автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Адаптивная система управления процессом механообработки на основе нечеткой динамической модели

ОСНОВНЫЕ СОКРАЩЕНИЯ, ИСПОЛЬЗУЕМЫЕ В ТЕКСТЕ.

ОСНОВНЫЕ УСЛОВНЫЕ ОБОЗНАЧЕНИЯ, ИСПОЛЬЗУЕМЫЕ В ТЕКСТЕ.

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ ПРОБЛЕМ МОДЕЛИРОВАНИЯ И

УПРАВЛЕНИЯ ПРОЦЕССОМ ОБРАБОТКИ ДЕТАЛЕЙ

НА МЕТАЛЛОРЕЖУЩИХ СТАНКАХ С ЧПУ.

1.1. Анализ тенденции развития автоматизации и управления процессом механообработки.

1.2. Содержательная постановка задачи оперативного формирования режимов механообработки.

1.3. Особенности знаний о процессе резания как объекте управления.

1.4. Анализ методов формирования законов управления в условиях неопределенности.

1.4.1. Анализ методов управления в условиях нескомпенсированной неопределенности.

1.4.2. Анализ путей компенсации неопределенностей знаний о процессе резания.

1.4.2.1. Анализ путей снижения возмущений с применением теории информации.

1.4.2.2. Анализ методов адаптивного управления.

1.4.3. Анализ тенденции совмещения задач компенсации неопределенности и управления в условиях неснятой неопределенности.

1.5. Выводы и результаты по главе.

ГЛАВА 2. МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА РЕЗАНИЯ КАК НЕЧЕТКОГО ДИНАМИЧЕСКОГО ОБЪЕКТА УПРАВЛЕНИЯ.

2.1. Математическая модель для представления знаний о процессе резания.

2.1.1. Формализация знаний с сигнальными неопределенностями.

2.1.2. Формализация знаний с параметрическими неопределенностями.

2.1.3. Формализация знаний с неопределенностями начальных условий.

2.1.4. Формализация знаний с функциональными неопределенностями.

2.1.5. Формализация знаний со структурными неопределенностями.

2.2. Правила вычисления значений нечетких функций.

2.3. Решение дифференциальных уравнений в условиях нечеткой исходной информации.

2.4. Подход к идентификации нечеткой динамической модели ПР.

2.4.1. Постановка задачи идентификации.

2.4.2. Идентификация параметров модели ПР и показателей параметрических неопределенностей.

2.4.3. Идентификация функций модели ПР и показателей функциональных неопределенностей.

2.4.4 Идентификация размерности вектора состояния модели ПР и показателей структурных неопределенностей.

2.5. Сравнительные характеристики предложенной методики формального описания ПР.

Один из путей повышения эффективности авиационных и машиностроительных производств состоит во внедрении средств автоматизации и управления технологическими процессами, в т.ч. процессами резания (ПР), трудоемкость которой составляет 50-60% от трудоемкости изготовления всего изделия [132]. Работами [5, 32, 81] доказано, что системы управления (СУ) ПР позволяют повысить надежность работы оборудования, поднять производительность и снизить себестоимость деталей, улучшить эксплуатационные характеристики изделий в условиях, когда резервы усовершенствования конструкций металлорежущих станков и технологий исчерпаны. Однако СУ ПР не получили столь широкого распространения в производстве, как СУ исполнительными органами технологического оборудования. Это объясняется тем, что управление ПР имеет ряд проблем, связанных с неопределенностями при управлении, т.е. с дефицитом и недостоверностью априорной и апостериорной информации. Указанная неопределенность обусловлена погрешностями измерения выходных переменных объекта управления (ОУ), дефицитом средств измерения и контроля многих физических величин ПР, свойствами моделей процесса, характеризующихся нестационарностью и переменной структурой. Поэтому усилия ученых [77, 99, 100, 126, 133], занимающихся проблемами управления, направлены на решение вопросов адаптации СУ к производственным условиям и на разработку робастных систем, обладающих слабой чувствительностью к возмущениям. Но в настоящее время не существует ни технической базы, ни теоретических методов, позволяющих полностью исключить влияние неопределенностей на показатели устойчивости, точности и качества управления ПР. В связи с этим актуальным является разработка методик количественной оценки неопределенностей моделей ПР и алгоритмов выбора компромиссного управляющего сигнала в условиях неснятой неопределенности.

