CC BY
196
средственно можно зарегистрировать изменения массы с помощью акустического преобразователя, а также изменение угла отражения методом поверхностного плазменного резонанса. Связывание также может быть зарегистрировано техникой, основанной на использовании оптических методов, в случае, если Аг или Ат конъюгировано с флюоресцентной меткой; в биосенсорах электрохимического типа для проявления комплекса антиген (антитело) применяют ферментную метку.
Два последних типа биосенсоров относятся к классу иммуносенсоров с кос.
. -
тием методов электрохимической, микрогравиметрической и оптической детекции реакций гибридизации ДНК, а также использования ДНК как мишени воздействия. В ряде работ было показано, что электрохимические методы не обладают высокой чувствительностью и помехоустойчивостью, поэтому наиболее приемлемыми оказались акустический и оптический методы.
Благодаря созданию индустрии микромеханических устройств и систем в ряде развитых стран мира, данные приборы нашли достаточно широкое применение в различной электронной аппаратуре, в том числе военного назначения.
УДК 004.89.004.3
Д.М. Еремин, С.В. Киор, В.М. Лохин
Московский государственный институт радиотехники, электроник и автоматики (Техническийуниверситет), г. Москва
ПЕРСПЕКТИВЫ РАЗВИТИЯ ИНТЕЛЛЕКТУАЛЬНЫХ НЕЙРОСЕТЕВЫХ СИСТЕМ УПРАВЛЕНИЯ ДЛЯ МИКРОСИСТЕМНОЙ ТЕХНИКИ СПЕЦИАЛЬНОГО НАЗНАЧЕНИЯ
Последние достижения в области микроэлектромеханических систем привели к появлению акселерометров, гироскопов, двигателей вращательных и линейных , , -механических устройств микрокласса, обладающих достаточно высокими техническими характеристиками [1-4].
Эти разработки в микросистемной технике и других смежных научнотехнических направлениях обусловили появление экспериментальных, опытных, , -ления автономных и дистанционно управляемых робототехнических устройств
- .
,
управления и комплексной обработки информации, обеспечивающих требующиеся характеристики по быстродействию, качеству и габаритам. Также при создании микросистемной техники приходится учитывать большое число факторов неопре-, , -вания. Для обеспечения данных характеристик при разработке современных систем управления применяют интеллектуальные технологии, но с использованием различных подходов и способов аппаратной реализации.
За последние годы на кафедре Проблем управления (МИРЭА) накоплен большой опыт по созданию интеллектуальных систем управления широким классом сложных динамических объектов, включая объекты микросистемной техники.
Так, разработаны интеллектуальные регуляторы на базе нейронных сетей (НС), нечеткой логики (НЛ) и ассоциативной памяти (АП) для управления электроприводами манипуляционных и мини мобильных роботов и систем специального назначения. В частности, предложенные в [5] принципы построения и обучения регулятора на базе НС с оптимальным комбинированным управлением и опробованные в [6] показали эффективность и реальность применения технологии нейронных сетей для управления прецизионными приводами на примере системы регулирования скорости микродвигателя постоянного тока (рис. 1) с изменяемым .
Рис.1. Структурная схема системы управления с регулятором на НС
Комплексные модельные и экспериментальные исследования показали, что применение интеллектуальных технологий обеспечивает:
♦ высокое каче ство управления;
♦ инвариантность к изменяемому в ш ироком диапазоне моменту нагрузки;
♦ возможность обучения на различные принципы функционирования (оптимальное быстродействие, минимальное энергопотребление, интегральные критерии качества, и т.д.);
♦ возможность создан ия адаптивных систем, обеспечивающих высокое качество управления при изменении параметров системы в процессе функ.
В частности, на рис. 2, в качестве примера, приведены результаты экспериментов регулятора на НС при изменении моменте инерции и его сравнение с традиционными подходами в управлении. Из которых хорошо видно, полученный регулятор на НС обеспечивает не только высокое быстродействие, но инвариантность к возмущениям в более широком классе по сравнению со стационарным и адаптивным пропорционально-интегрально-дифференциальным (ПИД) регулятором.
а б в
Рис. 2. Процессы в следящем приводе скорости с различными регуляторами (а - с ПИД, б - с адаптивным ПИД, в - с регулятором на НС) при g (0 = 258Іп((0.5/2П)0 , Гшу(ґ) = 0.05 + 0.078Іп((3/2п)0,
где 1 - входной сигнал g(t), 2- выходной сигналу(ї), 3- момент инерции ш(ґ)
Перечисленные свойства систем управления данного класса получены на НС, состоящей из 3 слоев и не более 100 нейронов. При этом число нейронов в НС (к вопросу о "живучести" регулятора) варьировалось от 40 - 100, обеспечивая удовлетворительное качество управления.
