автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Анализ сложных нейросетевых структур методами цифровой фильтрации и дискретной свертки

На правах рукописи

ВОЛ ОХОВ Виктор Викторович

АНАЛИЗ СЛОЖНЫХ НЕЙРОСЕТЕВЫХ СТРУКТУР МЕТОДАМИ ЦИФРОВОЙ ФИЛЬТРАЦИИ И ДИСКРЕТНОЙ СВЕРТКИ

Специальность 05.13,01 — «Системный анализ, управление и обработка информации (информационные и технические системы)»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Краснодар - 2006

Работа выполнена в ГОУ технологический университет»

ВПО «Кубанский государственный

Научный руководитель: доктор технических наук, профессор

Максименко Людвиг Александрович

Официальные оппоненты: доктор физико-математических наук,

профессор

Семенчин Евгений Андреевич;

кандидат технических наук, доцент Григорьев Николай Федорович

Ведущая организация: Кубанский государственный

университет

Защита диссертации состоится «28» июня 2006 г. в 16® час. на заседании диссертационного совета Д 212.100.04 при Кубанском государственном технологическом университете по адресу: 350072, г. Краснодар, ул. Московская, 2, корпус «А», конференц-зал

С диссертацией можно ознакомиться в библиотеке Кубанского государственного технологического университета

Автореферат разослан «25» мая 2006 г.

Отзывы на автореферат, заверенные печатью учреждения, просим направлять по адресу: 350072, г. Краснодар, ул. Московская, 2, корпус «А», КубГТУ, ученому секретарю диссертационного совета

Ученый секретарь диссертационного совета Д 212.100.04

канд. техн. наук, доцент A.B. Власенко

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. В настоящее время террористические акты и локальные войны часто приводят к поражению и невосполнимой утрате верхних и нижних конечностей, в связи с чем возрастает потребность в их замене совершенными протезирующими устройствами. Не менее актуальной является задача разработки надежных и экономичных шагающих аппаратов. Техногенные аварии, такие как на Чернобыльской АЭС, ставят на повестку дня создание совершенных шагающих аппаратов и роботов, которые способны заменить человека в опасных условиях. Таким образом, разработка протезирующих устройств с активной фазой отталкивания и использование их аналогов в конструкциях шагающих аппаратов являются актуальной задачей роботостроения и протезостроения.

Создание таких надежных и совершенных биотехнических конструкций возможно при использовании в качестве прототипа аналогичных систем опорно-двигательного аппарата человеческого организма. В этом отношении моделирование естественных систем и разработка на их основе совершенных биотехнических устройств являегся весьма актуальной задачей.

Диссертационная работа выполнена в соответствии с комплексной тематикой НИР кафедры Вычислительной техники и автоматизированных систем управления Кубанского государственного технологического университета «Разработка баз данных обучающих и экспертных систем по дисциплинам кафедры и применение информатики в экономике» 8.201-05.

Объект исследования. Объектом данного исследования является известная в нейрофизиологии гипотеза, основанная на управляющем действии на скелетные мышцы со стороны сложного нейронного комплекса пирамидных нейронов и нейронов желатинозной субстанции Роландо.

Предмет исследования. Предметом исследования является сложный нейронный комплекс пирамидных нейронов и нейронов желатинозной субстанции Роландо.

Цель работы. Целью работы является анализ сложных нейросетевых структур, включающих пирамидные нейроны и нейроны желатинозной субстанции Роландо, методами цифровой фильтрации и дискретной свертки. Основываясь на результатах проведенного анализа', была поставлена цель разработать и исследовать модель, воспроизводящую сложный нейронный комплекс пирамидных нейронов и нейронов желатинозной субстанции Роландо, а на базе полученной модели разработать биотехнические устройства, использующие особенности обработки информации в мозговых структурах живого организма.

Основные задачи исследования. Для достижения цели в работе поставлены и решены следующие задачи:

1. Разработана бионическая система управления шагающим аппаратом, позволяющая приблизить рисунок движения к естественному.

2. Исследованы влияния синаптических запаздываний в модели нейронного комплекса пирамидных и желатинозных нейронов субстанции Роландо и количества звеньев цифрового биологического фильтра на устойчивый режим работы разработанного шагающего аппарата.

3. Оценена степень экономии энергетических ресурсов при использовании нейронного комплекса в качестве формирователя цифрового бионического сигнала управления.

4. Рассчитан коэффициент плавности движения, показывающий преимущества бионического принципа управления в конструкции шагающего аппарата.

Методы исследования. Поставленные задачи решены при помощи применения системного анализа, методов цифровой обработки сигналов, методов теории автоматического управления и вычислительной техники.

Научная новизна. Разработана модель, адекватно воспроизводящая известную в нейрофизиологии нейронную систему управления - сложный нейронный комплекс пирамидных и желатинозных нейронов субстанции Роландо.

На базе поученной модели синтезирована бионическая система управления техническими устройствами.

Применен математический аппарат дискретной свертки для анализа дискретных сигналов, формируемых в цепи обратной связи нейронной системы управления.

Показано, что аналогом биологической системы управления могут быть рекурсивные цифровые фильтры.

Разработан критерий оценки основной фазы движения шагающего аппарата — фазы заднего толчка.

Применены биологические принципы демпфирования упругих колебаний в разработанном техническом устройстве.

Практическая ценность. Заключается в том, что создан и апробирован программный комплекс, моделирующий сложную нейронную систему управления и обработки информации, в основе которой лежит взаимосвязанный комплекс нейронных структур спинного мозга. Разработана бионическая система управления шагающим аппаратом, использующая в качестве прототипа биологическую систему управления на базе сложного нейронного комплекса пирамидных и желатинозных нейронов субстанции Роландо и позволяющая приблизить рисунок движения к естественному.

Реализация результатов работы. Автором работы получено два патента РФ на изобретения. Результаты исследований использованы в

учебном процессе Кубанского государственного технологического университета при разработке курса «Нейрокомпьютерные системы» и «Системы цифровой обработки сигналов», а также в учебном процессе Кубанского государственного университета при подготовке курса «Биофизика».

Результаты работы внедрены в организации ОАО «Медтехника».

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на IV Международной конференции по математическому моделированию в г. Якутске, Девятой Всероссийской конференции «Наука. Экология. Образование» г. Анапа; VI Международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права» г. Сочи, Международной конференции ИВТН-2004 «Информационно-вычислительные технологии в решении фундаментальных научных проблем и прикладных задач химии, биологии, фармацевтики, медицины», Международной конференции ИВТН-2004 «Информационно-вычислительные технологии в фундаментальных и прикладных физико-математических исследованиях». Работа отмечена почетной грамотой по итогам краевого конкурса «Лучшая научная и творческая работа аспирантов высших учебных заведений Краснодарского края» 2003 года.