Решаемые в диссертации вопросы являются составной частью исследований, проводимых кафедрой автоматизированных технологических систем Уфимского государственного авиационного технического университета (УГАТУ) в соответствии с координационными планами АТН РФ, программой «Конверсия и высокие технологии. 1997-2000 г.г.», в рамках федеральной целевой программы «Государственная поддержка интеграции высшего образования и фундаментальной науки на 1997-2001 г.г.».

Целью настоящей работы является повышение эффективности управления процессом механообработки в условиях неопределенности.

Для достижения данной цели поставлены следующие задачи.

1. Предложить и обосновать динамическую модель для формализации знаний о ПР с учетом дефицита, противоречивости и недостоверности априорной информации.

2. Синтезировать методику идентификации предложенной модели ПР.

3. Разработать алгоритм оперативного формирования режимов механообработки (подачи и частоты вращения шпинделя) в условиях неопределенности.

4. Разработать алгоритм настройки регуляторов в адаптивных СУ ПР.

5. Оценить эффективность предложенных методик идентификации и алгоритмов управления ПР.

На защиту выносятся:

1. Нечеткая динамическая модель для описания ПР в пространстве состояний, включающая НМ параметров, переменных вектора состояния, размерности вектора состояния, а также нечеткие функции.

2. Методика идентификации модели ПР, состоящая в декомпозиции различных видов неопределенности и в определении параметров НМ, НФ и НО модели.

3. Алгоритм формирования квазиоптимальных режимов механообработки (подачи и частоты вращения шпинделя) путем адаптивного управления ПР с нечеткой моделью и нечеткими значениями выходной переменной на основе алгоритма скоростного градиента.

4. Алгоритм настройки параметров адаптивного регулятора ПР путем поиска условного экстремума целевой функции, отражающей нечеткие показатели качества и точности СУ при ограничениях на управляющий сигнал и на переменные вектора состояния ОУ

5. Результаты оценки эффективности методики идентификации нечеткой динамической модели ПР и алгоритмов управления ПР в условиях нечеткой информации, полученные путем имитационного моделирования и внедрения в производство.

Научная новизна диссертационной работы:

1. Новизна нечеткой модели состоит в возможности параметрически отражать сигнальные, функциональные, параметрические, структурные неопределенности и неопределенности начальных условий поведения управляемого ПР с целью повышения гибкости и скорости вычислений.

2. Новая методика идентификации нечеткой динамической модели ПР заключается в сочетании классических градиентных методов идентификации и методов распознавания образов, что позволяет обрабатывать экспериментальные данные, полученные в условиях более широкого спектра источников неопределенностей по сравнению с классическими методами идентификации с целью количественной оценки отклонения поведения ПР от номинальной модели.

3. Новизна алгоритма формирования квазиоптимальных режимов механообработки состоит в сочетании алгоритма адаптивного робастного управления и процедуры оперативного принятия решений в условиях нечеткой информации с целью расширения границ применимости системы в производственных условиях при наличии широкого спектра возмущений.

Практическая ценность:

1. Использование динамической модели ПР с параметризированными нечеткими множествами и нечеткими функциями в алгоритмах управления позволяет осуществлять оперативное принятие решений по формированию квазиоптимальных режимов механообработки (подачи и частоты вращения шпинделя) в условиях неопределенности.

2. Использование алгоритма формирования квазиоптимальных режимов механообработки в СУ ПР позволяет повысить гибкость СУ, точность СУ в среднем на 15%, обеспечить перерегулирование не выше 3%, снизить время механообработки деталей на 20% по сравнению с существующими адаптивными и оптимальными СУ ПР, сократить время на технологическую подготовку производства на 15-20 %.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. Предложена и обоснована нечеткая динамическая модель для описания поведения управляемого ПР в условиях неопределенности. Возможность модели параметрически оценивать нечеткость измеренных данных и знаний о ПР повышает скорость вычислений на 2 порядка по сравнению с оперированием дискретными НМ. Достигнутое быстродействие расчетов по модели обеспечивает ее применимость в оперативном режиме при решении задач управления ПР и способствует реализации модели в СУ на основе универсальных микропроцессорных устройств (без дополнительных нечетких контроллеров).

2. Разработана методика идентификации нечеткой модели ПР, выполняющая декомпозицию неопределенности на сигнальную, параметрическую, структурную, функциональную, неопределенность начальных условий и осуществляющая параметрическую оценку показателей этих неопределенностей. Разработанная методика дает возможность обрабатывать информацию, полученную под влиянием различных источников неопределенности, в том числе при наличии дефицита информации, погрешности измерения и наблюдения, при упрощении модели. Декомпозиция неопределенности позволяет обосновать и формализовать процедуру выбора принципа и метода управления ПР.

