автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Аппаратно-программная реализация интеллектуальных регуляторов в быстродействующих системах автоматического управления

РГБ ОД

1 о МДЙ 2303

На правах рукописи

Лысов Никита Юрьевич

АППАРАТНО-ПРОГРАММНАЯ РЕАЛИЗАЦИЯ ИНТЕЛЛЕКТУАЛЬНЫХ РЕГУЛЯТОРОВ В БЫСТРОДЕЙСТВУЮЩИХ СИСТЕМАХ АВТОМАТИЧЕСКОГО

УПРАВЛЕНИЯ

Спсцналыюсгь: 05.13.01 Управление в технических системах

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Москва 2000

Работа выполнена в Московском Государственном Институте Радиотехники, Электроники и Автоматики (Техническом Университете)

Научный руководитель

— доктор технических наук, профессор, академик РАЕН Лохин В.М.

Официальные оппоненты

— доктор технических наук, профессор Колосов О.С.

— кандидат технических наук Захаров В Н.

Ведущее предприятие

— ЗАО НИЦ "Мехатроника".

Защита состоится «"/.? » 2000 г. на заседании

диссертационного совета Д 063.54.01 при Московском Государственном Институте Радиотехники, Электроники и Автоматики (Техническом Университете) по адресу: 117454, г. Москва, пр. Вернадского, д. 78.

С диссертацией можно ознакомиться в библиотеке МИРЭА (ТУ). Автореферат разослан « (б » о-^суТсх 2000 г.

Ученый секретарь диссертационного совета

к.т.н., профессор Федотова Д.Э.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность теми. Одной из наиболее важных проблем, возникающих при создании и эксплуатации различных технических систем, является обеспечение требуемого качества и надежности управления при воздейсшии возмушаюших факторов. К ним могут 01 носиться изменения параметров регулируемого процесса и среды функционирования системы. Для технологических процессов химической, нефгегаювой, металлургической промышленности, энергетики и др. скорость этих изменений составляет десятки секунд, а объект, как правило, имеет много координат и содержит значительное число параметров, так что в качестве систем управления оправданным является применение мощных вычислительных комплексов, способных эффективно решать задачу адаптации к изменениям параметров объекта. Для быстродействующих систем, например, электроприводов, применяющихся в поворотных механизмах различных промышленных объектов (станков, роботов, радиолокационных станций и т.д.), скорость подобных изменений составляет доли секунд, а количество регулируемых величин мало, так что система управления обычно представляет собой специализированный вычислительны!*! блок или аналоговую схему. В случае изменения параметров объекта в темпе входного сигнала сложность алгоритмов адаптации и повышенные требования к быстродействию системы управления делают ее проектирование исключительно сложной задачей.

Анализ подходов к построению адаптивных систем (работы А.А.Красовского, Я.З.Цынкина, Ю.А.Борцова, В.В.Путова и др.) показывает, что задача реализации алгоритмов адаптации в быстродействующих системах управления остается в значительной

степени нерешенной. Это во многом обусловило целесообразность и необходимость построения систем, функционирующих в условиях неопределенности, с привлечением методов и технологий искусственного интеллекта. Этот подход активно развивается в России (школа Д.А.Поспелова) и за рубежом (L.A. Zadeh, М. Sugeno, E.H. Mamdani, R. Swinarski и др.).

Основной отличительной чертой интеллектуальных систем является наличие механизмов обработки знаний. Сопоставление свойств знаний с общепринятыми понятиями дает возможность причислить к разряду интеллектуальных четыре информационные технологии: экспертных систем, нечеткой логики, нейросетевых структур, ассоциативной памяти.

Применение технологий обработки знаний в задачах управления позволяет рассматривать САУ, построенные на базе интеллектуальных технологий, как реальную альтернативу традиционным адаптивным САУ при создании быстродействующих систем, функционирующих в условиях неопределенности, благодаря следующим потенциальным преимуществам интеллектуальных технологий:

повышение быстродействия за счет применения специализированной элементной базы или эффективной организации базы знаний, дающее возможность выполнять в реальном масштабе времени процедуры идентификации и адаптации, требующие интенсивных вычислений.

- повышение гибкости управления за счет применения эмпирических правил и комбинирования различных алгоритмов управления.

Вместе с тем, анализ подходов к построению САУ на базе интеллектуальных технологий показывает, что:

- в большинстве работ работоспособность и преимущество интеллектуальных алгоритмов иллюстрировано лишь по результатам модельных экспериментов, поэтому требуется исследование их работы при реализации на реальной элементной базе.

- многие подходы подразумевают управление достаточно медленными технологическими процессами и потому имеют необходимое время для выполнения интеллектуальных функций. При распространении на быстродействующие системы такие подходы могут оказаться несостоятельными или потребовать существенной модернизации, основные пути которой состоят в интеграции различных интеллектуальных технологий.

В этой связи задача создания серии быстродействующих следящих систем с интеллектуальными регуляторами с целью комплексного исследования их свойств в условиях неопределенности в сравнении с традиционными адаптивными системами предо являет несомненный теоретический и практический интерес.

Целыо работы является разработка аппаратного и программно-алгоритмического обеспечения для синтеза интеллектуальных регуляторов с последующим проведением комплексных исследований систем быстродействующих интеллектуальных следящих приводов в условиях неопределенности.

Задачи исследования. Цель работы предопределяет необходимость решения следующего комплекса задач:

1. Проведение комплексного анализа факторов неопределенности в системе быстродействующего следящего электропривода.

2. Разработку и обоснование имитационных моделей, учитывающих факторы неопределенности быстродействующих следящих электроприводов.

3. Разработку автоматизированных процедур синтеза интеллектуальных регуляторов.

4. Разработку комплекса аппаратных средств, позволяющего имитировать факторы неопределенности следящего электропривода различных типов.

5. Разработку комплекса программных средств, аккумулирующего средства моделирования динамики САУ, поддержки интеллектуальных технологий, автоматизации синтеза быстродействующих интеллектуальных регуляторов и создания приложений реального времени.

6. Разработку методик и постановка экспериментов по оценке качества управления реальным следящим приводом в системах с быстродействующими интеллектуальными регуляторами в сравнении с системами с классическими и адаптивными регуляторами.

Методы исследования. Поставленные задачи решены методами теории автоматического управления, теории искусственного интеллекта, теории вероятности, математической статистики, нелинейного программирования и математического моделирования. Научная новизна работы состоит в следующем:

1. Проведены комплексные исследования факторов неопределенности в быстродействующих следящих электроприводах.

2. Разработано семейство имитационных моделей, учитывающих неопределенность в системах быстродействующих следящих электроприводов, в том числе:

- модель двигателя постоянного тока, учитывающая изменение момента инерции;

- модель инкрементного датчика, учитывающая квантование информации по уровню и времени в схемах обработки его сигнала различных типов;

- модели дискретных регуляторов, учитывающие запаздывание формирования управляющего сигнала в ЦВМ.

3. Разработаны автоматизированные процедуры синтеза интеллектуальных регуляторов, с помощью которых синтезированы регулятор, построенный но технологии нечеткой логики на основе теории марковских процессов и потоков Эрланга, и цифровой гибридный регулятор, построенный по технологии нейросетевых структур. Модели регуляторов адаптированы для использования в реальном быстродействующем следящем приводе на основе технологии ассоциативной памяти. Обоснован выбор структуры и параметров регуляторов, такта ЦВМ, объема ассоциативной памяти и алгоритма выборки.

4. Обоснованы преимущества систем с интеллектуальными регуляторами по сравнению с системами с ПИД и классическим адаптивным регуляторами: высокое качество и быстродействие, большая робастность к изменению параметров объекта, качеез венное функционирование в более широком частотном диапазоне сигнала задания.