Основные положения, выносимые на защиту:

— шагающий аппарат с дискретной бионической системой управления;

— математическая модель разработанного шагающего аппарата с бионической системой управления;

— показатели качества выполнения заднего толчка в шагающем аппарате с бионической системой управления в виде рассчитанных коэффициентов и графиков.

Публикации. По теме диссертационной работы опубликовано 16 научных работ, включая два изобретения, на которые получены патенты РФ.

Структура и объем работы. Диссертационная работа состоит из введения, 4-х глав, выводов и рекомендаций, списка использованной научной литературы и приложений. Работа изложена на 159 страницах компьютерного текста, содержит 107 рисунков, 22 таблицы. Библиографический список литературных источников включает 110 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследования, определена научная проблема, поставлены цели и задачи исследования, дан обзор содержания работы.

В первой главе диссертации рассмотрен искусственный нейрон как основная структурная единица нейронной сети, наиболее известные виды нейронных сетей, нейрокомпьютеры, созданные российскими и иностранными разработчиками, области их применения. Как одна из областей возможного применения искусственных нейронных сетей рассмотрены шагающие роботы, их структура и способы управления. Рассмотрен биологический подход в построении шагающих роботов и возможность применения их конечностей в качестве экзоскелетонов. Обзор подготовлен на основе литературных источников, а также электронных Интернет - источников.

Во второй главе диссертации разработана бионическая система управления шагающим аппаратом с активным режимом отталкивания от опоры, использующая биологический закон управления скелетными мышцами, что позволяет приблизить рисунок движения к естественному. Техническим результатом предлагаемого бионического шагающего

аппарата является повышение плавности передвижения подвижной стопы шагающего аппарата путем устранения перерегулирования заднего толчка, повышения быстродействия сгибательного процесса и оптимизации двигательного режима в зависимости от рельефа местности и темпа движения. Бионическая система управления является рекурсивным цифровым биофильтром второго порядка (рисунок 1).

Рисунок 1 - Эквивалентная схема формирователя волны деполяризации.в виде двухзвенного цифрового рекурсивного фильтра

Поступающая на вход бионической системы управления дискретная информация Х(пТ) подвергается обработке и преобразовывается на выходе в сигнал У(пТ) (рисунок 2).

о.в

_|_

'•'ю.зю.аю.э10

^о.тЮ.ио.мх.о

Рисунок 2 - Осциллограммы сигналов формирователя волны деполяризации в виде двухзвенного цифрового рекурсивного фильтра Т = 0.01; т, = 0.1; т2 = 0.1; А = Т/т = 0.1; (} = т,/т2 = 1

Двухслойный цифровой биофильтр состоит из двух блоков запаздывания Ъ-1 и двух интеграторов Ь| и Ь^. Выходной сигнал У(пТ) по цепи обратной связи подается на вход Х(пТ) цифрового биофильтра. Сигнал У(пТ) нарастает либо по апериодическому, либо по колебательно-затухающему закону в зависимости от параметров т отдельных слоев.

Применение бионического сигнала управления, формируемого цифровым рекурсивным фильтром, позволяет достичь плавности перемещения подвижной стопы шагающего аппарата в момент активной фазы заднего толчка, что соответствует естественной опорной реакции при нормальной ходьбе.

В программной среде МАТЬАВ реализована математическая модель системы управления бионическим шагающим аппаратом (рисунок 3).

Рисунок 3 - Модель бионического шагающего аппарата

Передаточная функция объекта управления б! имеет вид:

0.475

$3+1152+10$ (1)

Для преобразования непрерывной передаточной функции объекта управления в дискретную функцию выполняется следующая операция:

С(г) = с2*/(51,0.1) (2>

Тогда передаточная функция объекта управления примет следующий

вид:

<?(г) =

6.115е - 005 • zг + 0.0001892 • z + 3.535g - 0.05 z1 -2.273 -г2 +1.606- г -0.3329

(3)

Передаточная функция цифрового рекурсивного фильтра второго порядка имеет следующий вид:

2г-1.8

<7(г) =

г -1.8г + 0.819

(4)

Сигнал управления, формируемый цифровым рекурсивным фильтром второго порядка, можно наблюдать на осциллографе Б соре 1. Осциллограмма сформированного сигнала управления изображена на рисунке 4.

Рисунок 4 - Осциллограмма бионического сигнала управления

На осциллографе Scope 2 можно наблюдать реакцию подвижной стопы шагающего аппарата при подаче сигнала управления, сформированного цифровым рекурсивным фильтром второго порядка, в момент заднего толчка. Траектория подвижной стопы изображена на рисунке 5.

Рисунок 5 - Траектория передвижения подвижной стопы шагающего

аппарата

Сравнительный анализ показал, что применение бионического сигнала управления, формируемого цифровым рекурсивным фильтром второго порядка, имитирующим сложную нейронную систему управления - комплекс пирамидных нейронов и нейронов желатинозной субстанции Роландо, позволяет достичь плавности перемещения подвижной стопы шагающего аппарата в момент фазы заднего толчка, что соответствует естественной опорной реакции при нормальной ходьбе.

Рассчитана устойчивость модели бионического шагающего аппарата в программной среде МАТЬАВ при помощи критерия Найквиста и диаграммы Боде. Графики, полученные в результате расчетов, изображены на рисунке 6.

Из полученных' графиков видно, что модель бионического шагающего аппарата устойчива.

Рассчитаны коэффициенты экономизации энергетических затрат К-,МСрг. — 34.6% и плавности движения Кплав. = 83.1%, которые показывают преимущества применения бионического сигнала управления перед сигналом управления, применяемым в прототипе. Предложено оценивать качество движения подвижной стопы бионического шагающего аппарата при помощи «критерия красоты движения» Ы, который рассчитывается по формуле:

=_1

Для разработанного бионического шагающего аппарата «критерий красоты движения» N составил 0.84. Для естественной конечности «критерий красоты движения» N приравнивался к единице.

В третьей главе диссертации проведены расчеты свободных и вынужденных затухающих колебаний подвижной стопы шагающего аппарата под действием системы управления, использующей различную форму сигнала управления: прямоугольный импульс, пилообразный импульс, бионический дискретный сигнал управления определенной формы методом интеграла Дюамеля. Результаты расчетов приведены в виде графиков, изображенных на рисунках 7, 8 и 9. Как видно из рисунка 7, под действием приложенного к соленоиду прямоугольного импульса напряжения подвижная стопа шагающего аппарата совершает колебательно-затухающие перемещения в фазе заднего толчка. Кроме того, аналогичные колебательно-затухающие процессы происходят и после возвращения стопы в исходное положение после снятия импульса напряжения с катушки соленоида.

о *. «*

Рисунок 7 - Вынуждающая сила прямоугольной формы P(t) и колебательный режим движения подвижной стопы шагающего аппарата

и(Р,1)

В случае линейно-возрастающего сигнала управления переходный процесс при перемещении подвижной стопы шагающего аппарата затягивается настолько, что отсутствует установившийся режим. После окончания действия напряжения на соленоиде происходит возврат подвижной стопы шагающего аппарата в колебательном режиме. Этот вид управления иллюстрирует рисунок 8.

