базi ней-роних мереж для управлiння транспортними тдпри-емствами.
Лiтератyра
1. Арцыбашев, А. Ю. Диагностирование приводов машин на основе нейронных сетей [Текст] / А. Ю. Арцыбашев, Ю. Р. Никитин // Acta Facultatis forestalis Zvolen. - 2014. - Т. 56, № 1. - С. 201-208.
2. Костин, Н. С. Mесто модульных нейронных сетей в классификации искyсственных нейронных сетей [Текст] / Н. С. Костин // Интеллектуальный потенциал XXI века: ступени познания. - 2013. - № 19. - С. 91-95.
3. Синчук, О. Н. Нейронные сети и управление процессом управления электроснабжением объектов от комбинированных электрических сетей [Текст] / О. Н. Синчук, С. Н. Бойко // Техшчна електродинамша. - 2014. - № 5. - С. 53-55.
4. Mанжyла, В. Г. Нейронные сети Кохонена и нечеткие нейронные сети в интеллектуальном анализе данных [Текст] / В. Г. Mанжyла, Д. С. Федяшов // Фундаментальные исследования. - 2011. - № 4. - С. 108-114.
5. Тарков, M. С. Отображение параллельных программ на многоядерных компьютерах с рекуррентными нейронными сетями [Текст] / M. С. Тарков // Прикладная дискретная математика. - 2013. - № 2 (20). - С. 50-58.
6. Колбасин, В. А. Параллельная обработка потока данных искусственными нейронными сетями на платформе CUDA [Текст] / В. А. Колбасин // Восточно-Европейский журнал передовых технологий. - 2011. - Т. 3, № 3 (51). - С. 54-57. -Режим доступа: http://journals.uran.ua/eejet/article/view/1560/1458
7. Горбачеев, С. В. Нейро-нечеткие методы в интеллектуальных системах обработки и анализа многомерной информации [Текст] / С. В. Горбачев, В. И. Сырямкин. - Томск: Изд-во Томского ун-та, 2014. - 441 с.
8. Семенов, А. M. Интеллектуальные системы [Текст] / А. M. Семенов и др. - Оренбург: ОГУ, 2014. - 236 с.
9. Васильев, А. Н. Нейросетевые методы и алгоритмы математического моделирования [Текст] / А. Н. Васильев, Д. А. Тар-хов. - СПб.: Изд-во Политехн. ун-та, 2014. - 581 с.
10. Эшби, У. Р. Введение в кибернетику [Текст] / У. Р. Эшби; пер. с англ. Д. Г. Лахути. - M.: УРСС: ЛЕНАНД, 2014. - 432 с.
11. Андрейчиков, А. В. Системный анализ и синтез стратегических решений в инноватике [Текст] / А. В. Андрейчиков, О. Н. Андрейчикова. - M.: URSS, 2014. - 304 с.
12. Гуляев, В. А. Техническая диагностика управляющих систем [Текст] / В. А. Гуляев. - К.: Наукова думка, 1993. - 208 с.
13. Денисов, А. А. Теория больших систем управления [Текст] / А. А. Денисов, Д. M. Колесников. - Л.: Энергоиздат, 1982. -288 с.
14. Комарцова, Л. Г. Пейрокомпьютеры [Текст] / Л. Г. Комарцова, А. В. Mаксимов. - M. : MF^ им. Баумана, 2002. - 320 с.
15. Кузовков, П. Т. Mодальное управление и наблюдающие устройства [Текст] / П. Т. Кузовков. - M.: Mашиностроение, 1976. - 184 с.
16. Нейроинформатика, её приложения и анализ даннях [Текст]: матер. 22 всерос. семинара / под ред. M. Г. Садовского. - Красноярск: ИВM СО РАН, 2014. - 195 с.
17. Mолчанов, И. Н. Mашинные методы решения прикладных задач. Алгебра, приближение функций [Текст] / И. Н. Mолча-нов. - К.: Наукова думка, 1987. - 288 с.
18. Mашкина, И. В. Регулятор переменной структуры частоты вращения ротора газотурбинного двигателя в системе управления реактивным соплом [Текст]: автореф. дис. ... канд. техн. наук / И. В. Mашкина. - Уфа: УАИ, 1989. - 21 с.
19. Mелса, Д. Программы в помощь изучающим теорию линейных систем управления [Текст] / Д. Mелса, С. Джонс. - M.: Mа-шиностроение, 1981. - 199 с.
20. Нетерсон, Д. Теория сетей Нетри и моделирование систем : rnp. с англ [Текст] / Д. Нетерсон. - M.: Mир, 1984. - 264 с.