3. Разработан алгоритм формирования квазиоптимальных режимов механообработки (подачи и частоты вращения шпинделя), объединяющий алгоритм адаптивного робастного управления и процедуру оперативного принятия решений в условиях нечеткой информации. Разработанный алгоритм помимо частичного снятия параметрических и функциональных неопределенностей, позволяет сформировать наиболее приемлемый управляющий сигнал с точки зрения цели управления в условиях возможных вариаций поведения ОУ. Применение алгоритма в системах управления ПР расширяет область их применения в производственных условиях при наличии более широкого спектра возмущений.

4. Синтезирован алгоритм настройки параметров адаптивного регулятора, предназначенного для управления ПР с нечеткими моделями. Квазиоптимальные значения параметров регулятора обеспечивают компромиссные показатели качества и точности СУ с учетом заданных ограничений на управляющий сигнал и на переменные вектора состояния ОУ.

5. Результаты имитационного моделирования и внедрения в производство показали, что использование алгоритма формирования квазиоптимальных режимов механообработки в СУ ПР на основе нечеткой динамической модели позволяет повысить гибкость СУ, точность СУ в среднем на 15%, обеспечить перерегулирование не выше 3%, снизить время механообработки деталей на 20% по сравнению с существующими адаптивными и оптимальными СУ ПР, сократить время на технологическую подготовку производства на 15-20% при обеспечении заданных показателей качества обрабатываемых деталей.

1. Абакумов A.M. Математическая модель процесса точения при управлении по каналам скорости продольной подачи и частоты вращения шпинделя // Станки и инструмент. 1976. - №5. - С. 16-17.

2. Абиев Р.Г., Алиев P.A., Алиев P.P. Синтез САУ с обучаемым на нейронной сети нечетким контроллером // Известия РАН. Техническая кибернетика. 1994. - №2. - С. 192-197.

3. Автоматизированное проектирование информационно-управляющих систем. Системное моделирование предметной области: Учебное пособие / Г.Г. Куликов, А.Н. Набатов, А.В, Речкалов; Уфимск. гос. авиац. техн. ун-т. Уфа, 1998.- 104 с.

4. Автоматическое регулирование процессов резания по температуре: Сб. науч. тр. №4. / Отв. ред. С.С. Силин. Ярославль.: Ярославский политехнический институт, 1976. - 169 с.

5. Адаптивное управление технологическими процессами / Ю.М. Со-ломенцев, В.Г. Митрофанов, С.П. Протопопов, И.М. Рыбкин, В.А. Тимирязев. -М.: Машиностроение, 1980. 536 с.

6. Алефельд Г., Херцбергер Ю. Введение в интервальные вычисления/ Пер. с англ. М.: Мир, 1987. - 360 с.

7. Алиев P.A., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом. М.: Радио и связь, 1990. - 264 с.

8. Андриевский Б.Р., Фрадков A.JT. Элементы математического моделирования в программных средах MATLAB 5 и Scilab. СПб.: Наука, 2001. -286 с.

9. Бабак В.Ф. Модели и методы конструирования интеллектуальных САПР ТП механообработки // Машиностроительное производство. Автоматизированные системы проектирования и управления. М.: ВНИИТЭМР, 1990. -56 с.

10. Барботько А.И., Зайцев А.Г. Теория резания металлов. 4.1. Основы процесса резания: Учеб. пособие. Воронеж: Изд-во ВГУ, 1990. - 216 с.

11. Барботько А.И., Зайцев А.Г. Теория резания металлов. 4.2. Основы системологии процессов резания: Учеб. пособие. Воронеж: Изд-во ВГУ, 1990.-176 с.

12. Белоусов А.И. Развитие новых принципов оптимизации механической обработки // Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский тематический научный сборник, выпуск VI. Уфа: УАИ, 1981.-С. 23-28.

13. Бесекерский В.А., Небылов A.B. Робастные системы автоматического управления. М.: Наука. Главная редакция физико-математической литературы, 1983. - 240 с.

14. Бессонов A.A., Загашвили Ю.В., Маркелов A.C. Методы и средства идентификации динамических объектов. Л.: Энергоатомиздат, 1989. - 280 с.

15. Блохнин А.Г. Алгебра нечетких множеств // Известия РАН. Теория и системы управления. 1998. - №5. - С. 88-95.

16. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей: Примеры использования. Рига: Зинатне, 1990. -184 с.

17. Вентцель Е.С. Овчаров Л.А. Теория вероятностей и ее инженерные приложения. М.: Наука, 1988. - 480 с.

18. Вопросы оптимального резания металлов: Труды УАИ, выпуск 29. Уфа: УАИ, 1972. 190 с.

19. Вопросы оптимального резания металлов: Труды УАИ, выпуск 34. Уфа: УАИ, 1972.-255 с.

20. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация: Пер с англ.-М.: Мир, 1985.-509 с.

21. Горелик A.JI., Скрипкин В.А. Методы распознавания. М.: Высш. шк, 1984.-208 с.

22. Грановский В.А, Сирая Т.Н. Методы обработки экспериментальных данных при измерениях. JL: Энергоатомиздат, 1990. - 288 с.

23. Гроп Д. Методы идентификации систем / Пер. с англ. В.А. Васильева, В.И. Лопатина; Под ред. Е.И. Кринецкого. М.: Мир, 1979. - 302 с.

24. Дегтярев Ю.И. Исследование операций. М.: Высш. шк., 1986.320 с.

25. Дейч A.M. Методы идентификации динамических объектов. М.: Энергия, 1979. - 240 с.

26. Дорф Р., Бишоп Р. Современные системы управления / Пер. с англ. Б.И. Копылова. М.: Лаборатория Базовых Знаний, 2002. - 832 с.

27. Елисеева И.И., Рукавишников В.О. Группировка, корреляция, распознавание образов. М.: Статистика, 1977. - 144 с.

28. Журавлев В.Н., Николаева О.И. Машиностроительные стали: Справочник. М.: Машиностроение, 1992. - 480 с.

29. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. - 163 с.

30. Захаров В.Н., Ульянов C.B. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. IV. Имитационное моделирование // Известия РАН. Техническая кибернетика. 1994. - №5. - С. 168-210.

31. Зориктуев В.Ц. Повышение эффективности обработки деталей из труднообрабатываемых материалов на станках путем идентификации и автоматического управления температурно-силовым режимом точения: Дис. д-ра техн. наук. М., 1990. - 480 с.

32. Зориктуев В.Ц., Гончарова С.Г., Месягутов И.Ф. Методика синтеза информационной управляющей системы процессом механообработки // Актуальные проблемы машиностроения: Материалы I Международной науч.-техн. конф. Владимир: Изд-во ВлГУ, 2001. - С. 153-154.

33. Зориктуев В.Ц., Лютов А.Г., Гончарова С.Г., Месягутов И.Ф. Интеллектуальное управление сложным мехатронным объектом с использованием быстрорасчетной нейро-нечеткой модели // Мехатроника. 2001. - №6. -С. 24-28.

34. Зориктуев В.Ц., Лютов А.Г., Месягутов И.Ф. Система экстремального управления интенсивностью износа режущего инструмента // Автоматизированные технологические и мехатронные системы в машиностроении. Сб. науч. тр. Уфа: Изд-во УГАТУ, 1997. - С. 86.

35. Измерение электрических и неэлектрических величин: Учеб. пособие для вузов / H.H. Евтихиев, Я.А. Купершмидт, В.Ф. Папуловский, В.Н. Ску-горов; Под общ. ред. H.H. Евитхиева. М.: Энергоатомиздат, 1990. - 352 с.

36. Ильин А.И. Адаптивная система управления интенсивностью износа режущего инструмента для точения труднообрабатываемых материалов на станках с ЧПУ: Автореф. дис. канд. техн. наук. Уфа, 1992. - 24 с.

37. Исаев Ш.Г. Разработка системы автоматического регулирования силами резания по электрической проводимости контакта «инструмент деталь»: Дис. канд. техн. наук. - Уфа, 1987. - 235 с.

38. Искусственный интеллект. В 3-х кн. Кн.2. Модели и методы: Справочник. / Под ред. Д.А. Поспелова - М.: Радио и связь, 1990. - 304 с.

39. Казаков И.Е., Гладков Д.И. Методы оптимизации стохастических систем. М.: Наука, 1987. - 304 с.

40. Калинина В.Н., Панкин В.Ф. Математическая статистика. М.: Высш. шк., 1998.-336 с.

41. Кацев П.К. Статистические методы исследования режущего инструмента. -М.: Машиностроение, 1968. 156 с.