При воздействии бионического сигнала управления в начальный момент на соленоид подается высокое напряжение, по мере разгона подвижной стопы шагающего аппарата напряжение управления снижается.

Рисунок 8 - Линейно-возрастающий сигнал управления (точки) и траектория перемещения подвижной стопы шагающего аппарата (сплошная линия)

Инерционное движение подвижной стопы шагающего аппарата нейтрализуется низким напряжением сигнала управления. Если подобрать

частоту сигнала управления близкой к частоте собственных колебаний подвижной стопы шагающего аппарата, то происходит практически полная нейтрализация колебательных процессов в фазе заднего толчка, как показано на рисунке 9.

Таким образом, перемещение подвижной стопы шагающего аппарата происходит в апериодическом режиме без колебательных процессов в фазе заднего толчка.

Для проведения расчетов бионических устройств, в частности, подбора оптимального режима работы, возникла необходимость исследования биологических систем управления. Наибольший интерес представляет сложный нейронный комплекс пирамидных и желатинозных нейронов субстанции Роландо, перерабатывающий сенсорную информацию и оказывающий управляющее воздействие на скелетные мышцы. Применен математический аппарат дискретной свертки для расчета дискретных значений сигнала управления нейронных систем, и показана возможность регулирования динамики и временного течения сигнала управления изменением параметров разностного сигнала.

Операция свертки двух сигналов Х(пТ) и У(пТ) определяется выражением:

/г(и2г) — £ Х{пТ~кТ)хУ{кТ) = Т.Х(кТ)хУ(пТ - кТ) (б) * = О А = О

Вычисление сигнала в канале обратной связи У(пТ) производится по формуле:

^ (лГ) - £х(»Т-*7)хУ(АГ) (7)

Если входной сигнал имеет значение Х(пТ): 1;1;1;1;1;1;!;1;1, а выходной сигнал нейронной системы Р(пТ) равен: Р"(пТ): 1;0,72;0,48;0,38;0,32;0,31;0,32;0,32;0,32, тогда сигнал в канале обратной связи У(пТ) равен: У(пТ): 1;-0,28;-0,24;-0,1;-0,06;-0,01;0,01;0;0. Выходной дискретный сигнал показан на рисунке 10.

Выходной сигнал Р(пТ)

' V ^ _

и

т

О т 2Т ЗТ 4Т 5Т вт ТТ 8Т

Период Т

Рисунок 10 - Выходной дискретный сигнал Р(пТ)

Сигнал, полученный по правилам дискретной свертки в канале обратной связи, показан на рисунке 11.

Входной сигнал У(пТ)

Период Т

Рисунок 11 - Дискретный сигнал У(пТ)в канале обратной связи

■ В диапазоне; . высоких частот, свыше 200 Гц, уровень стабилизированного состояния Р(пТ) сравнительно низок, как показано на рисунке 12. 1

Выходной сигнал F(nT)

1

0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 О

и

2Т ЗТ

4Т

5Т $Т 7Т Период Т

8Т 9Т ЮТ 11Т 12Т 13Т

Рисунок 12 - Выходной дискретный сигнал Р(пТ)

На сверхвысокой частоте И = 600 Гц развивается настолько сильное отрицательное напряжение в канале отрицательной обратной связи, что на большом временном интервале импульсы Р(пТ) отсутствуют (рисунок 13).

Выходной сигнал Р(пТ)

1

0,9 0,8 0.7 0.6

п

0,3 0,2 01 0

шш

р

тпг

р

* ❖ ❖ ^ ^ ^ ^ ^ ^ ^ £ ^ ^ ¿г- ^ ^

ПериодТ

Рисунок 13 - Выходной дискретный сигнал. Частота Р=600 Гц

Благодаря применению математического аппарата дискретной свертки становится возможным расчет параметров, необходимых для формирования бионического сигнала управления.

В четвертой главе диссертации проведено моделирование сложного нейронного комплекса пирамидных и желатинозных нейронов субстанции Роландо при помощи цифровых фильтров разной степени сложности.

Сложные нейронные структуры, принимающие участие в процессах управления потоком сенсорных сигналов во взаимосвязанном комплексе нейронных структур спинного мозга, крайне слабо изучены. Причина заключается в том, что исследователи сталкиваются с изучением нейронов незначительных размеров, входящих в нейронные комплексы. Поэтому более изучены интегральные процессы, отражающие суммарный потенциал, отводимый от сложных нейронных образований. Эти потенциалы электротонически выносятся на поверхность мозга и регистрируются в виде потенциалов дорзальной поверхности. Потенциалы могут считаться выходами нейронной системы управления, а само управление происходит под действием развивающихся деполяризационных процессов в канале отрицательной обратной связи, существование которого является гипотетическим. Возникла идея моделирования деполяризационных процессов с помощью различной степени сложности цифровых фильтров. Частота дискретизации фильтров приравнивалась к частотному диапазону функционирования реальных нейронных структур сложного нейронного комплекса пирамидных и желатинозных нейронов субстанции Роландо. На основе системных функций, отражающих реальные процессы, разработан алгоритм цифровой фильтрации. Исследование процессов, происходящих в этих фильтрах, сравнение их с динамикой изменения потенциалов дорзальной поверхности позволило подобрать наиболее приемлемую схему фильтра, моделирующего дсполяризационные структуры. Кроме того, представилось возможным предсказать структурную схему биологического деполяризационного механизма и проанализировать его функционирование. Результаты моделирования сложной нейронной системы управления — комплекса пирамидных и желатинозных нейронов субстанции Роландо при помощи цифровых рекурсивных фильтров отображены на рисунке 14.

Однозвенный биофильтр

\

т

Двухэвенный биофильтр

Г1 I I I

"I I I I I » I » I I I > I I I I » I .

(-►-НК-ЬЬНИНН-Н»-!-!-»-^!-!-»-^- 0'

30 " "Трезвенный биофильтр * £ £ ^ ^ ^ ^

Период

Рисунок 14 - Результаты моделирования сложной нейронной системы управления - комплекса пирамидных и желатинозных нейронов субстанции Роландо при помощи цифровых рекурсивных фильтров

При проектировании бионических шагающих аппаратов и протезирующих устройств на их основе для формирования сигнала управления оптимальной формы целесообразно использовать цифровые рекурсивные фильтры второго и третьего порядка.

Нейронная система управления со сложными многозвенными цифровыми фильтрами входит в режим самовозбуждения и характеризуется неустойчивостью работы, что не соответствует результатам, полученным в нейрофизиологических экспериментах.

Маловероятно функционирование цифровых рекурсивных фильтров высокой степени сложности в живом мозге. Использование таких фильтров при конструировании бионических систем управления не целесообразно.