Практическая ценность работы состоит в следующем:

1. Разработан комплекс аппаратных средств для экспериментальных исследований быстродействующих следящих электроприводов с интеллектуальными регуляторами, позволяющий воспроизводить тестовые параметрические возмущения, имитирующие неопределенности различных типов, в рамках которого:

разработана структура модели экспериментального оборудования, алгоритмы и модели для имитации параметрических возмущений;

- разработана конструкция испытательного стенда на базе штатного комплекта системы управления робота "Электроника НЦТМ-30", в том числе несколько модификаций плат расширения PC для управления двигателем постоянного тока;

2. Разработан комплекс программных средств (система проектирования интеллектуальных регуляторов) на базе современного пакета моделирования Matlab 5.2, в рамках которого:

- реализовано семейство имитационных моделей, позволяющих моделировать реальные процессы с учетом факторов неопределенности при использовании непрерывных и дискретных методов расчета динамических процессов;

- реализовано семейство моделей-драйверов, реализующих интерфейс с оборудованием при создании модулей реального времени;

- реализованы автоматизированные процедуры синтеза нечетких регуляторов и цифровых гибридных регуляторов;

- реализован механизм создания приложений реального времени на основе данных моделирования в рамках RTW-подсистемы (Real Time Workshop) системы моделирования Matlab 5.2.

Реализация результатов работы. Теоретические и практические результаты, полученные в диссертационной работе, были использованы в НИР №К-186 "Разработка интеллектуальной технологии управления оружием на основе распределенных экспертных и нейроподобных систем" (Шифр "Латилус") и НИР №К-194 "Поисковые исследования и разработка интеллектуальных бортовых систем управления межвидового применения" (Шифр "Клон-3"), проводимых по заказу Секции прикладных проблем при

Президиуме РАН в период 1993-1999 гг.; в НИР по межвузовской, научно-технической программе "Механика, машиноведение и процессы управления" (проект "Развитие интеллектуальных технологий для управления и проектирования автоматизированного технологического оборудования", шифр "Техпроц", 1999 г.); в учебном процессе кафедры "Проблемы управления" МИРЭА (ТУ) в курсе "Алгоритмическое и программное обеспечение интеллектуальных систем управления роботами" для специализации 21.03.09 "Робототехнические интеллектуальные системы".

Апробация работы. Основные результаты диссертационной работы обсуждались на Международных научно-технических семинарах "Современные технологии в задачах управления, автоматики и обработки информации" (г. Алушта, 1996-1998 г.), научно-технических семинарах и конференциях МИРЭА (ТУ) в 19971999 г.

Публикации. Основные результаты диссертационной работы отражены в 6-ти печатных работах.

Структура и объем район,!. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы ( ~7'Уь источника), десяти приложений, содержащих принципиальные схемы устройств аппаратного обеспечения экспериментального оборудования, листинги основных модулей программного обеспечения экспериментального оборудования (процедур синтеза интеллектуальных регуляторов, модулей драйверов и моделей узлов следящих приводов, процедур сборки и выполнения приложении реального времени), акты о внедрении результатов работы, и содержит {3$ страниц основного текста, ^таблиц,101.рисунков.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы исследования, сформулированы цель и совокупность задач диссертационной работы, приводятся общие характеристики полученных результатов и краткое содержание работы.

В первой главе проведен анализ подходов к построению современных систем, решающих задачу управления в условиях неопределенности. Показано, что задача эффективной реализации алгоритмов адаптации в быстродействующих системах управления остается в значительной степени нерешенной из-за противоречия между сложностью адаптивных алгоритмов и повышенными требованиями быстродействия. Проведен анализ подходов к построению быстродействующих систем управления на базе современных технологий обработки знаний (интеллектуальных технологий). Обоснованы потенциальные преимущества интеллектуальных технологий, способствующие повышению быстродействия и робастности управления. На основе проведенного анализа показана актуальность задачи создания интеллектуальных регуляторов для быстродействующих следящих приводов и проведения комплексных исследований в условиях неопределенности. Определены основные задачи диссертационной работы.

Во второй главе проведен комплексный анализ факторов неопределенности, возникающих в системах быстродействующих высокоточных следящих электроприводов, включая

- неопределенность, связанную с импульсным характером цифровой системы управления;

неопределенность, связанную с нелинейностью преобразователя ШИМ и нелинейностью характеристик приводов,

обусловленную особенностями конструкции схем силовых элементов привода;

- неопределенность, связанную с изменением момента инерции (на примере движения манипуляционных систем двух распространенных кинематических схем: горизонтальной и верти калыго-ангулярной);

- неопределенность, связанную с квантованием сигнала обратной связи схемой обработки сигнала импульсного датчика.

Разработано семейство имитационных моделей (в среде моделирования Ма11аЬ 5.2), рассчитанных на применение в непрерывных и дискретных алгоритмах расчета динамических процессов в системах быстродействующих высокоточных следящих электроприводов.

Линейная модель двигателя постоянного тока (Рис. 1), применяющаяся в большинстве модельных экспериментов, разработана на основе уравнений динамики электропривода постоянного тока с жесткими звеньями механической системы и изменяющимися во времени моментами инерции, что характерно для манипуляционных систем с малым числом редукции:

, с1 СО: 1 (1.1:

•11 -- = М«1 "Ми

<И 2 1 111

и^К^+Н^+ьА

ш

¡=1,..Л1, (1)

где 1 - порядковый номер электропривода, где Я и Ь - активное сопротивление и индуктивность якорной обмотки, Ке и Кш -коэффициенты ЭДС вращения и момента электродвигателя, и -

управляющее напряжение якорной обмотки, М„,М. - момент двигателя и момент нагрузки. I - момент инерции двигателя.

Рис. 1. Линейная МаИаЬ-модель двигателя постоянного тока с изменяющимся моментом инерции.

Модель импульсного датчика и схемы обработки его сигнала (Рис. 2) построена на принципах преобразования информации в реальных цифровых схемах (подсчета меток за фиксированный период времени и заполнения периода следования меток фиксированной частотой) и позволяет моделировать квантование по уровню и времени сигнала обратной связи следящего привода.

Рис. 2. Модель импульсного датчика и схемы обработки его сигналов (Impuls Sensor).

Проведенные модельные эксперименты показали зависимость качества управления в приводе постоянного тока от разрешающей способности датчика и типа сигнала обратной связи и позволили произвести обоснованный выбор этих параметров до этапа аппаратной реализации привода.

В завершении второй главы сформулированы требования к экспериментальному оборудованию для исследования быстродействующих высокоточных следящих электроприводов, предложена структура модели оборудования, модели и алгоритмы воспроизведения тестовых параметрических возмущений. В частности, на Рис. 3 представлена модель имитатора, спроектированная на основе системы уравнений (1).

Рис. 3. Дискретная модель имитатора изменения момента инерции (Discret J(t) Imitator).

В третьей главе на основе теории марковских процессов и потоков Эрланга разработана автоматизированная процедура аналитического синтеза нечеткого ПИД-регулятора с использованием набора программных средств Fuzzy Logic Toolbox пакета моделирования Matlab 5.2, включающая:

- получение данных реакции объекта при подаче на его вход широкополосного шума;

- формирование логико-лингвистической модели (выделение условных состояний выходной координаты объекта и нахождение для

них параметров потоков Эрланга, формирование выходных функций принадлежности как доверительных вероятностей нахождения рабочей точки в условных состояниях);

- формирование выходных функций принадлежности и базы правил нечеткого регулятора;

С помощью предложенной процедуры синтезирована и настроена модель нечеткого регулятора. Для использования в приложениях реального времени данная модель построена на базе ассоциативной памяти. Предложен способ программной реализации ассоциативной памяти. Исследована зависимость качества управления в модели следящего привода от параметров ассоциативной памяти. Результаты экспериментов подтверждают работоспособность нечеткого регулятора в условиях неопределенности.