42. Кику А.Г., Костюк В.И., Краскевич В.Е., Сильвестров А.Н., Шпит C.B. Адаптивные системы идентификации. Киев.: Техшка, 1975. - 288 с.

43. Клышинский Э.С. Метод построения и применения интеллектуальных объектов в системах моделирования // Автоматизация и современные технологии. 1998. - №2. - С. 27-31.

44. Ковчин С.А., Сабинин Ю.А. Теория электропривода. СПб.: Энергоатомиздат, 2000. - 496с.

45. Конфликт сложных систем. Модели и управление / Б.К. Нартов, С.Г. Братцев, Ф.А. Мурзин, A.A. Пунтус; под ред. A.A. Пунтуса. М.: МАИ, 1995.-120 с.

46. Коровин Б.Г., Прокофьев Г.И., Рассудов Л.Н. Системы программного управления промышленными установками и робототехническими комплексами. Л.: Энергоатомиздат, 1990. - 352 с.

47. Корытин A.M., Шапарев Н.К. Оптимизация управления металлорежущими станками. М.: Машиностроение, 1974. - 200 с.

48. Кофман А. Введение в теорию нечетких множеств: Пер. с франц. -М.: Радио и связь, 1982. 432 с.

49. Крючков В.Г. Технологические аспекты создания систем оперативного формирования управляющих программ // Оптимальное управление меха-тронными станочными системами: Сб. науч. трудов. Часть 1. - Уфа: Изд-во УГАТУ, 1999.-С. 146-152.

50. Кудинов В.А. Динамические расчеты станков (основные положения) // СТИН. 1995. - №8. - С. 3-13.

51. Кузьмин В.Б. Построение групповых решений в пространствах четких и нечетких бинарных отношений. М.: Наука, 1982. - 168 с.

52. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний. М.: Наука, 1989. - 128 с.

53. Левин В.И. Новое обобщение операций над нечеткими множествами // Известия РАН. Теория и системы управления. 2001. - №1. - С. 143-146.

54. Льюнг Л. Идентификация систем. Теория для пользователей. М.: Наука, 1992.-431 с.

55. Макаров А.Д. Оптимизация процессов резания. М.: Машиностроение, 1976. - 278 с.

56. Малышев Н.Г., Берштейн JI.C., Боженюк A.B. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991. - 136 с.

57. Марселлус Д. Программирование экспертных систем на Турбо Прологе: Пер. с англ./ Предисл. C.B. Трубицына. М.: Финансы и статистика,1994.-256 с.

58. Месягутов И.Ф., Гончарова С.Г. Система автоматического управления температурно-силовым режимом обработки // Проблемы современного энергомашиностроения: Материалы Всероссийской молодежной науч.-техн. конф. Уфа: Изд-во УГАТУ, 2002. - С. 85.

59. Месягутов И.Ф., Лютов А.Г. Информационно-измерительная система для исследования процесса точения // Информационные и кибернетические системы управления и их элементы: Материалы Всероссийской молодежной науч.-техн. конф. Уфа: Изд-во УГАТУ, 1997. - С.46.

60. Месягутов И.Ф., Лютов А.Г. Интеллектуальная система программного управления процессом механообработки // Технология и оборудование современного машиностроения: Материалы Всероссийской молодежной науч.-техн. конф. Уфа: Изд-во УГАТУ, 1998. - С. 20.

61. Месягутов И.Ф., Лютов А.Г. Подход к формализованному описанию процессов механообработки // Технология и оборудование современного машиностроения: Материалы Всероссийской молодежной науч.-техн. конф. -Уфа: Изд-во УГАТУ, 1998. С. 21.

62. Месягутов И.Ф., Никин А.Д. Адаптивная система управления процессом точения // Технология металлообработки: физика процессов и оптимальное управление. Материалы международной конференции. Часть 1. -Уфа: Изд-во УГАТУ, 1994. С. 53.

63. Методология IDEF0. Функциональное моделирование. М.: Мета-технология, 1993. - 117 с.

64. Методология IDEF1X. Информационное моделирование. М.: Ме-татехнология, 1993. - 120 с.

65. Методы классической и современной теории автоматического управления. В 3-х т. Т. 2.: Синтез регуляторов и теория оптимизации систем автоматического управления / Под ред. Н.Д. Егупова. М.: Изд-во МГТУ им. Н.Э. Баумана, 2000. - 736 с.

66. Методы классической и современной теории автоматического управления. В 3-х т. Т. 3.: Методы современной теории автоматического управления / Под ред. Н.Д. Егупова. М.: Изд-во МГТУ им. Н.Э. Баумана, 2000. - 748 с.