В заключении перечислены научные и практические результаты, полученные автором в ходе исследований.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. Разработано бионическое устройство управления шагающим аппаратом, на базе которого могут быть сконструированы протезирующие устройства с активным режимом отталкивания от опоры, воспроизводящие биологический закон управления скелетными мышцами.

2. Применение бионического сигнала управления, формируемого сложным комплексом пирамидных нейронов и нейронов желатинозной субстанции Роландо, позволяет достичь плавности движения в фазе заднего толчка и приблизиться к естественной опорной реакции при нормальной ходьбе.

3. Рассчитаны коэффициенты экономизации энергетических затрат и коэффициент плавности движения, которые показывают преимущества применения бионического сигнала управления.

4. Для оценки качества передвижения введен критерий красоты движения, позволяющий сравнить качество движения в естественном режиме с качеством движения разработанного шагающего аппарата.

5. Рассчитана устойчивость модели бионического шагающего аппарата при помощи критерия Найквиста и диаграммы Боде.

6. Применен математический аппарат дискретной свертки для расчета-цепи обратной связи, и показана возможность регулирования динамики и временного течения сигнала управления изменением параметров разностного сигнала.

7. При проектировании протезирующих устройств и разработке на их основе бионических шагающих аппаратов, целесообразно использовать цифровые рекурсивные биофильтры второго и третьего порядка, формирующие сигнал управления оптимальной формы.

8. Нейронная система управления со сложными многозвенными цифровыми биофильтрами входит в режим самовозбуждения и характеризуется неустойчивостью работы, что не свойственно реальным системам управления.

ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИОННОЙ РАБОТЫ ОПУБЛИКОВАНЫ В СЛЕДУЮЩИХ РАБОТАХ:

1. Волохов В.В. Система управления бионическим манипуляционным роботом // Сборник материалов сессии ИВ'ГН-2006 «ИВТ в фундаментальных и прикладных физических исследованиях». - М.: 2006.

2. Максименко Л.А., Волохов В.В., Гапонов П.В. Цифровой формирователь нейронных сигналов управления. // Труды Кубанского государственного технологического университета. Серия «Информатика и управление». Том XXV, вып. 3. - Краснодар: 2005.

3. Максименко J1.А., Талонов П.В., Волохов В.В. Быстродействующая система управлениям нейронных каналах связи. !/ Труды Кубанского государственного технологического университета. Серия «Информатика и управление». Том XXV, вып. 3. - Краснодар: 2005.

4. Максименко JI.A., Волохов В.В., Гапонов ГТ.В. Использование дискретной свертки для формирования запаздывающего сигнала управления. // Труды Кубанского государственного технологического университета. Серия «Информатика и управление». Том XXV, вып. 3. - Краснодар: 2005.

5. Максименко Л.А., Гапонов П.В., Волохов В.В. Нейронные механизмы экономизации энергетических затрат. // Труды Кубанского государственного технологического университета. Серия «Информатика и управление». Том XXV, вып. 3. - Краснодар: 2005.

6. Гапонов П.В., Волохов В.В. Физические методы исследования деполяризационных процессов в нейронных системах управления // Наука Кубани, Сборник материалов девятой Всероссийской конференции «Наука. Экология. Образование». - Краснодар: 2004.

7. Максименко Л.А., Гапонов П.В., Волохов В.В., Сидоренко А.Б., Храмцов A.B. Математическое моделирование нейронного комплекса желатинозной субстанции Роландо // Наука Кубани, Сборник материалов девятой Всероссийской конференции «Наука. Экология. Образование». - Краснодар: 2004.

8. Волохов В.В., Гапонов П.В. Частотные и фазовые характеристики цепей обратной связи в нейронных системах управления // Наука Кубани, Сборник материалов девятой Всероссийской конференции «Наука. Экология. Образование». - Краснодар: 2004.

9. Волохов В.В. Дискретная свертка в деполяризационных процессах // Сборник материалов сессии ИВТН-2004 «Информационно-вычислительные технологии в решении фундаментальных научных

проблем и прикладных задач химии, биологии, фармацевтики, медицины». - М.: 2004.

Ю.Максименко Л.А., Гапонов П.В., Волохов В.В., Сидоренко А.Б., Храмцов A.B., Васильев С.А. Моделирование регуляторных процессов в нейронных структурах спинного мозга // Наука Кубани, Сборник материалов девятой Всероссийской конференции «Наука. Экология. Образование». - Краснодар: 2004.

11.Волохов В.В. Моделирование дискретных нейронных структур с помошыо цифровых фильтров Н Тезисы докладов IV Международной конференции по математическому моделированию. - Якутск: 2004.

12.Волохов В.В. Дискретная свертка в расчетах разностного сигнала деполяризации // Сборник материалов сессии ИВТН-2004 «Информационно-вычислительные технологии в решении фундаментальных и прикладных научных задач». - М.: 2004.

13.Максименко Л.А., Волохов В.В., Гапонов П.В., Сидоренко А.Б, Храмцов A.B., Василенко А.В, Купецкова И.С., Зозуля A.B. Компьютерное моделирование нейронных систем управления и переработки информации // Вестник КИМПиМ №6. - Краснодар: 2004.

М.Максименко Л.А., Волохов В.В., Зозуля A.B., Сидоренко А.Б., Храмцов A.B., Гапонов П.В. Бионический импульсный усилитель Н Научные труды VI Международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права», Книга «Приборостроение». - М.: 2003.

15.Патент 2261413 РФ. Заявка 2004129197. Бионическая система управления самонаводящейся ракетой. / Максименко Л.А., Гапонов П.В., Волохов В.В., Сидоренко А.Б. (Российская Федерация), 2005.

1 б.Патент 2250487 РФ. Заявка 200313В152. Бионический стабилизатор давления магистральных газопроводов. / Максименко Л.А., Зозуля A.B., Храмцов A.B., Сидоренко А.Б., Волохов В.В., Гапонов П.В. (Российская Федерация), 2005.

Отпсч. ООО «Фирма Тамзи» Зак. № 615 тираж 120 экз. ф Л5, г.Краснодар, ул. Пашковская, 79 Тел 255-73-16

ВВЕДЕНИЕ.

1 ОБЗОР СУЩЕСТВУЮЩИХ РАЗРАБОТОК.

1.1 Нейронные сети.

1.2 Виды нейронных сетей.

1.3 Шагающие роботы.

1.4 Композиционная концепция и биологический подход в построении шагающих роботов.

1.5 История создания «многоногих» роботов.

1.6 Назначение шагающих роботов, роботы-андроиды.

1.7 Разработка экзоскелетонов.

1.8 Исследование ходьбы человека в фазе заднего толчка.

1.9 Биологические многоканальные системы управления.

1.10 Выводы.