Также в третьей главе на основе методики синтеза нейросетевого регулятора (НСР), реализующего оптимальное по быстродействию управление, разработана автоматизированная процедура аналитического синтеза оптимального НСР для инерционных объектов второго порядка, включающая

- формирование линии переключения на основе уравнений и значений параметров объекта;

- аппроксимацию линии переключения с применением технологии ассоциативной памяти.

С помощью предложенной процедуры синтезирована и настроена модель НСР, которая реализована на ЦВМ, с использованием данных настройки первого слоя НСР. Проведенные на модели следящего привода эксперименты показали, что такой НСР неудовлетворительно работает при такте ЦВМ 1 мс., приемлемом для реализации линейных и адаптивных регуляторов. В целях его модернизации разработана модель цифрового гибридного регулятора с

областью линейного управления и компенсацией запаздывания для использования в приложениях реального времени. Результаты экспериментов подтвердили работоспособность гибридного регулятора в условиях неопределенности.

В четвертой главе представлен разработанный комплекс аппаратных и программных средств экспериментального оборудования для исследования быстродействующих систем с интеллектуальными регуляторами.

Стенд содержит два ДПТ типа Д-25Г, валы которых соединены посредством специальной муфты. Вал одного из двигателей оснащен цифровым импульсным датчиком. Усилители постоянного тока (ключи) преобразуют цифровой сигнал управления в соответствующие уровни напряжения обмоток якоря. Распределенная система персональных компьютеров (ПК) предоставляет пользователю комплексные средства для проведения экспериментов и обработки результатов. Схема управления двигателем (СУД) осуществляет трансляцию информационных сигналов датчика в ПК и управляющих сигналов ПК в ключи. Силовой блок формирует напряжения питания двигателей и цифровой части интерфейсной схемы.

Структура разработанного программного обеспечения, представляющего собой, по существу, систему проектирования, интеллектуальных регуляторов на базе пакета моделирования МаЙаЬ 5.2., представлена на Рис. 4

М>11аЬ

Рис. 4. Структура программного обеспечения экспериментального оборудования.

На базе разработанного аппаратно-программного комплекса проведены экспериментальные исследования реальных быстродействующих следящих приводов. Для реализации в качестве представителя класса классических адаптивных регуляторов выбран адаптивный ПИД-регулятор с настраиваемой моделью и идентификацией методом Качмажа.

В результате экспериментальных исследований установлено, что как в случае применения нечеткого регулятора и гибридного НСР сигнал управления на выходе регуляторов содержит резкие и значительные изменения амплитуды, что приводит к существенной зависимости качества управления от такта ЦВМ. Применение технологии ассоциативной памяти в структуре обоих регуляторов при создании приложения реального времени позволило достичь значения такта ЦВМ 0.0002 с. на процессоре 1п1е148бОХ4-ЮО. Такт ЦВМ в системах с ПИД и адаптивным регулятором, подразумевающих непрерывность сигнала управления, составляет 0.001 с.

На Рис. 5 и Рис. 6 приведены схемы, демонстрирующие характерные особенности построения систем интеллектуальных приводов: наличие блока имигаюра и драйвера СУД.

Рис. 5. Функциональная схема привода скорости с нечетким регулятором.

ЮТ! Hybnd Opt*T(3

G<3in1 Saturatic

Saiuration2 Dis^e! PiD Surti3

4&-EHJÉ

Q—□—

Cenerdior2

(оозз l

и-

Dia^et J(t) (milator

Cpfl 2 DPT Contra! ЗФегт'е

"DTTTTTTtFTrrrï Iniegralor

Ц>>*

Gam3 -».

rragenu

га

Рис. 6. Функциональная схема привода положения с гибридным нейросетевым регулятором.

На Рис. 7 приведены некоторые результаты экспериментальных исследований: процессы в следящих приводах скорости (при задании g(t) ) и положения (при задании x(t) ) при заданном изменении

Рис. 7. Процессы в следящем приводе скорости (а -г) при Е(1) = 25зт((0.5/2я-)0, Тшу(О = 0.05 + 0.07$т((3/2л-)О и в следящем приводе положения (д-з) при х(Ч) = 25, Тту(0 = 0.17 + 0.19 ып((1 / 2

электромеханической постоянной времени двигателя - Тшл'(1). На рисунках а-г изображены графики сигналов задания (1). скорости (2) и электромеханической постоянной времени (3) дшиателя, а на рисунках д-з - графики сигналов задания (1), угла поворота (2) и электромеханической постоянной времени (3) двигателя для систем с ПИД регулятором (а,д), адаптивным регулятором (б,е), нечетким регулятором (в,ж), гибридным нейросетевым регулятором (г,з).

Результаты экспериментов дают основания утверждать, что применение интеллектуальных регуляторов дает существенные преимущества по сравнению с классическим адаптивным и ПИД регуляторами, а именно:

- приводы скорости с интеллектуальными регуляторами показывают качественное управление в более широком диапазоне изменении параметров объекта и воспринимают сигналы задания в более широком диапазоне частот;

- приводы скорости с интеллектуальными регуляторами сохраняют приемлемое качество при изменении момента инерции ДПТ в более широком диапазоне частот;

- при регулировании угла поворота вала приводы с интеллектуальными регуляторами показывают качественное управление в более широком диапазоне изменений параметров объекта.

ЗАКЛЮЧЕНИЕ

В диссертационной работе решена задача проектирования и исследования интеллектуальных регуляторов быстродействующих следящих систем. Основные результаты работы состоят в следующем:

1. Рассмотрены потенциальные преимущества и проведен анализ возможности построения быстродействующих систем управления на базе современных технологий обработки знаний (интеллектуальных технологий).

2. Проведен комплексный анализ факторов неопределенности, возникающих в системах быстродействующих высокоточных следящих электроприводов, включая

- неопределенность, связанную с импульсным характером цифровой системы управления;

неопределенность, связанную с нелинейностью преобразователя ШИМ и характеристик приводов, обусловленных особенностями конструкции силовых исполнительных элементов привода;

- неопределенность, связанную с изменением момента инерции при движении многосвязной манипуляционной системы приводов (на примере манипуляционной системы робота);

- неопределенность, связанную с квантованием сигнала обратной связи схемой обработки сигнала импульсного датчика.

3. Разработано семейство имитационных моделей, рассчитанных на применение в алгоритмах расчета динамических процессов с переменным и постоянным шагом, отражающих различные типы неопределенности реальных объектов.

4. На основе методики аналитического синтеза нечетких регуляторов с использованием математического аппарата цепей Маркова и потоков Эрланга разработана автоматизированная процедура построения логико-лингвистической модели динамических объектов.

5. Разработана автоматизированная процедура аналитического синтеза нечеткого регулятора на базе ассоциативной памяти, адаптированного для работы в реальной цифровой системе.

6. На основе методики аналитического синтеза нейросетевого регулятора, реализующего оптимальное по быстродействию управление, разработана автоматизированная процедура построения цифрового нейросетевого регулятора.

7. Разработана автоматизированная процедура аналитического синтеза цифрового гибридного регулятора для инерционных объектов второго порядка на базе ассоциативной памяти, адаптированного для работы в реальной цифровой системе.

8. Разработаны структура модели оборудования, модели и алгоритмы воспроизведения тестовых параметрических возмущений, имитирующих все рассмотренные виды неопределенности в следящем приводе. Разработаны аппаратные средства (экспериментальное оборудование) для исследования систем с быстродействующими регуляторами.

9. Разработано программное обеспечение (система проектирования интеллектуальных регуляторов) на базе пакета моделирования МаМаЬ 5.2, в составе которого реализованы:

семейство имитационных моделей, позволяющих моделировать реальные процессы с применением непрерывных и дискретных решателей;

- семейство моделей-драйверов, реализующих интерфейс с оборудованием при создании модулей реального времени;

- автоматизированные процедуры синтеза нечетких регуляторов

автоматизированная система создания и выполнения приложений реального времени на основе данных моделирования.