67. Методы описания, анализа, и синтеза нелинейных систем управления / В.В. Семенов, A.B. Пантелеев, Е.А. Руденко, A.C. Бортаковский. М.: Изд-во МАИ, 1993. - 312 с.

68. Методы робастного, нейро-нечеткого и адаптивного управления / Под ред. Н.Д. Егупова. М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. - 744 с.

69. Мирошник И.В. Согласованное управление многоканальными системами. Д.: Энергоатомиздат, 1990. - 128 с.

70. Мирошник И.В., Никифоров В.О., Фрадков A.JI. Нелинейное и адаптивное управление сложными динамическими системами. СПб.: Наука, 2000. - 549 с.

71. Михалюк Д.П., Суворов A.B., Ященко В.В., Ященко Н.Ю. Формирование оптимального пути в пространстве состояний сложной технической системы в условиях неполноты исходной информации // Известия РАН. Теория и системы управления. 1996. - №5. - С. 61-65.

72. Моисеев H.H. Математические задачи системного анализа. М.: Наука, 1981.-488 с.

73. Молодцов Д.Д. Описание зависимостей при помощи мягких множеств // Известия РАН. Теория и системы управления. 2001. - №6. -С. 137-144.

74. Невельсон М.С. Автоматическое управление точностью обработки на металлорежущих станках. Л.: Машиностроение, 1982. - 184 с.

75. Нечеткие множества в моделях управления и искусственного интеллекта. / Под ред. Д.А. Поспелова. М.: Наука, 1986. - 312 с.

76. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. / Под ред. Ягеря P.P.- М.: Радио и связь, 1986. 408 с.

77. Никин А. Д. Адаптивная система управления температурно-силовыми режимами процесса резания металлов: Дис. канд. техн. наук. Уфа, 1999.-192 с.

78. Никичкин В.В., Цуканова Н.И. Обучение как многошаговый дискретный процесс управления с нечеткими параметрами // Известия РАН. Теория и системы управления. 1996. - №5. - С. 93-96.

79. Новицкий В.А. Исследование сигнала термо-ЭДС в процессе резания металлов // Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский тематический научный сборник. Выпуск VI. - Уфа: УАИ, 1981. - С.149-155.

80. Новоселов О.Н., Фомин А.Ф. Основы теории и расчета информационно-измерительных систем. М.: Машиностроение, 1991. - 336 с.

81. Новые методы определения обрабатываемости материалов резанием и шлифованием: Сб. науч. тр. №3 / Отв. ред. С.С. Силин. Ярославль.: Ярославский политехнический институт, 1975. - 203 с.

82. Нурисламов B.JI. К вопросу об обрабатываемости жаропрочных сплавов на никелевой основе // Оптимизация процессов резания жаро- и особо-прочных материалов: Межвузовский тематический научный сборник. Выпуск IV. - Уфа: УАИ, 1979. - С. 168-174.

83. Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский тематический научный сборник. Уфа: УАИ, 1985. - 171 с.

84. Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский тематический научный сборник. Уфа: УАИ, 1987. - 159 с.

85. Оптимизация технологических условий механической обработки деталей авиационных двигателей / В.Ф. Безъязычный, Т.Д. Кожина и др. М.: МАИ, 1993.- 184 с.

86. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. - 208 с.

87. Осипов Г.С. Построение баз знаний на основе взаимодействия интерактивных методов приобретения знаний. I. Концептуальные элементы модели мира // Известия РАН. Теория и системы управления. 1995. - №3. -С. 160-174.

88. Основы математического моделирования с примерами на языке MATLAB: Учебное пособие / Д.Л. Егоренков, А.Л. Фрадков, В.Ю. Харламов; Под ред. А.Л. Фрадкова. СПб.: БГТУ, 1996. - 192 с.

89. Пантелеев A.B., Бортаковский A.C., Летова Т.А. Оптимальное управление в примерах и задачах: Учеб. пособие. М.: МАИ, 1996. - 212 с.

90. Пащенко Ф.Ф., Чернышев K.P. Методы построения систем управления на основе знаний // Приборы и системы управления. 1996. - №8. -С. 12.

91. Первозванский A.A. Курс теории автоматического управления. -М.: Наука, 1986.-616 с.

92. Петров Б.Н., Рутковский В.Ю., Крутова И.Н., Земляков С.Д. Принципы построения и проектирования самонастраивающихся систем управления- М.: Машиностроение, 1972. 260 с.