Во многих практических приложениях для мини- и микротехники требуется обеспечить управления движением многозвенных устройств специального назна-.
многозвенных механизмов к целевой точке в свободной среде и среде с препятствиями, для решении которой предложено использование НС [7], которая вычисляет частные производные функции ошибки по обобщенным координатам (НС1) и штрафные функции для обхода препятствий (НС2). Структура системы приведена
■ Уц
X
Д
Рис.3. Структура нейросетевой системы управления многозвенными
механизмами
Таким образом, на основании имеющегося опыта разработок систем управления на НС, можно грубо оценить примерные размерности данных структур для их использования на различных уровнях систем управления сложными динамическими объектами:
♦ для регулятора приводного уровня требуется до 100 нейронов;
♦ для управление движением многоз венных и мобильных роботов требуется от 100 до 200 нейронов.
Здесь, следует подчеркнуть, что большинство отечественных (в том числе и разработанные на кафедре Проблем управления) и зарубежных систем управления реализованы с использованием различных подходов. В частности:
♦ на традиционных микроконтроллерах;
♦ на ускорителях (векторные процессоры, многокристальные системы и т.п.);
♦ на универс альных нейро- и фаззипроцессорах;
♦ на заказных сверхбольших интегральных схемах (СБИС).
Исследования особенностей интеллектуальных систем [8-10] позволяет заключить, что все они осуществляют нелинейное преобразование вход-выход. Тогда обобщенную структуру интеллектуальной системы управления можно представить в виде показанном на рис. 4.
Рис.4. Обобщенная структурная схема интеллектуальной системы управления
На основании вышесказанного, предлагается выбрать нейросетевую технологию для создания унифицированной аппаратной базы для интеллектуальных систем управления для мини и микро объектов по следующим причинам:
♦ все интеллектуальные технологии (нечеткая логика, ассоциативная память и т.п.) могут быть сведены в нейросетевой базис;
♦ НС обладает способностями для аппроксимации произвольных нелиней-
;
♦ нейросетевая технология обладает высоким быстродействием за счет па-
,
управлении микро- и нано- объектами, т.к. постоянные времени таких объектов весьма малы;
♦
управления многомерными и многосвязными объектами без существенного увеличения времени расчета;
♦ НС имеет однородную структуру, состоящую из простых типовых эле-
, ;
♦ последние достижения в области цифровой микросхемотехники позволяют создавать компактное аппаратное исполнение нейронных сетей.
В качестве базы для построения искусственных нейронных сетей исследователями было предложено много различных подходов и способов, существенно отличающихся друг от друга.
Перечислим основные подходы к аппаратной реализации цифровых искусст-( ):
♦ на универсаль ных процессорах;
♦ на специализированных процесс орах цифровой обработки сигналов;
♦ на нейроподо бных структурах;
♦ на специализирован ных нейропроцессорах;
♦ на заказных СБИС под кон кретную архитектуру ЦИНС;
♦ на программируемых логических интегральных схемах (ПЛИС).
Однако большинство подходов нашедших практическое применение, было
создано на основе цифровых интегральных схем. В основном это связано с широкими возможностями цифровой схемотехники и большим опытом её применения в .
СРЕДА 3 САПР 3 ЯЗЫК ОПИСАНИЯ
МОДЕЛИРОВАНИЯ НЕЙРОПЛИС АПАППАРАТУР
Matlab, Simulink VHDL
НЕИРОСЕТЕВАЯ СИСТЕМА УПРАЛВЕНИЯ МИНИ- И МИКРООБЪЕКТАМИ
С
с
-а
ПЛИС
БМК,
СБИС
Рис.5. Этапы разработки и реализации системы управления
На стадии разработки и исследования систем управления предпочтительно использовать технологию ПЛИС. Данная реализация является эффективной на этапе разработки и исследования интеллектуальных систем широким кругом объектов , , возможностью последующего перевода их на технологию базовых матричных кри-( ) -ной технике специального назначения. Таким образом, можно представить процесс разработки и создания интеллектуальных систем управления для широкого круга задач объектов и, в том числе для мини и микро систем специального назначения, в виде, представленном на рис. 5.
В настоящее время на Кафедре Проблем управления (МИРЭА) разрабатывается САПР "НЕЙРОПЛИС" для перевода НС систем управления микросистемами в аппаратную реализацию на ПЛИС. Реализация модели НС с помощью данной САПР на ПЛИС Xilinx Spartn XC3S200 (c 200к вентелей) потоковым методом обработки сигналов позволяет добиться: вместительности на ПЛИС до 100 нейронов, что позволяет полностью обеспечить решения задач приводного и тактического уровней управления, при быстродействии (такте управления) порядка 10-30 мкс.