2 БИОНИЧЕСКАЯ СИСТЕМА УПРАВЛЕНИЯ ТЕХНИЧЕСКИМИ УСТРОЙСТВАМИ.

2.1 Известные устройства управления искусственными конечностями.

2.2 Математическая модель известного устройства управления искусственной конечностью.

2.3 Бионический шагающий аппарат.

2.4 Принцип работы бионического шагающего аппарата.

2.5 Влияние рельефа местности и темпа движения на рисунок походки шагающего аппарата.

2.6 Формирование сигнала управления.

2.7 Двухканальная система управления бионическим шагающим аппаратом.

2.8 Математическая модель бионического шагающего аппарата.

2.9. «Критерий красоты движения» бионического шагающего аппарата.

2.10 Экономизация энергетических затрат при применении бионического сигнала управления.

2.11 Выводы.

3 АНАЛИЗ КОЛЕБАТЕЛЬНЫХ ПРОЦЕССОВ В РЕШАЮЩЕЙ

ФАЗЕ ШАГА - ФАЗЕ ЗАДНЕГО ТОЛЧКА. ФОРМИРОВАНИЕ БИОНИЧЕСКОГО СИГНАЛА УПРАВЛЕНИЯ.

3.1 Свободные колебания ненагруженной стопы шагающего аппарата.

3.2 Расчет вынужденных колебаний, вызванных управляющим воздействием в виде импульсов прямоугольной и пилообразной формы, методом интеграла Дюамеля.

3.3 Бионический режим управления.

3.4 Формирование сигнала управления дискретной сверткой.

3.5 Расчет деполяризационных процессов.

3.6 Разностный сигнал деполяризации.

3.7 Апериодический режим и дискретная свертка.

3.8 Математический расчет сигнала в канале обратной связи.

3.9 Большая глубина обратной связи.

3.10 Колебательный режим и дискретная свертка.

3.11 Математический расчет сигнала в канале обратной связи.

3.12 Дискретная свертка при больших глубинах обратной связи.

3.13 Высокочастотный диапазон.

3.13.1 Частота импульсов F = 200 Гц.

3.13.2 Частота импульсов F = 400 Гц.

3.13.3 Частота импульсов F= 600 Гц.

3.14 Формирование сигнала управления волновым генератором.

3.15 Запаздывающая дискретная свертка в высокочастотном диапазоне

3.16 Смещенная дискретная свертка в колебательном режиме.

3.17 Выводы.

4 МОДЕЛИРОВАНИЕ СЛОЖНЫХ НЕЙРОННЫХ СТРУКТУР ЖЕЛАТИНОЗНОЙ СУБСТАНЦИИ РОЛАНДО С ПОМОЩЬЮ ЦИФРОВЫХ ФИЛЬТРОВ.

4.1 Цель исследований.

4.2 Моделирование деполяризационных процессов с помощью однозвенного биологического фильтра.

4.3 Расчет однозвенного биологического фильтра.

4.4 Моделирование деполяризационных процессов с помощью двухзвенного биологического фильтра при одинаковых постоянных времени т.

4.5 Моделирование деполяризационных процессов с помощью двухзвенного биологического фильтра при разных постоянных времени т.

4.6 Моделирование постдеполяризационных процессов с помощью двухзвенного биологического фильтра.

4.7 Расчет двухзвенного биологического фильтра.

4.8 Моделирование деполяризационных процессов с помощью трехзвенного биологического фильтра.

4.9 Исследование влияния периода следования импульсов на функционирование нейронного генератора сигнала управления.

4.10 Исследование влияния постоянной времени т3 на функционирование нейронного генератора сигнала управления.

4.11 Исследование влияния постоянной времени т2 на функционирование нейронного генератора сигнала управления.

4.12 Исследование влияния постоянной времени ij на функционирование нейронного генератора сигнала управления.

4.13 Исследование влияния амплитуды входных сенсорных сигналов на функционирование нейронного генератора сигнала управления.

4.14 Моделирование деполяризационных процессов с помощью четырехзвенного биологического фильтра.

4.15 Моделирование деполяризационных процессов с помощью пятизвенного биологического фильтра.

4.16 Анализ устойчивости функционирования нейронного генератора бионического сигнала управления.

4.17 Выводы.

Актуальность проблемы. В настоящее время террористические акты и локальные войны часто приводят к поражению и невосполнимой утрате верхних и нижних конечностей, в связи с этим возрастает потребность в их замене совершенными протезирующими устройствами. Не менее актуальной является задача разработки надежных и экономичных шагающих аппаратов. Техногенные аварии, такие как на Чернобыльской АЭС, ставят на повестку дня создание совершенных шагающих аппаратов и роботов, которые способны заменить человека в опасных условиях. Таким образом, разработка протезирующих устройств с активной фазой отталкивания и использование их аналогов в конструкциях шагающих аппаратов являются актуальной задачей роботостроения и протезостроения.

Создание таких надежных и совершенных биотехнических конструкций возможно при использовании в качестве прототипа аналогичных систем опорно-двигательного аппарата человеческого организма. В этом отношении моделирование естественных систем и разработка на их основе совершенных биотехнических устройств является весьма актуальной задачей.

Объект исследования. Объектом данного исследования является известная в нейрофизиологии гипотеза, основанная на управляющем действии на скелетные мышцы со стороны сложного нейронного комплекса пирамидных нейронов и нейронов желатинозной субстанции Роландо.

Предмет исследования. Предметом исследования является сложный нейронный комплекс пирамидных нейронов и нейронов желатинозной субстанции Роландо.

Цель работы. Целью работы является анализ сложных нейросетевых структур, включающих пирамидные нейроны и нейроны желатинозной субстанции Роландо, методами цифровой фильтрации и дискретной свертки. Основываясь на результатах проведенного анализа разработать и исследовать модель, воспроизводящую сложный нейронный комплекс пирамидных нейронов и нейронов желатинозной субстанции Роландо. На базе полученной модели разработать биотехнические устройства, использующие особенности обработки информации в мозговых структурах живого организма.

Основные задачи исследований. Для достижения цели в работе поставлены и решены следующие задачи:

1. Разработать бионическую систему управления шагающим аппаратом, позволяющую приблизить рисунок движения к естественному.

2. Исследовать влияние синаптических запаздываний в модели нейронного комплекса пирамидных и желатинозных нейронов субстанции Роландо и количества звеньев цифрового биологического фильтра на устойчивый режим работы разработанного шагающего аппарата.

3. Оценить степень экономии энергетических затрат при использовании нейронного комплекса в качестве формирователя цифрового бионического сигнала управления.

4. Рассчитать коэффициент плавности движения, показывающий преимущества бионического принципа управления в конструкции шагающего аппарата.

Методы исследований. Поставленные задачи решены при помощи применения системного анализа, методов цифровой обработки сигналов, методов теории автоматического управления и вычислительной техники.