10. Проведены комплексные исследования следящих приводов с классическими адаптивными и интеллектуальными регуляторами по регулированию скорости и положения в условиях неопределенности. Показана работоспособность предложенного в диссертационной работе аппаратно-программного комплекса и эффективность системы проектирования интеллектуальных регуляторов. Показано, что системы с интеллектуальными регуляторами по сравнению с системами с ПИД и классическим адаптивным регулятором в быстродействующих следящих приводах обеспечивают большую робастность к изменению параметров объекта и качественно функционируют в более широком частотном диапазоне сигнала задания. При этом показана принципиальная возможность создания интеллектуальных регуляторов на современной цифровой элементной базе с затратами, приемлемыми для серийного производства. Результаты теоретических и экспериментальных исследований показали перспективность применения интеллектуальных регуляторов в быстродействующих следящих системах. В частности, в рамках работ по заданию Секции прикладных проблем при Президиуме РАН "Поисковые исследования и разработка интеллектуальных бортовых систем управления межвидового применения" показана перспективность создания интеллектуального привода.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Лысов Н.Ю., Штыков A.B., "Некоторые подходы к аппаратной реализации интеллектуальных систем управления роботами". Автоматическое управление и интеллектуальные системы. Межвузовский сборник научных трудов. - М.: Издательство МИРЭА, 1996, с 23-28.

2. Лысов Н.Ю., Манько C.B., "Анализ алгоритмов планирования перемещений для систем интеллектуального управления роботами". Современные технологии в задачах управления н обработки информации. Сборник трудов международного научно-технического семинара. - М.: Издательство МАИ, 1996, с 60-62.

3. Лысов Н.Ю., "Разработка программного комплекса учебной ГПС". Современные технологии в задачах управления п обработки информации. Сборник трудов международного научно-технического семинара. - М.: Издательство МАИ, 1996, с 59-60.

4. Лысов Н.Ю., Штыков A.B., "Учебный контроллер на базе MSC-51". Интеллектуальные технологии в задачах идентификации и управления. Межвузовский сборник научных трудов. - М.: Издательство МИРЭА, 1997, с 24-27.

5. Лысов Н.Ю., "Алгоритмы приводного уровня интеллектуальной системы управления роботом". Современные технологии в задачах управления, автоматики и обработки информации. Сборник трудов международного научно-техническою семинара. - М.: Издательство МАИ, 1997, с 74-76.

6. Лысов Н.Ю., Штыков A.B., Харущак П., "Аппаратные средства интеллектуального электропривода". Современные технологии в задачах управления, автоматики и обработки информации. Сборник трудов международного научно-технического семинара. - М.: Издательство МАИ, 1998, с 42-43.

/

/А

/

Введение.

ГЛАВА 1. Перспективы применения интеллектуальных регуляторов.

1.1 Основные особенности построения традиционных адаптивных систем автоматического управления.

1.2 Анализ принципов построения и возможностей интеллектуальных регуляторов.

1.3 Постановка задачи.

Выводы по первой главе.

ГЛАВА 2. Исследование факторовнеопределенности быстродействующего следящего привода.

2.1 Учет факторов неопределенности в модели следящего электропривода.

2.2 Исследование неопределенности, связанной с импульсным характером цифровой системы управления.

2.3 Исследование неопределенности, связанной с особенностями схемотехники ШИМ и силовых преобразователей.

2.4 Исследование неопределенности, связанной с взаимным влиянием электроприводов.

2.5 Исследование неопределенности, связанной с процессом квантования значения скорости схемами обработки сигналов импульсного датчика.

2.6 Требования к экспериментальному оборудованию.

Выводы по второй главе.

ГЛАВА 3. Синтез интеллектуальных регуляторов.

3.1 Автоматизированный синтез нечетких регуляторов на основе вероятностных моделей.

3.2 Аппаратно-программная реализация нечетких регуляторов в быстродействующем следящем приводе.

3.3 Синтез оптимальных по быстродействию регуляторов на основе многослойной нейронной сети прямого распространения.

3.4 Аппаратно-программная реализация цифрового гибридного регулятора.

Выводы по третьей главе.

ГЛАВА 4. Экспериментальные исследования быстродействующих следящих приводов с интеллектуальными регуляторами.

4.1 Структура экспериментального оборудования.

4.2 Аппаратное обеспечение экспериментального оборудования.

4.3 Программное обеспечение экспериментального оборудования.

4.4 Экспериментальные исследования.

Выводы по четвертой главе.

Одной из наиболее важных проблем, возникающих при создании и эксплуатации различных технических систем, является обеспечение требуемого качества и надежности управления при воздействии возмущающих факторов. К ним могут относиться изменения параметров регулируемого процесса и среды функционирования системы. Для быстродействующих систем, например, электроприводов, применяющихся в поворотных механизмах различных промышленных объектов (станков, роботов, радиолокационных станций и т.д.), динамика изменений сопоставима с динамикой сигнала задания, так что проектирование системы управления является сложной задачей.

Анализ подходов к построению адаптивных систем (работы А.А.Красовского, Я.З.Цыпкина, Ю.А.Борцова, В.В.Путова и др.) показывает, что задача реализации алгоритмов адаптации в быстродействующих системах управления остается в значительной степени нерешенной. Это во многом обусловило целесообразность и необходимость построения систем, функционирующих в условиях неопределенности, с привлечением методов и технологий искусственного интеллекта. Этот подход активно развивается в России (школа Д.А.Поспелова) и за рубежом (L.A. Zadeh, М. Sugeno, E.H. Mamdani, R. Swinarski и др.).

Основной отличительной чертой интеллектуальных систем является наличие механизмов обработки знаний. Современная наука однозначно причисляет к разряду интеллектуальных информационные технологии экспертных систем, нечеткой логики, нейросетевых структур и ассоциативной памяти.

Успехи применения технологий обработки знаний в задачах управления позволяют рассматривать интеллектуальные САУ как реальную альтернативу традиционным адаптивным САУ в задаче создания быстродействующих систем, функционирующих в условиях неопределенности, благодаря потенциальным преимуществам интеллектуальных технологий (высокой гибкости и быстродействию управления). Вместе с тем, анализ подходов к построению САУ на базе интеллектуальных технологий показывает, что:

• многие работы показывают работоспособность и преимущество интеллектуальных алгоритмов лишь по результатам модельных экспериментов и требуют исследования их работы при реализации на реальной элементной базе.

• многие подходы подразумевают управление достаточно медленными технологическими процессами и потому имеют необходимое время для выполнения интеллектуальных функций. 5

При распространении на быстродействующие системы такие подходы могут оказаться несостоятельны или потребовать существенной модернизации, основные пути которой состоят в интеграции различных интеллектуальных технологий.

• операции настройки и оптимизации интеллектуальных регуляторов часто содержат значительную долю ручного труда и занимают много времени.

В этой связи задача создания серии быстродействующих следящих приводов с интеллектуальными регуляторами с целью комплексного исследования их свойств в условиях неопределенности представляет несомненный теоретический и практический интерес.

Цель работы предопределяет необходимость решения следующего комплекса задач:

• проведения комплексного анализа факторов неопределенности, возникающих в системах быстродействующих высокоточных следящих электроприводов;

• разработки семейства имитационных моделей, рассчитанных на применение в алгоритмах расчета динамических процессов в системах быстродействующих высокоточных следящих электроприводов с учетом выявленных факторов неопределенности;

• анализа методик проектирования интеллектуальных регуляторов и разработку на их основе автоматизированных процедур аналитического синтеза интеллектуальных регуляторов;

• разработки аппаратных средств экспериментального оборудования с возможностью имитации неопределенностей различных типов в следящей системе;

• разработки универсальной программной среды, аккумулирующей средства моделирования динамики систем автоматического управления, поддержки интеллектуальных технологий, автоматизации операций синтеза быстродействующих интеллектуальных регуляторов и создания приложений реального времени;

• проведения комплексных исследований следящих приводов с классическими адаптивными и интеллектуальными регуляторами по регулированию скорости и положения в условиях неопределенности.