Однако сейчас уже существует более дорогие ПЛИС, выпускаемые основны-(Altera, Xilinx, Actel), -
:
♦ логическая емкость до 10 млн. системных вентилей на кристалле;
♦ тактовая частота до 500 МГ ц;
♦ число входов и выходов до 1200;
♦ габариты от 7x7 мм.
Приведенные характеристики и то, что отдельная линейка изделий фирмы Actel предназначена для работы в агрессивных условиях (стойкость к радиации, перегрузкам, деформации и т.п.), позволяют применять ПЛИС не только для пред, -ления мини и микротехникой специального назначения.
Так же следует отметить, что на данный момент существуют способы [11, 12] переноса вычислительных алгоритмов, реализованных на ПЛИС, на технологию базовых матричных кристаллов (БМК) или заказных сверхбольших интегральных
( ), -рования БМК и СБИС существенно сокращается и удешевляется. В настоящее время в России существуют предприятия, способные выпускать БМК емкостью до 105 вентилей, работающие на частотах от 50 до 100 МГц с размером кристалла 10,5x10,5 мм (например, изделие 1592XM).
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Рубцов ИВ., Нестеров В.Е., Рубцов В.И. Современная зарубежная военная микро- и мини-робототехника.// М икросистемная техника, №3, 2000.
2. Погалов А.И., Тимошенков В.П., Тимошенков С.П., Чаплыгин Ю.А. Разработка микрогироскопов на основе многослойных структур кремния и стекла.// Микросистемная техника, №1, 1999.
3. . ., . ., . ., . ., . ., . .
Особенности м икромеханических гироскопов.// Микросистемная техника, №4, 2000.
4. Каляев КА., Котов В.К., Клиндухов ВТ., Кухаренко АЛ. Микроэлектронные сенсорные системы: опыт создания и применения. // Микросистемная техника, №1, 1999.
5. Еремин ДМ., Мадыгулов Р.У.. Нейросетевой регулятор для управления динамическими объектами.// Интеллектуальные системы автоматического управления. Под ред. И.М. Макарова, В.М. Лохина. М:ФИЗМАГЛИТ, 2001 г. 137-156с."
6. Лохин В.М., Манько С.В., Еремин ДМ.. Управление движением манипуляционных роботов на базе нейронных сетей.// Интеллектуальные системы автоматического управления. Под ред. И.М. Макарова, В.М. Лохина. М:ФИЗМАГЛИТ, 2001 г. 137-156с.
7. Макаров КМ. Концептуальные основы организации интеллектуального управления сложными динамическими объектами.// Новые методы управления сложными системами. М: Наука, 2004, стр -19-31.
8. Макаров И.М., Лохин В.М., Манько СВ., Романов МЛ. Методические основы аналитического конструирования регуляторов нечеткого управления.// Новые методы управления сложными системами. М: Наука, 2004, стр -32-59.
9. . ., . ., . ..
управления с ассоциативной памятью в условиях неопределенности.// Интеллектуальные системы автоматического управления. Под ред. И.М. Макарова, В.М. Лохина. М:ФИЗМАГЛИТ, 2001 г. 207-216с.
10. Коноплев Б.Г., Рындин Е.А., Ивченко ВТ. Исследование способов реализации СЕКС на основе ПЛИС, БМК и в виде заказных микросхем.// Известия вузов. Электроника. № 1, 2000. - С. 81 - 87.
11. Цыбин С.А., Быстрицкий А.В. Методы и средства интегральной технологии ПЛИС + БМК.// Электронная промышленность, 1994, № 4-5, стр.49 - 51.
УДК 537.226.33
В.М. Мухортов, Вас. М. Мухортов, С.В. Бирюков
Южный научный центр РАН, г. Ростов-на-Дону
НОВЫЙ ДАТЧИК ДИНАМИЧЕСКОЙ ДЕФОРМАЦИИ НА ОСНОВЕ ТОНКИХ ПЬЕЗОЭЛЕКТРИЧЕСКИХ ПЛЕНОК, ПОЛУЧЕННЫХ ИОННОПЛАЗМЕННЫМ НАПЫЛЕНИЕМ* Введение
Практически все современные технические сооружения и аппараты - самолеты, корабли, автомобили, строительные и гидротехнические сооружения - представляют собой сложные системы. Как ожидается, многие системы, которые были построены двадцать или тридцать лет тому назад, не будут заменены в ближайшем будущем системами нового поколения. Стоимость обслуживания систем военного и гражданского назначения растет неожиданно быстро. Например, обслуживание самолетов обходится уже в четверть их стоимости и требуется от 500 до 1500 чело-
* Работа выполнена при финансовой поддержке грантов РФФИ № 05-02-17191, № 05-07-08001.