Научная новизна. Заключается в следующих результатах:

- разработана модель, адекватно воспроизводящая известную в нейрофизиологии нейронную систему управления - сложный нейронный комплекс пирамидных и желатинозных нейронов субстанции Роландо;

- на базе полученной модели синтезирована бионическая система управления техническими устройствами;

- применен математический аппарат дискретной свертки для анализа дискретных сигналов, формируемых в цепи обратной связи нейронной системы управления;

- показано, что аналогом биологической системы управления могут быть рекурсивные цифровые фильтры;

- разработан критерий оценки основной фазы движения шагающего аппарата - фазы заднего толчка;

- применены биологические принципы демпфирования упругих колебаний в разработанном техническом устройстве.

Практическая ценность. Заключается в том, что создан и апробирован программный комплекс, моделирующий сложную нейронную систему управления и обработки информации, в основе которой лежит взаимосвязанный комплекс нейронных структур спинного мозга.

Разработана бионическая система управления шагающим аппаратом, использующая в качестве прототипа биологическую систему управления на базе сложного нейронного комплекса пирамидных и желатинозных нейронов субстанции Роландо и позволяющая приблизить рисунок движения к естественному.

Реализация результатов работы. Автором работы получено два патента РФ на изобретения. Подана заявка на получение патента РФ и получено приоритетное письмо от 08.09.2005 №2005128116 на изобретение. Результаты исследований использованы в учебном процессе Кубанского государственного технологического университета при разработке курса «Нейрокомпьютерные системы» и «Системы цифровой обработки сигналов», а также в учебном процессе Кубанского государственного университета при подготовке курса «Биофизика».

Результаты работы внедрены в организации ОАО «Медтехника». Акт внедрения прилагается.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на IV Международной конференции по математическому моделированию в г. Якутске, Девятой Всероссийской конференции «Наука. Экология. Образование» г. Анапа; VI Международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права» г. Сочи, Международной конференции ИВТН-2004 «Информационно-вычислительные технологии в решении фундаментальных научных проблем и прикладных задач химии, биологии, фармацевтики, медицины», Международной конференции ИВТН-2004 «Информационно-вычислительные технологии в фундаментальных и прикладных физико-математических исследованиях». Работа отмечена почетной грамотой по итогам краевого конкурса «Лучшая научная и творческая работа аспирантов высших учебных заведений Краснодарского края» 2003 года.

Основные положения, выносимые па защиту:

- шагающий аппарат с дискретной бионической системой управления;

- математическая модель разработанного шагающего аппарата с бионической системой управления;

- показатели качества выполнения заднего толчка в шагающем аппарате с бионической системой управления в виде рассчитанных коэффициентов и графиков.

Публикации. По теме диссертационной работы опубликовано 17 научных работ, включая два изобретения, на которые получены патенты РФ, и одну заявку на патент РФ на изобретение.

Структура и объем работы. Диссертационная работа состоит из введения, 4 глав, заключения и списка использованной литературы. Работа изложена на 159 страницах, содержит 107 рисунков, 22 таблицы.

4.17 Выводы

1. При проектировании бионических шагающих аппаратов и протезирующих устройств на их основе, для формирования сигнала управления оптимальной формы целесообразно использовать цифровые рекурсивные фильтры второго и третьего порядка.

2. Нейронная система управления со сложными многозвенными цифровыми фильтрами входит в режим самовозбуждения и характеризуется неустойчивостью работы, что не соответствует результатам, полученным в нейрофизиологических экспериментах.

3. Маловероятно функционирование цифровых рекурсивных фильтров высокой степени сложности в живом мозге. Использование таких фильтров при конструировании бионических систем управления нецелесообразно.

ЗАКЛЮЧЕНИЕ

1. Разработано бионическое устройство управления шагающим аппаратом, на базе которого могут быть сконструированы протезирующие устройства с активным режимом отталкивания от опоры, воспроизводящие биологический закон управления скелетными мышцами.

2. Применение бионического сигнала управления, формируемого сложным комплексом пирамидных нейронов и нейронов желатинозной субстанции Роландо, позволяет достичь плавности движения в фазе заднего толчка и приблизиться к естественной опорной реакции при нормальной ходьбе.

3. Рассчитаны коэффициенты экономии энергетических затрат и коэффициент плавности движения, которые показывают преимущества применения бионического сигнала управления.

4. Для оценки качества передвижения введен критерий красоты движения, позволяющий сравнить качество движения в естественном режиме с качеством движения разработанного шагающего аппарата.

5. Рассчитана устойчивость модели бионического шагающего аппарата при помощи критерия Найквиста и диаграммы Боде.

6. Применен математический аппарат дискретной свертки для расчета цепи обратной связи и показана возможность регулирования динамики и временного течения сигнала управления изменением параметров разностного сигнала.

7. При проектировании протезирующих устройств и разработке на их основе бионических шагающих аппаратов, целесообразно использовать цифровые рекурсивные биофильтры второго и третьего порядка, формирующие сигнал управления оптимальной формы.

8. Нейронная система управления со сложными многозвенными цифровыми биофильтрами входит в режим самовозбуждения и характеризуется неустойчивостью работы, что не свойственно реальным системам управления.

1. Агзамов Д.С., Загородний Н.В., Макунин В.И. Тотальное эндопротезнрованне тазобедренного сустава при ревматических заболеваниях. // Вестник травматологии и ортопедии им. Приорова Н.Н. 2005.

2. Алексеев Е.Р. Mathcad 12. М.: NT press, 2005.

3. Алехин А.И., Лавров В.Н., Гончаров Н.Г. Тотальное эндопротезирование коленного сустава в комплексном лечении больных с последствиями туберкулезного и неспецифического гонита // Вестник травматологии и ортопедии им. Приорова Н.Н. 2005.

4. Ахапкин Ю.К., Всеволдов Н.И., Барцев С.И. и др. Биотехника новое направление компьютеризации. Серия «Теоретическая и прикладная биофизика». -М.: изд. ВИНИИТИ, 1990.

5. Ахтямов Н.Ф., Туренков С.В., Гараненко А.Д. Возможности тактического варианта тотального эндопротезирования тазобедренного сустава при диспластическом коксартрозе. // Вестник травматологии и ортопедии им. Приорова Н.Н. 2004.

6. Барроу Г.Дж., Крауфорд Дж.Ф. Робот Эдинбургского университета/ // В кн.: Интегральные роботы. Сб. статей. Вып. 2. Пер. с англ. Под ред. Г.Е. Поздняка. М.: Мир, 1975.

7. Белецкий В.В. Двуногая ходьба. М.: Наука, 1984.

8. Бернштейн Н.А. Очерки по физиологии движений и физиологии активности. М.: Медицина, 1966.

9. Бессонов С.В., Орлецкий А.К., Кассиль В.Л. Особенности анестезиологического обеспечения эндопротезирования крупных суставов нижних конечностей. // Вестник травматологии и ортопедии им. Приорова Н.Н. 2005.