Сформулированный комплекс задач определил структуру диссертационной работы.

В первой главе проведен анализ подходов к построению систем, решающих задачу управления в условиях неопределенности. Показано, что задача эффективной реализации алгоритмов адаптации в 6 быстродействующих системах управления остается в значительной степени нерешенной из-за противоречия между сложностью адаптивных алгоритмов и повышенными требованиями быстродействия. Проведен анализ подходов к построению быстродействующих систем управления на базе современных технологий обработки знаний (интеллектуальных технологий). Обоснованы потенциальные преимущества интеллектуальных технологий, способствующие повышению быстродействия и робастности управления.

Во второй главе проведен комплексный анализ факторов неопределенности, возникающих в системах быстродействующих высокоточных следящих электроприводов, и разработано семейство имитационных моделей, учитывающих различные типы неопределенности, рассчитанных на применение в непрерывных и дискретных алгоритмах расчета динамических процессов в системах быстродействующих высокоточных следящих электроприводов.

В третьей главе разработаны автоматизированные процедуры синтеза интеллектуальных регуляторов. С помощью процедур синтезированы нечеткий регулятор и гибридный (сочетающий линейный и оптимальный по быстродействию закон управления) нейросетевой регулятор, модернизированные в соответствии с требованиями применения в реальном цифровом следящем приводе на базе технологии ассоциативной памяти. Проведены модельные эксперименты, подтверждающие работоспособность интеллектуальных регуляторов и эффективность их применения в быстродействующем приводе в условиях неопределенности.

В четвертой главе разработан комплекс аппаратных и программных средств экспериментального оборудования для исследований систем с быстродействующими регуляторами, на базе которого проведены экспериментальные исследования реальных быстродействующих следящих приводов скорости и положения в условиях неопределенности. По результатам экспериментов обоснована перспективность применения интеллектуальных регуляторов в быстродействующих следящих системах.

В приложениях приведены отдельные важные фрагменты работы, имеющие законченный характер: принципиальные схемы устройств аппаратного обеспечения экспериментального оборудования, листинги основных модулей программного обеспечения экспериментального оборудования (процедур синтеза интеллектуальных регуляторов, модулей драйверов и моделей узлов следящих приводов, процедур сборки и выполнения приложений реального времени), акты о внедрении результатов работы. 7

Работа выполнялась на кафедре "Проблемы управления" Московского государственного института радиотехники, электроники и автоматики (технического университета).

Теоретические и практические результаты, полученные в диссертационной работе, были использованы следующих проектах:

1. В НИР №К-186 "Разработка интеллектуальной технологии управления оружием на основе распределенных экспертных и нейроподобных систем" (Шифр "Латилус") и НИР №К-194 "Поисковые исследования и разработка интеллектуальных бортовых систем управления межвидового применения" (Шифр "Клон-3"), проводимых по заказу Секции прикладных проблем при Президиуме РАН в период 1993-1999 гг.

2. В НИР по межвузовской научно-технической программе "Механика, машиноведение и процессы управления" в проекте "Развитие интеллектуальных технологий для управления и проектирования автоматизированного технологического оборудования", шифр "Техпроц", 1999 г.

3. В учебном процессе кафедры "Проблемы управления" МИРЭА

ТУ):

- при изучении дисциплин (практические занятия, курсовое проектирование) «Приводы роботов», «Методы искусственного интеллекта в робототехнике», «Алгоритмическое и программное обеспечение ИСУ» для студентов специальности 21.03.00 «Роботы и робототехнические системы»;

- при изучении дисциплин (практические занятия, курсовое проектирование) «Электромеханические системы», «Аппаратнопрограммные средства мехатронных систем», «Методы искусственного интеллекта в мехатронике» для студентов специальности 07.18.00 «Мехатроника»;

- при проведении лабораторного практикума по дисциплинам «Компьютерное управление», «Аппаратное и программное обеспечение СУРиМ» для студентов специальностей 21.03.00, 07.18.00.

Основные результаты диссертационной работы обсуждались на Международных научно-технических семинарах "Современные технологии в задачах управления, автоматики и обработки информации" (г. Алушта, 1996-1998 г.), научно-технических семинарах и конференциях МИРЭА (ТУ) в 1997-1999 г. и отражены в шести печатных работах [28-33]. 8

Заключение.

Диссертационная работа посвящена актуальной проблеме создания интеллектуальных систем автоматического управления. Как показывают исследования, в условиях неопределенности эти системы во многих случаях оказываются более эффективными по сравнению с традиционными адаптивными системами. Большинство исследований в области интеллектуального управления ограничиваются задачами управления относительно медленными процессами и не учитывают многие факторы неопределенности, влияющие на работу реальной системы. В данной работе на основе комплексного анализа факторов неопределенности разработаны модели узлов реального цифрового следящего привода, предложены автоматизированные процедуры синтеза интеллектуальных регуляторов, разработано экспериментальное оборудование, включающее оригинальные аппаратные и программно-алгоритмические решения и обеспечивающие исследование интеллектуальных регуляторов в системах управления быстродействующего следящего привода.

В работе были решены следующие задачи:

1. Рассмотрены потенциальные преимущества и проведен анализ возможности построения быстродействующих систем управления на базе современных технологий обработки знаний (интеллектуальных технологий).

2. Проведен комплексный анализ факторов неопределенности, возникающих в системах быстродействующих высокоточных следящих электроприводов, включая:

- неопределенность, связанную с импульсным характером цифровой системы управления;

- неопределенность, связанную с нелинейностью преобразователя ШИМ и характеристик приводов, связанной с особенностями конструкции силовых исполнительных элементов привода;

- неопределенность, связанную с изменением момента инерции при движении многосвязной манипуляционной системы приводов (на примере манипуляционной системы робота);

- неопределенность, связанную с квантованием сигнала обратной связи схемой обработки сигнала импульсного датчика.

3. Разработано семейство имитационных моделей, рассчитанных на применение в алгоритмах расчета динамических процессов с переменным и постоянным шагом, отражающих различные типы неопределенности реальных объектов.

4. На основе методики аналитического синтеза нечетких регуляторов на основе теории марковских процессов и потоков Эрланга

171 разработана автоматизированная процедура построения логико-лингвистической модели динамических объектов.

5. Разработана автоматизированная процедура аналитического синтеза нечеткого ПИ-регулятора на базе ассоциативной памяти, адаптированного для работы в реальной цифровой системе.

6. На основе методики аналитического синтеза нейросетевого регулятора, реализующего оптимальное по быстродействию управление, разработана автоматизированная процедура построения цифрового нейросетевого регулятора.

7. Разработана цифрового гибридного регулятора для инерционных объектов второго порядка на базе ассоциативной памяти, адаптированного для работы в реальной цифровой системе.

8. Сформулированы требования к экспериментальному оборудованию, предложена структура модели оборудования, модели и алгоритмы воспроизведения тестовых параметрических возмущений, имитирующих все выявленные виды неопределенности в объекте управления. Разработаны аппаратные и программные средства для исследования систем с быстродействующими регуляторами.

9. Спроектирована и реализована система проектирования интеллектуальных регуляторов на базе пакета моделирования Ма^аЬ 5.2, в составе которой:

• семейство имитационных моделей, позволяющих моделировать реальные процессы с применением непрерывных и дискретных решателей;

• семейство моделей-драйверов, реализующих интерфейс с оборудованием при создании модулей реального времени;

• автоматизированные процедуры синтеза нечетких регуляторов

• автоматизированная система создания и выполнения приложений реального времени на основе данных моделирования.