93. Петров Б.Н., Рутковский В.Ю., Земляков С.Д. Адаптивное коорди-натно-параметрическое управление нестационарными объектами. М.: Наука, 1980.-234 с.

94. Планирование эксперимента в исследовании технологических процессов / К. Хартман, Э.Лецкий, В.Шефер; Под ред. Лецкого. М.: Мир, 1977. -552 с.

95. Поспелов Д.А. Логико-лингвистические модели в системах управления. М.: Энергоатомиздат, 1981. - 232 с.

96. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986.-288 с.

97. Постнов В.В. Исследование стружкообразования при нестационарном резании // Автоматизированные технологические и мехатронные системы в машиностроении: Сб. науч. тр. Уфа: Изд-во УГАТУ, 1997. - С. 38-42.

98. Постнов В.В. Структурно-энергетичский анализ процесса нестационарного точения // Автоматизированные технологические и мехатронные системы в машиностроении: Сб. науч. тр. Уфа: Изд-во УГАТУ, 1998. -С. 25-34.

99. Построение экспертных систем: Пер. с англ. / Под ред. Хейеса-Рота, Д. Уотермана, Д. Лената. -М.: Мир, 1987. 441 с.

100. Потапова Т.Б. Структурная модель управления технологическим участком непрерывного производства как база знаний для экспертной системы// Приборы и системы управления. 1996. - №9. - С. 17-22.

101. Потюпкин А.Ю. Решение задачи идентификации нечетких систем // Известия РАН. Теория и системы управления. 1996. - №4. - С. 40-46.

102. Пушков С.Г. Об общей теории нечетких систем: глобальные состояния и нечеткая глобальная реакция нечеткой системы // Известия РАН. Теория и системы управления. 2001. - №5. - С. 105-109.

103. Растригин Л.А., Маджаров Н.Е. Введение в идентификацию объектов управления. М.: Энергия, 1977. - 216 с.

104. Растригин Л.А. Обучение как управление // Известия РАН. Техническая кибернетика. 1993. - №2. - С. 40-46.

105. Растригин Л.А. Системы экстремального управления. М.: Наука, 1974.-632с.

106. Ратмиров В.А. Управление станками гибких производственных систем. М.: Машиностроение, 1987. - 272 с.

107. Режимы резания металлов. Справочник. / Под ред. Ю.В. Барановского. М.: Машиностроение, 1972. - 407 с.

108. Резание труднообрабатываемых материалов / Под ред. П. Г. Петру-хи. М.: Машиностроение, 1972. - 175 с.

109. Роберте Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам / Пер. с англ. A.M. Раппопорта, С.И. Травкина. Под ред. А.И. Теймана. М.: Наука, 1986. - 496 с.

110. Романов В.Н., Соболев B.C., Цветков Э.И. Интеллектуальные средства измерений / Под ред. Э.И. Цветкова. Л.: РИЦ «Татьянин день», 1994. -280 с.

111. Рюков Д.И. К вопросу ускоренного определения режимов резания// Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский тематический научный сборник. Выпуск V. - Уфа: УАИ, 1980. — С.137-140.

112. Санкин Ю.Н., Жиганов В.И., Санкин Н.Ю. Устойчивость процесса резания на токарных станках // СТИН. 1997. - №7. - С. 20-24.

113. Санкин Ю.Н., Пирожков С.Л., Санкин Н.Ю. Устойчивость токарных станков при обработке нежестких заготовок//СТИН. 2000. - №11. -С. 15-20.

114. Санкин Ю.Н., Санкин Н.Ю. Устойчивость токарных станков при неопределенной характеристике процесса резания//СТИН. 1998. - №10. -С. 7-11.

115. Силин С.С. Метод подобия при резании материалов. М.: Машиностроение, 1979. - 152 с.

116. Сосонкин В.Jl. Программное управление технологическим оборудованием. -М.: Машиностроение, 1991. 512 с.

117. Сосонкин В.Л., Мартинов Г.М. Концепция числового программного управления мехатронными системами: архитектура систем типа PCNC // Мехатроника. 2000. - №1. - С. 26-29.

118. Справочник по теории автоматического управления / Под ред. A.A. Красовского-М.: Наука. Гл. ред. физ.-мат. лит., 1987. 712 с.

119. Справочник технолога-машиностроителя. В 2-х т. Т. 1 / Под ред. А.Г. Косиловой и Р.К. Мещерякова. М.: Машиностроение, 1986. - 656 с.