10. Борцов Ю.А., Поляхов Н.Д., Путов В.В. Электромеханические системы с адаптивным и модальным управлением. Л.: Энергоатомиздат, 1984.

11. П.Брискин Е.С., Вавилин Г.Д., Голицин И.В. и др. Проблемы расчёта и проектирования шагающих машин грунтовой проходимости. // Доклады научной школы— конференции «Мобильные роботы и мехатронные системы». М.: Институт механики МГУ, 1999.

12. Брискин Е.С., Соболев В.М. Тяговая динамика шагающих машин с ортогональными движителями // Проблемы машиностроения и надёжности машин, 1990.

13. П.Брискин Е.С., Чернышев В.В. Экспериментальные исследования динамики многоопорной шагающей машины с движителем лямбдаобразного типа // Известия вузов. Машиностроение. 1999.

14. Буачидзе О.Ш., Волошин В.П., Зубико B.C., Оноприенко Г.А., Мартыненко Д.В. Тотальное замещение тазобедренного сустава при тяжелых последствиях его повреждений. // Вестник травматологии и ортопедии им. Приорова Н.Н. 2004.

15. Бурдаков С.Ф., Мирошник И.В.Стельмаков Р.Э. Системы управления движением колесных роботов. СПб.: Наука, 2001.

16. Воробьев Е.И., Шехвиц Э.И. Проектирование промышленных роботов. // Учеб. пособие для машиностроит. техникумов. М.: Машиностроение, 1993.

17. Воротников В.И. Задачи и методы исследования устойчивости и стабилизации движения по отношению к части переменных: направления исследования, результаты, особенности // Автоматика и телемеханика. 1993.

18. Вукобратович М. Шагающие роботы и антропоморфные механизмы. // Пер. с англ. Ю.А. Шнейдера Под ред. B.C. Гурфинкеля. М.: Мир, 1976.

19. Вукобратович М., Стокич Д. Управление манипуляционными роботами.- М.: Наука, 1985.

20. Гаммер П. Сюсц К. Кальмар Я. Устройство миоэлектрического управления искусственной конечностью. // Патент РФ 2108768, A61F2/72.

21. Голубев Ю.Ф., Корянов В.В. Построение движений инсектоморфного робота, преодолевающего комбинацию препятствий с помощью сил кулоновского трения. // Известия РАН, Теория и системы управления № 3, 2005.

22. Горбань А., Россиев Д. Нейронные сети на персональном компьютере. -Новосибирск, Наука, 1996.

23. Горбань А.Н. Возможности нейронных сетей // Нейроинформатика. -Новосибирск: Наука, Сибирская издательская фирма РАН, 1998.

24. Давыдов Н.И. Модельные исследования одноконтурной автоматической системы регулирования с колебательным объектом // Теплоэнергетика. -2004.

25. Дещеревский В.В. Модели мышечного сокращения. М.: 1992.

26. Дмитриев В.М., Арайс JI.A., Шутенков А.В. Автоматизация моделирования промышленных роботов. М.: Машиностроение, 1995.

27. Донской Д.Д., Зациорский В.М. Биомеханика. // ФиС. М.: 1978.

28. Дувидович БД, Сергеева С.В., Лузин С.Н., Спивак В.Г., Пантелеева М.И. Первичное протезирование как медико-техническая реабилитация инвалидов с ампутированными культями нижних конечностей. // Вестник травматологии и ортопедии им. Приорова Н.Н. 2002.

29. Дунин-Барковский B.JI. Информационные процессы в нейронных структурах. М.: Наука, 1978.

30. Дунин-Барковский B.JI. Нейрокибернетика, нейроинформатика, нейрокомпьютеры // Нейроинформатика. Новосибирск: Наука, Сибирская издательская фирма РАН, 1998.

31. Екклс Дж., Костюк П.Г., Шмидт Р.Ф. Про природу и функциональное значение электро-тонического потенциала дорзалыюго корешка. // Физиол. журн. №3,1969.

32. Зенкевич C.JI., Ющенко А.С. Управление роботами. Основы управления манипуляционными роботами. М.: МГТУ им. Н.Э. Баумана, 2000.

33. Ивахненко А.Г. Персептроны. Киев: Наукова думка, 1974.

34. История, настоящее и будущее шагающих механизмов. // Компьютер и жизнь №1,2003.

35. Итоги науки и техники. Сер. «Физ. и Матем. модели нейронных сетей» // Под ред. А.А. Веденова. М.: Изд-во ВИНИТИ, 1992.

36. Камышный Н.М., Автоматизация загрузки станков. М.: Машиностроение, 1977.

37. Корышков Н.А. Платонов С.М., Корышков А.Н., Яснев Д.С. Эндопротезирование мелкого сустава стопы. // Вестник травматологии и ортопедии им. Приорова Н.Н. 2005.

38. Красковский Е.Я., Дружинин Ю.А., Филатов Е.М. Расчет и конструирование механизмов приборов и вычислительных систем. Учебное пособие для приборостроительных специальностей вузов. М.: Высш. шк., 1991.

39. Красников В.Д., Промышленные роботы и манипуляторы. // Учебное пособие Ростов-на-Дону: Институт с/х машиностроения, 1981.

40. Круглов В.В., Борисов В.В Искусственные нейронные сети. Теория и практика. М.: Горячая линия-Телеком, 2001.

41. Кудимов О.А., Нуждин В.И., Попова Т.П., Хоранов Ю.Г., Караманов С.В. Опыт эндопротезирования коленного сустава в специализированном отделении ЦИГП им. Приорова Н.Н. // Вестник травматологии и ортопедии им. Приорова Н.Н. 2005.

42. Макаров И.М., Охоцимский Д.Е., Попов Е.П. Исследование робототехнических систем. // Сб. научных статей. М.: Наука, 1982.

43. Мартыненко Ю.Г. Динамика мобильных роботов. // Соросовский образовательный журнал. Том 6, №5, 2000.

44. Масалович А.И. От нейрона к нейрокомпьютеру // Журнал доктора Добба,-1992.- N.1.

45. Мачульский И.И., Запятой В.П., Майоров Ю.П. и др. Робототехнические системы и комплексы. // Учеб. пособие для студентов вузов ж.-д. трансп. Под ред. И.И. Мачульского. М.: Транспорт, 1999.

46. Механика промышленных роботов; Учебное пособие для вузов: в 3 кн. / Под ред. К.В. Фролова, Е.И. Воробьева. М.: Высш. шк., 1988.

47. Минский М., Пейперт С. Персептроны. М.: Мир - 1971.

48. Миркес Е.М. Нейрокомпьютер. Проект стандарта. Новосибирск: Наука, Сибирская издательская фирма РАН, 1998.

49. Миркес Е.М. Обучение сетей с пороговыми нейронами. Красноярск: Изд-во КГТУ, 1997.