10. Проведены комплексные исследования следящих приводов с классическими адаптивными и интеллектуальными регуляторами по регулированию скорости и положения в условиях неопределенности. Показана работоспособность предложенного в диссертационной работе аппаратно-программного комплекса. Показана эффективность системы проектирования интеллектуальных регуляторов. Выявлено, что системы с интеллектуальными регуляторами по сравнению с системами с ПИД и классическим адаптивным регулятором в быстродействующих следящих приводах показывают большую робастность к изменению параметров объекта и сохраняют приемлемое качество управления в более широком частотном диапазоне сигнала задания.

11. Теоретические и практические результаты, полученные в диссертационной работе, были использованы в НИР №К-186 "Разработка интеллектуальной технологии управления оружием на

172 основе распределенных экспертных и нейроподобных систем" (Шифр "Латилус") и НИР №К-194 "Поисковые исследования и разработка интеллектуальных бортовых систем управления межвидового применения" (Шифр "Клон-3"), проводимых по заказу Секции прикладных проблем при Президиуме РАН в период 1993-1999 гг.; в НИР по межвузовской научно-технической программе "Механика, машиноведение и процесс ы управления" (проект "Развитие интеллектуальных технологий для управления и проектирования автоматизированного технологического оборудования", шифр "Техпроц", 1999г.); в учебном процессе кафедры "Проблемы управления" МИРЭА (ТУ), а именно:

- при изучении дисциплин (практические занятия, курсовое проектирование) «Приводы роботов», «Методы искусственного интеллекта в робототехнике», «Алгоритмическое и программное обеспечение ИСУ» для студентов специальности 21.03.00 «Роботы и робототехнические системы»;

- при изучении дисциплин (практические занятия, курсовое проектирование) «Электромеханические системы», «Аппаратнопрограммные средства мехатронных систем», «Методы искусственного интеллекта в мехатронике» для студентов специальности 07.18.00 «Мехатроника»;

- при проведении лабораторного практикума по дисциплинам «Компьютерное управление», « Аппаратное и программное обеспечение СУРиМ» для студентов специальностей 21.03.00, 07.18.00.

Соответствующие акты приведены в приложении 10.

173

1. Робототехника и гибкие автоматизированные производства. В 9-ти кн. Учеб. пособие для втузов. С.В.Пангюппш, В.М.Назаретов, О.А.Тягунов и др.; Под ред. И.М. Макарова. М.: Высшая школа, 1986.

2. Юревич Е.И. Основы робототехники. Л.: Машиностроение,1985.

3. Розенвассер E.H., Юсупов P.M. Чувствительность систем управления. М: Наука, Главная редакция физико-математической литературы, 1981.

4. Крутько П.Д. Обратные задачи динамики управляемых систем: Линейные модели.-М.: Наука. Гл. Ред. Физ.-мат. Лит., 1987.

5. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. М.: Мир, 1985.

6. Теория автоматического управления. Под ред. А.А.Воронова, Часть 1,2., М. Высшая школа, 1986.

7. Справочник по теории автоматического управления . Под ред. A.A. Красовского. М. :Наука, 1987.

8. Красовский A.A. Науковедение и состояние современной теории управления техническими системами. "Известия РАН. Теория и системы управления". №6, 1998.

9. Красовский A.A. Динамика непрерывных самонастраивающихся систем. М.: Физматгиз, 1963.

10. Кухтенко В.И. Динамика самонастраивающихся систем со стабилизацией частотных характеристик. -М.: Машиностроение, 1970.

11. Александров А.Г. Метод частотных параметров. Автоматика и телемеханика, 1989. -№ 12. с.3-15.

12. Аналитические самонастраивающиеся системы автоматического управления. Под ред. В.В. Солодовникова. -М.: Машиностроение, 1965.

13. Петров Б.Н., Елисеев В.Д., Подольный O.A., Уколов И.С. К синтезу самонастраивающихся систем, основанных на энергетическом балансе частотных компонент сигнала ошибки. Изв. АН СССР. Тех. Кибернетика. 1969,- №1.-с. 145-153.

14. Солодовников В.В., Шрамко Л. С. Расчет и проектирование аналитических самонастраивающихся систем с эталонными моделями.-М.: Машиностроение, 1972.

15. Карабутов H.H., Шмырин A.M. Адаптивное оптимальное управление с ограничениями. Липецк: ЛПИ. 1992.

16. Карабутов H.H., Пятецкий В.Е. Параметрическая идентификация металлургических процессов: учет информационных аспектов. -М.: Металлургия, 1992.174

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

18. Громыко В.Д., Санковский Е.А. Самонастраиваюпщеся системы с моделью. М.: Наука, 1980.

19. Саридис Дж. Самоорганизующиеся стохастические системы управления. М.: Наука, 1980.

20. Павлов Б.В., Соловьев ИХ. Системы прямого адаптивного управления. М.: Наука, 1989.

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

22. Косиков B.C., Кордюков А. П. Синтез беспоисковой самонастраивающейся системы с нелинейным объектом. АиТ. 1987. N4. с.58-65.

23. Герман-Галкин С.Г. и др. Цифровые электроприводы с транзисторными преобразователями. Л.: Энергоатомиздат. Ленингр. отделение, 1986.

24. Куо Б. Теория и проектирование цифровых систем управления. -М.: Машиностроение, 1986.

25. Файнштейн В.Г., Файнштейн Э.Г. Микропроцессорные системы управления тиристорными электроприводами. Под ред. О.В. Слежановского.-М.: Энергоатомиздат, 1986.

26. Дроздов В.Н., Мирошник И.В., Скорубский В.И. Системы автоматического управления с микроЭВМ. -Л.: Машиностроение. 1989.

27. Baum J., Berringer К. Using the MC68332 Microcontroller for AC Induction Motor Control. Conf/ Power Conversion and Intelligent Motion. California, September 1991. pp. 1-12.

28. Лысов Н.Ю., Штыков A.B., "Некоторые подходы к аппаратной реализации интеллектуальных систем управления роботами". Автоматическое управление и интеллектуальные системы. Межвузовский сборник научных трудов. М.: Издательство МИРЭА, 1996, с.23-28.

29. Лысов Н.Ю., "Разработка программного комплекса учебной ГПС". Современные технологии в задачах управления и обработки информации. Сборник трудов международного научно-технического семинара. -М.: Издательство МАИ, 1996, с.59-60.175

30. Лысов Н.Ю., Штыков A.B., "Учебный контроллер на базе MSC-51". Интеллектуальные технологии в задачах идентификации и управления. Межвузовский сборник научных трудов. М.: Издательство МИРЭА, 1997, с.24-27.

31. К.Денисов, А.Ермилов, Д.Карпенко. "Способы управления машинами переменного тока и их практическая реализация на базе компонентов фирмы Analog Devices", Chip News N 7-8, 1997, с. 18-26.

32. Медведев B.C., Лесков А.Г., Ющенко A.C. Системы управления манипуляционных роботов. М.: Наука, 1978.

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

34. Льюнг Л. Идентификация систем. Теория для пользователя. Пер.с англ. / Под ред. Я.З.Цыпкина.-М.;Наука, 1991.

35. Цыпкин Я.З. Информационная теория идентификации М.: Физматлит, 1995.

36. Деннис Дж., Шнабель Р. Численные методы безусловной оптимизации и решения нелинейных уравнений М.: Мир, 1988.

37. Балакирев, Дубинков, Цирлин. Экспериментальное определение динамических характеристик промышленных объектов. М., Энергия, 1967.

38. Бесекерский В.А., Попов Е.П. Теория систем автоматического регулирования. М.: Наука, 1966.