21. Gregor, D. A methodology for structured ontology construction applied to intelligent transportation systems [Text] / D. Gregor, S. Toral, T. Ariza, F. Barrero, R. Gregor, J. Rodas, M. Arzamendia // Computer Standards & Interfaces. - 2015. doi: 10.1016/ j.csi.2015.10.002
22. Larue, G. S. Assessing driver acceptance of Intelligent Transport Systems in the context of railway level crossings [Text] / G. S. Larue, A. Rakotonirainy, N. L. Haworth, M. Darvell // Transportation Research. Part F: Traffic Psychology and Behaviour. -2015. - Vol. 30. - P. 1-13. doi: 10.1016/j.trf.2015.02.003
23. Satunin, S. A multi-agent approach to Intelligent Transportation Systems modeling with combinatorial auctions [Text] / S. Satunin, E. Babkin // Expert Systems with Applications. - 2014. - Vol. 41, Issue 15. - P. 6622-6633. doi: 10.1016/j.eswa.2014.05.015
24. Demin, D. A. Synthesis of optimal temperature regulator of electroarc holding furnace bath [Text] / D. A. Demin // Scientific Bulletin of National Mining University. - 2012. - Vol. 6. - P. 52-58.
25. Mendes, J. An architecture for adaptive fuzzy control in industrial environments [Text] / J. Mendes, R. Araujo, P. Sousa, F. Apostolo, L. Alves // Computers in Industry. - 2011. - Vol. 62, Issue 3. - P. 364-373. doi: 10.1016/j.compind.2010.11.001
26. Wai, R.-J. Observer-based adaptive fuzzy-neural-network control for hybrid maglev transportation system [Text] / R.-J. Wai, M.-W. Chen, J.-X. Yao // Neurocomputing. - 2015. - Vol. 175. - P. 10-24. doi: 10.1016/j.neucom.2015.10.006
-□ □-
У данш роботi пропонуеться тформацш-на технологiя обробки аномальних вимiрю-вань наборiв сигналiв у процесах, що прот^ кають в умовах невизначеностi. Для ршення щег задачi ставиться сукуптсть необхдних проблем, як в щлому дозволяють збшьшити точтсть вимiрювань сигналiв. Здшснена роз-робка математичного апарату, заснованого на теори нечтких часових рядiв i нечтких ситуацш, який виршуе завдання пошуку та усунення аномалш в наборi поточних сигналiв
Ключовi слова: лтгв^тична змтна, нечт-к часовiряди, нечтк ситуаци, стутнь порiв-
няння нечтких ситуацш
□-□
В данной работе предлагается информационная технология обработки аномальных измерений наборов сигналов в процессах, протекающих в условиях неопределенности. Для решения этой задачи ставится совокупность необходимых проблем, которые в целом позволяют увеличить точность измерений сигналов. Осуществлена разработка математического аппарата, основанного на теории нечетких временных рядов и нечетких ситуаций, который решает задачи поиска и устранения аномалий в наборе текущих сигналов
Ключевые слова: лингвистическая переменная, нечеткие временные ряды, нечеткие ситуации, степень сравнения нечетких ситуаций
-□ □-
УДК: 004.89
DOI: 10.15587/1729-4061.2015.56815|
РАЗРАБОТКА ИНФОРМАЦИОННОЙ ТЕХНОЛОГИИ ОБРАБОТКИ АНОМАЛЬНЫХ ИЗМЕРЕНИЙ ТЕНЗОМЕТРИЧЕСКИХ
СИСТЕМ
Н. Б. Копытчук
Доктор технических наук, профессор* E-mail: [email protected] П . М. Тишин
Кандидат физико-математических наук, доцент*
E-mail: [email protected] И. Н. Копытчук
Старший преподаватель* E-mail: [email protected] *Кафедра компьютерных интеллектуальных систем и сетей Одесский национальный политехнический университет пр. Шевченко, 1а, г. Одесса, Украина, 65044
1. Введение
В настоящее время получили широкое развитие методы, основанные на теории нечетких множеств [1]. В отличие от вероятностных методов, где для описания процессов необходимо обработать некоторый объем статистических данных, методы, основанные на теории нечетких множеств, позволяют описывать процессы качественно, не прибегая к статистическим данным, а используя знания эксперта. При этом для применения теории множеств на практике разработаны подходы построения нечетких гибридных сетей [2] и нечетких баз знаний [3], которые формализуют нечеткие знания о конкретной предметной области.
С другой стороны, интерес для практики представляют работы, в которых теория нечетких множеств применяется для решения задач, возникающих при обработке временных рядов (ВР). Данный вопрос привел к появлению новых областей знаний, таких как нечеткие временные ряды и гранулированные вычисления. При этом для таких стандартных задач обработки ВР как прогнозирование значений временного ряда и поиск аномалий во временных рядах, можно с успехом разрабатывать подходы, основанные на применении теории нечетких множеств. Однако работы, в которых подходы, основанные на теории нечетких множеств, при обработке временных рядов недостаточно используются при разработке новых практически реализованных информационных технологиях.
©