50. Мирошник И.В., Никифоров В.О., Шиегин В.В. Управление движением кинематически избыточных манипуляционных роботов // Изв. РАН: Теория и системы управления. 2001.

51. Мирошник И.В., Фрадков A.JL, Никифоров В.О. Нелинейное и адаптивное управление сложными динамическими системами. СПб.: Наука, 2000.

52. Монахова Е. Нейрохирурги с Ордынки // PC Week/RE, №9, 1995 г.

53. Пол Р. Моделирование, планирование траекторий и управление движением робота манипулятора. Пер. с англ. А.Ф. Верещагина, B.JI. Генерозова. Под ред. Е.П. Попова. - М.: Наука, 1976.

54. Проектирование нечетких систем управления: метод, указания // Санкт-Петербургский государственный электротехнический университет им. В.И. Ульянова (Ленина) «ЛЭТИ»; сост. Ю.А.Кораблев и др. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2003.

55. Рачков М.Ю. Системы приводов технологических роботов вертикального перемещения. //Дис. д-ра техн. наук: 05.02.03. М.: 1997.

56. Ремизов А.Н., Максина А.Г. Сборник задач по медицинской и биологической физике. М.: 2001.

57. Робототехника: новый этап развития. // Сборник РАН. Сер.: Кибернетика -неограниченные возможности и возможные ограничения. М.: Наука, 1993.

58. Розенблатт Ф. Принципы нейродинамики. Персептроны и теория механизмов мозга. -М.: Мир, 1965.• 70.Россиев Д.А. Медицинская нейроинформатика // Нейроинформатика.

59. Новосибирск: Наука, Сибирская издательская фирма РАН, 1998.

60. Семенов Е.А. Приводы роботов вертикального перемещения. // Дис. канд. техн. наук: 05.02.03. М.: 1995.

61. Сидоренко А.Б. Разработка технических систем управления с использованием биологических принципов обработки информации. // Дис. канд. техн. наук: 05.13.01. Краснодар: 2006.

62. Славуцкий Я.Л. Физиологические аспекты биоэлектрического управления протезами. М.: 1982.

63. Сутро Л., Килмер У. Совокупность решающих устройств для управления роботом. В кн. Интегральные роботы. Вып. 1. Пер. с англ. Под ред. Г.Е. Поздняка. - М.: Мир, 1973.

64. Тертычный В.Ю. Синтез управляемых механических систем. СПб.: Политехника, 1993.

65. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. М.: Мир, 1992.

66. Филлипс Ч., Харбор Р. Системы управления с обратной связью. М.: Лаборатория Базовых Знаний, 2001.

67. Фу К., Гонзалес Р., Ли К. Робототехника. М.: Мир, 1989.

68. Черкасов И. Робот с человеческой кожей. М.: Мир, 1999 г.

69. Шахинпур М.А. Курс робототехники: пер с англ. М.: Мир, 1990.

70. Artificial Neural Networks: Concepts and Theory. // IEEE Computer Society Press, 1992.

71. Aynsley M., Hofland A., Morris A.J. et al. Artificial intelligence and the supervision of bioprocesses (real-time knowledge-based systems and neural networks) // Adv. Biochem. Eng. Biotechnol N.48, 1993.

72. Dean Т., Allen J., Aloimonos Y. Artificial Intelligence Theory and Practice. Cap.5. // The Benjamin Cummings Pub. Сотр., Inc, 1995.

73. Espiau В., Canudas de Wit C., Urrea C. Orbital Stabilization of underactuated mechanical systems, 15 IFAC World Congress. Barselona, 2002.

74. Fausett, L.V. Fundamentals of Neural Networks: Architectures, Algorithms and Applications. 1994.

75. Franklin G.F., Powell J.D. and Workman M. Digital Control of Dynamic Systems, 3rd ed. Reading, MA: Addison-Wesley, 1998.

76. Hassoun M.H. Fundamentals of Artificial Networks. Cap.5 Adaptive Multilayer Neural Networks I. // MIT Press Cambridge Massachusetts - a Bradford Book, 1995.

77. Haykin, Simon S. «Neural Networks, A Comprehensive Foundation» Macmillan, New York, 1998.

78. Kock G., Serbedzija N.B. Specification of Artificial Neural Networks based on the modified AXON Model. // World Congress on Neural Networks Vol. I, Portland, 1993.

79. McCulloch W.S., Pitts W. A logical calculus of the ideas immanent in neurvous activity // Bull & Math. Byophis. 1943.

80. Minns A.W. Artificial Neural Networks as subsymbolic Process Descriptors. // Thesis PhD Delft University of Technology (Holanda) Director: Abbot M.B., 1998.

81. Miroshnik I.V. and Sergeev K.A. Nonlinear control of robot spatial motion in dynamic environments // Int. IEEE conf. on Advanced Intel. Mechatronics (AIM'01). Como, 2001, Vol.2.

82. Miroshnik I.V. and V.O. Nikiforov. Trajectory motion control and coordination of multilink robots. Prepr. 13th IF AC World Congress, San-Francisco, vol. A, 1996.

83. Miroshnik I.V. Attractors and partial stability of nonlinear dynamical systems. // 5th IFAC Symposium on Nonlinear Control Systems (NOLCOS'Ol). Preprints. Vol. 3. St. Petersburg, 2001.

84. Mitchell Т. M. Machine Learning. // Cap.4 Artificial Neural Networks. Carnegie Mellon University Mc Graw Hill, 1997.

85. Muller, Berndt and Strickland M. T. and Reinhardt, Joachim «Neural Networks: An Introduction (Physics of Neural Networks)» // Springer-Verlag, Berlin, 1995.

86. Murray R.M., Zexiang I.L. and Sastry S.S. A Mathematical Introduction to Robotic Manipulation. Boca Raton: CRC Press, 1993.

87. Nelson V.P. et al. Digital Logic Circuit Design and Analysis. Upper Saddle River, NJ: Prentice Hall, 1995.

88. Orponen P. «An Overview Of The Computational Power Of Recurrent Neural Networks». // Finnish AI Conference, Helsinki, 2000.

89. Phillips C.L. and Nagle H.T. Digital Control System Analysis and Design, 3rd ed. Englewood Cliffs, NJ: Prentice Hall, 1995.

90. Phillips C.L. and Parr J.M. Signals, Systems, and Transforms, 2nd ed. Upper Saddle River, NJ: Prentice Hall, 1999.

91. Ronald C. Behavior-Based Robotics. // M.I.T. Press, Cambridge, MA, 1998.

92. Suplee C. Robot revolution. //National Geographic 192, 1997.

93. Rosenblatt F. The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain // Psychol. Rev. -1958.

94. Практическое внедрение научных результатов по теме диссертации осуществлялось Волоховым В.В. под научным руководством д.т.н., профессора Максименко JI.A.

95. Председатель комиссии Член комиссии Член комиссии