39. Шульце К.-П., Реберг Ю.-П. Инженерный анализ адаптивных систем. Пер.с нем. Под ред. А.С.Бондаревского.- М.: Мир, 1992.

40. Поспелов Д.А. Ситуационное управление: теория и практика. -М.: Наука, 1986.

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

42. Макаров И.М., Лохин В.М., Еремин Д.М., Мадыгулов Р.У., Манько С.В., Романов М.П., Тюрин К.В., Новое поколение интеллектуальных регуляторов. МИРЭА, "Приборы и системы управления", №3, 1997.

43. Голидин Г.А., Фоминых И.Б. Интеграция нейросетевой технологии с экспертными системами. Труды 5-ой национальной конференции по искусственному интеллекту (КИИ-96) Казань, 1996.

44. Hassoun М. Н., ed. Associative Neural Memories: Theory and Implementation. Oxford University Press, New York, 1993.

45. Perneel C., Themlin J. M., Renders J. M., and Acheroy M. Optimization of fuzzy expert systems using genetic algorithms and neural networks. IEEE Transactions on Fuzzy Systems 3(3), 1995.

46. Buckley J. J., Reilly K. D., and Penmetcha К. V. Backpropagation and genetic algorithms for training fuzzy neural nets. In Herrera F. and Verdegay J. (eds) Genetic Algorithms and Soft Computing. Physica Verlag, 1996.

47. Caponetto R., Lavorgna M., and Presti M. L. Genetic algorithm and neuro-fuzzy systems for automatic controller design. In Proc. Fifth International Workshop on Current Issues in Fuzzy Technologies (GFT'95). Trento, 1995.

48. Xue H. Applications of Genetic Algorithms in Optimization of Fuzzy-Associative Memory Based Controllers. PhD thesis, University of New Mexico, CAD Laboratory for Intelligent and Robotic Systems, Department of EECEy, 1994.

49. Осуга С. Обработка знаний: Пер. с япон. М.: Мир, 1989

50. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.

51. Carmon A. Cousiderations in the application of self-turning PID controllers using EXACT-turning algorithm. Measurement & Control. vol.19, No.9, pp.260-266, 1986.

52. Astrom K.J., J.J.Anton, K.E.Arzen. Expert control. Automatica, vol.22, no.3, pp.277-286, 1986.

53. Astrom K.J., Toward Intelligent Control. IEEE Control System Magazine. April, 1989.177

54. Kevin L.Anderson, Gilmer L.Blankenship, Lawrence G.Lebow. A rule-based Adaptive PID controller. Proc. 27th IEEE Conf. Decís, and Contr., Austin Tex., December 7-9, Vol.1, New Jork, 1988.

55. Мадыгулов Р.У, Тюрин К.В., Шухов А.Г. Экспертный регулятор для систем управления мехатронными модулями. М: Сборник трудов МИРЭА. "Информатика и радиотехника", 1994, с.99-104.

56. Арбузов A.B., Тюрин К.В. Идентификация нелинейной САУ электропривода робота и формирование эмпирических знаний для экспертного регулятора. М.: Сборник трудов МИРЭА. "Управление и моделирование в сложных технических системах", 1995, с.41-46.

57. Арбузов A.B. Исследование динамики адаптивного электропривода. М.: "Проблемы машиностроения и надежности машин", № 3, 1998.

58. Путов В.В., Полунин И.Г. Адаптивное управление манипулятором в условиях структурно-параметрической неопределенности. VI НТК " Экстремальная робототехника" СПб.: 1996, с.163-170.

59. Романов М.П. Технологические движения и развязка электроприводов быстродействующих роботов. VII НТК "Экстремальная робототехника" СПб.: СПбГТУ, 1996, стр. 111-120.

60. Ширяев В.И. Синтез управления линейными системами при неполной информации. Изв. РАН Техн. Кибернетика, 1994, №3, с.229 -237.

61. Лохин В.М., Романов М.П., Харитонова Е.Б. Память в системах управления. Тезисы 5 международного научно-технического семинара "Искусственный интеллект в системах автоматического управления". -Киев: Concept Ltd, 1995, стр.44-54

62. Лохин В.М., Романов М.П., Харитонова Е.Б., Способы реализации ассоциативной памяти в системах управления роботов для экстремальных условий. VII НТК "Экстремальная робототехника". -СПб.: 1996, с.104-111.

63. Петрушин Д.П. Построение адаптивной системы управления роботом с ассоциативной памятью. Межвузовский сборник научных трудов. МИРЭА, М., 1996.

64. Крайзер Л.П. и др. Ассоциативные запоминающие устройства. Л.: Ленинградское отделение "Энергия", 1967.178

65. Танака К. Итоги рассмотрения факторов неопределенности и неясности в инженерном искусстве. Материалы научной конференции "Нечеткие множества и теория возможностей. Последние достижения. Под редакцией Р.Р.Ягера М.: Радио и связь, 1986.

66. Дюбуа Д., Прад А. К анализу и синтезу нечетких отображений. Материалы научной конференции "Нечеткие множества и теория возможностей. Последние достижения. Под редакцией P.P. Ягера, М.: Радио и связь, 1986.

67. Гудмен И. Нечеткие множества как классы эквивалентности случайных множеств. Материалы научной конференции "Нечеткие множества и теория возможностей. Последние достижения. Под редакцией P.P. Ягера М.: Радио и связь, 1986.

68. Hirota К. Extended Fuzzy expression of probabilistic sets. In Advances ger (ed.), North-Holland Publishing Co., 1979, p. 201-214.

69. Klement E.P. Characterizations of finite fuzzy measures using Markoff-kernels. Journal Math. Anal. Applic. 75(2),1980, p.330-339.

70. Sugcno M. In Fuzzy Automata and Decis. Processes, M.M. Gupta (ed.), North-Holland Publishing Co., New York, Ny, 1977, p. 89-102.

71. Прикладные нечеткие системы. Под ред. Тэрано Т., Асаи К., Сугэно М. М.: Мир, 1993.

72. Mamdani Е. Н. Applications of Fuzzy Algorithms for Control of Simple Dynamic Plant. Proc. IEEE, 1974, v. 121, N 12.

73. Tong R.M. The Construction and Evaluation of Fuzzy Models "Advances in Fuzzy Set Theory and Applications". Ed. by Gupta M.M., Ragade R.K., Yager R.R. Amsterdam: North-Holland, 1979.

74. Kickert W. J. M., Van Nauta Lemke H. R. Application of a Fuzzy Controller in a Warm Water Plant. Automatic, 1976, v. 12.

75. Нечеткие множества и теория возможностей. Последние достижения. Под ред. Ягера P.P. М.: Радио и связь, 1986.

76. Лохин В.М., Макаров И.М., Манько С.В., Романов М.П. Принципы построения систем нечеткого управления сложными динамическими объектами. Известия РАН. Теория и системы управления. № 3, 1999.

77. В.М. Лохин, И.М. Макаров, С.В. Манько, М.П.Романов. Синтез нечетких регуляторов сложных динамических объектов на основе вероятностных моделей. Москва, МИРЭА (ТУ). Известия РАН. Теория и системы управления. № 2, 2000.

78. Zadeh L.A. Fuzzy sets. Information and Control, 1965, v. 8.

79. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.

80. Нечеткие множества в моделях управления и искусственного интеллекта. Под ред. Поспелова Д.А. М.: Наука, 1986.179

81. Fuzzy studio. WARP-SDT. Software Development Tool. User Manual. SGS-THOMSON Microelectronics, Italy, 1994.

82. Hoffman F., Pfister G. Automatic Design of Hierarchical Fuzzy Controllers Using Genetic Algorithms. Proc. Europian Congress on Fuzzy and Intelligent Technologies (EUFIT'94), Aachen, Germany, 202309.1994.