120. Тарасов В.Б. Искусственная жизнь и нечеткие эволюционные мно-гоагентные системы основные теоретические подходы к построению интеллектуальных организаций // Известия РАН. Теория и системы управления. -1998.-№5.-С. 12-23.

121. Убейко В.М. Применение экспертных систем в автоматизированных системах проектирования и управления // Машиностроительное производство. Автоматизированные системы проектирования и управления. М.: ВНИИТЭМР, 1990.

122. Ульянов B.C., Язенин A.B. Математическая модель интеллектуальной системы управления комплексным, глобально неустойчивым объектом на основе мягких вычислений // Известия РАН. Теория и системы управления. -2001.-№3.-С. 122-137.

123. Управление динамическими системами в условиях неопределенности / С.Т. Кусимов, Б.Г. Ильясов, В.И. Васильев и др. М.: Наука, 1998. - 452 с.

124. Филоненко С.Н. Резание металлов. Киев.: Технпса, 1975. - 232 с.

125. Фрадков А.Л. Адаптивное управление в сложных системах: беспоисковые методы. М.: Наука, 1990. - 296 с.

126. Хант Э. Искусственный интеллект: Пер с англ. М.: Мир, 1978.560 с.

127. Цой Э.В., Юдин А.Д., Юдин Д.Б. Задачи пополнения и синтеза знаний // Автоматика и телемеханика. 1994. - №7. - С. 3-36.

128. Чернышев М.К., Гаджиев М.Ю. Математическое моделирование иерархических систем с приложениями к биологии и экономике. М.: Наука, 1983.-192 с.

129. Шостак В.Ф. Модели и методы управления сложными технологическими комплексами в нештатных (экстремальных) режимах работы в АСУТП // Автоматика и телемеханика. 1994. - №10. - С. 158-164.

130. Якобе Г.Ю., Якоб Э., Кохан Д. Оптимизация резания. Параметризация способов обработки резанием с использованием технологической оптимизации. М.: Машиностроение, 1981. - 279 с.

131. Ящерицын П.И., Еременко М.Л., Фельдштейн Е.Э. Теория резания. Физические и тепловые процессы в технологических системах: Учеб. для вузов. Мн.: Выш. шк., 1990 - 512 с.

132. Ching-Hung Lee, Ching-Cheng Teng. Identification and control of dynamic systems using recurrent fuzzy neural networks // IEEE transactions on fuzzy systems August 2000. - vol. 8, NO. 4 - P. 349-366.

133. Fradkov A.L., Evans R.J. Control of chaos: Survey 1997-2000 // Proc. of 15-th IF AC World Congress, Barcelona, 2002.

134. Goncharova S.G., Mesyagutov I.F. Technique of processing of experimental information about complex plant // Preprints of 8-th International Student Olympiad on Automatic Control (Baltic Olympiad). Saint-Petersburg, 2000. -P. 138-140.

135. MATLAB. User's Guide. The Math Works, Inc., 1999.

136. Mesyagutov I.F. The intelligent control system for the turning process // Preprints of 6-th International Student Olympiad on Automatic Control (Baltic Olympiad). Saint-Petersburg, 1998. - P. 120 -121.

137. Mesyagutov I.F. The technique of the creation of the machining process intellectual control system // Preprints of 7-th International Student Olympiad on Automatic Control (Baltic Olympiad). Saint-Petersburg, 1999. - P. 190 -193.

138. Mesyagutov I.F., Goncharova S.G. Formal description of cutting process for control problems solution // Preprints of 8-th International Student Olympiad on Automatic Control (Baltic Olympiad). Saint-Petersburg, 2000. - P. 41 - 45.

139. Mesyagutov I.F., Goncharova S.G. Optimal control of complex plant in conditions of fuzzy information // Preprints of 9-th International Student Olympiad on Automatic Control (Baltic Olympiad). Saint-Petersburg, 2002. - P. 74 - 78.

140. Tor A. Johansen, Robert Shorten, Roderick Murray-Smith. On the interpretation and identification of dynamic Takagi-Sugeno fuzzy models // IEEE transactions on fuzzy systems June 2000. - vol. 8, NO. 3 - P. 297-313.

141. Vasilyeva I.E. An application of quasi-flows for modeling of non-smooth processes // Preprints of 8-th International Student Olympiad on Automatic Control (Baltic Olympiad). Saint-Petersburg, 2000. - P. 81 - 83.