83. Huser J, Surmann H., Peters L. A Fuzzy System for Realtime Navigation of Mobile Robots. Proc. 19-th Annual German Conf. on AI, KI -95, Bielefeld, 11 13.09.1995.

84. Surmann H., Huser J, Peters L. A Fuzzy System for Indoor Mobile Robot Navigation Proc. 4-th IEEE Int. Conf. on Fuzzy Systems, 202403.1995, Yokohama, Japan.

85. Surmann H., Huser J, Wehking J. Path Planning for a Fuzzy Controlled Autonomous Mobile Robot. Proc. 5-th IEEE Int. Conf. on Fuzzy Systems (FUZZ IEEE ' 96), New Orleans, 8 - 11.09.1996.

86. Дуб Дж. Jl. Вероятностные процессы, М.: ИЛ, 1956.

87. Тараканов К.В., Овчаров Л.А., Тарышкин А.И. Аналоговые методы исследования систем. М.: Сов. радио, 1974.

88. Казаков И.Е. Статистическая динамика систем с переменной структурой. М.: Наука, 1977.

89. Понтрягин Л.С., Болтянский В.Г., Гамкрелидзе Р.В., Мищенко Е.Ф. Математическая теория оптимальных процессов. М.: Наука, 1983.

90. Фельдбаум А.А. Основы теории оптимальных систем. М.,1966.

91. Клюев А.С., Колесников А.А. Оптимизация автоматических систем управления по быстродействию. М.: Энергоиздат, 1982.

92. Павлов А.А. Синтез релейных систем, оптимальных по быстродействию (метод фазового простанства). М., 1966.

93. Шубладзе A.M. Синтез оптимальных линейных регуляторов. Автоматика и телемеханика, 1984, N12;

94. Реклейтис Г., Рейвиндран А., Рэгсдел К. Оптимизация в технике: В 2-х кн. М.: Мир, 1986.

95. Олейников В.А., Зотов Н.С., Пришвин A.M. Основы оптимального и экстремального управления М., Высшая школа, 1969.

96. Химельблау Д. Прикладное нелинейное программирование. М: Мир, 1975.

97. Минский М., Пейперт С. Персептроны. М.: Мир, 1971.

98. Уоссермен Ф. Нейрокомпьюторная техника. Теория и практика. М. Мир, 1992.

99. Горбань А.Н. Обучение нейронных сетей. М.: СП Параграф,1990.

100. Gilev S.E., Gorban A.N., Mirkis Е.М. Several metods for accelerating the training process of neural networks in pattern recognition,180

101. Preprint № 146Б. USSR Acad. Sci. Sib. Branch. Institut of biophysics. Krasnoyarsk. Pp. 16, 1990.

102. Narenda K., Parthasathy K. Identification and control of dynamical systems using neural networks, IEEE Trans, on Neural Networks. Vol. 1, № 1. March, 1990. Pp. 4-27.

103. Широков Ф.В. "Проблема нейрокомпьютеров". Дискуссия о нейрокомпьютерах. Науч. центр биол. иссл. АН СССР. Пущино. 1988. с. 41-53.

104. W.B. Dress. Frequency-Coded Artificial Neural Network: An Approach To Self-Organizing Systems. IEEE, 1987.

105. Psaltis D., Sideris A., Yamamura A. A multilaered neural networks Controller. IEEE Contol System magazine. April, 1987. Pp. 17-21.

106. Guez A., Eilbert J., Kam M., "Neural Network Architecture for Control", IEEE Cont. Syst. Mag., 1988. pp. 22-25.

107. Swinarski R. A neuromorphic cascaded context sensitive controler for robot manipulator. INNC'90. 1990. Pp. 387-392.

108. Swinarski R., "Neural network based self-tuning PID controller with fourier transformation of temporal patterns". IE-CON'90. 1990. pp. 1227-1232.

109. Chen F., "Back Propagation Neural Netwoks for Nonlinear Self-Turning Adaptive Control", IEEE Cont. Syst. Mag., 1990.

110. Chu S., Shoureshi R., Tenorio M., "Neural Networks for System Identification", IEEE Cont. Syst. Mag., 1990.

111. Борисюк Г.Н., Борисюк P.M., Казакович Я.Б. и др. Осцилляторные нейронные сети. Математические результаты и приложения. М.: Математическое моделирование. Том 4, номер 1, 1992 - с.3-44.

112. Еремин Д.М. Идентификация динамических объектов управления с применением нейронных сетей. Автоматическое управление и интеллектуальные системы. Межвузовский сборник научных трудов. МИРЭА, М., 1996, с.77-82.

113. Swinarski R., "Neuromorphic fuzzy variable stucture controller". IECON'90. 1990. pp. 1221-1226.

114. Psaltis D., Sideris A., Yamamura A. "A multilaered neural networks Controller", IEEE Contol System magazine, april, 1987, pp. 17-21.

115. Rosenblatt F., "Principles of Neurodynamics: Perceptron and the Theory Brain mechanisms", Spartan Books, Washington D.C., 1961.181

116. Real-Time Control of Tokamak Plasma Using Neural Networks. Chris M. Bisop et al. Neural Computation, 7, 1995, pp. 72-85.

117. Хоровиц П., Хилл У. Искусство схемотехники; в 3-х томах, пер. с англ., М:, "Мир", 1993.

118. Intel Selection Guide. Intel Corporation, 1989.

119. Костин Г.Ю. Микроконтроллеры фирмы Motorola., Консультационно-технический центр по микроконтроллерам., М., 1997.

120. Chip News, М., НПК "Тим", № 1-12, 1997-98.

121. Все необходимое для индустриальных, бортовых и встроенных систем управления, контроля и сбора данных. "Прософт", Москва, 1997.

122. Современные технологии автоматизации. М.: Ста-пресс, №1 12. 1997-99.

123. Data Book, Altera Corporation, 1996.

124. Flex8000 HandBook, Altera Corporation, 1994.

125. Max+Plus II. Programmable Logic Development System. AHDL. Altera Corporation, 1995.

126. Max+Plus II. Programmable Logic Development System. Getting Started. Altera Corporation, 1995.

127. Тягунов О.А., Андриянов А.Г. Программные комплексы для моделирования систем автоматического управления. Межвузовский сборник научных трудов. Москва, 1996, 120-124.

128. INFORM's Seminars and Workshops Have Featured World Leading Experts (Lotfi Zadeh, Abe Mamdani, Constantin von Altrock, Hans Zimmermann), http://fuzzytech.com/inform.

129. Kahlert J. Programmsystem WinFACT. VDE-Workshop "Regelungstechnische Programmpakete fur IBM PC", Dusseldorf, 1993.

130. Потемкин В.Г., Matlab 5 для студентов. Справочное пособие.-М. Диалог-МИФИ, 1998.

131. Real-Time Workshop For Use with SIMULINK. User's Guide. Math Works Corporation, 1998.

132. Fuzzy Logic Toolbox For Use with MATLAB. User's Guide. Math Works Corporation, 1998.

133. MATLAB The Language of Technical Computing. Getting Started with MATLAB. MathWorks Corporation, 1998.

134. SIMULINK Dynamic System Simulation for MATLAB. Simulink 2.1 New Features. MathWorks Corporation, 1998.182

135. SIMULINK Dynamic System Simulation for MATLAB. Using SIMULINK. Math Works Corporation, 1998.

136. SIMULINK Dynamic System Simulation for MATLAB. Target Language Compiler Reference Guide. Math Works Corporation, 1998.

137. Гультяев A.K. Matlab 5.2. Иммитационное моделирование в среде Windows: практическое пособие. СПб.: КОРОНА принт, 1999.

138. Семенюк.В. "Системы реального времени". http://dl.ifmo.ru/up/1998l/HTMLRTOS/rtos97.htm183