автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Методы и алгоритмы управления химико-технологическими процессами с применением роботов в условиях неопределенности

На правах рукописи

ПОГОНИН Василий Александрович

МЕТОДЫ И АЛГОРИТМЫ УПРАВЛЕНИЯ ХИМИКО-ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ С ПРИМЕНЕНИЕМ РОБОТОВ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

05.13.06 - Автоматизация и управление технологическими процессами и производствами (промышленность)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

Тамбов 2003

Работа выполнена на кафедре «Информационные процессы и управление» Тамбовского государственного технического университета.

Научный консультант: доктор технических наук, профессор

Матвейкин Валерий Григорьевич

Официальные оппоненты: доктор физико-математических наук,

профессор

Решетников Валерий Николаевич

доктор технических наук, профессор Муромцев Юрий Леонидович

доктор технических наук, профессор Палюх Борис Васильевич

Ведущая организация: Центральный научно-исследовательский и

опытно-конструкторский институт робототехники и технической кибернетики

Защита диссертации состоится 11 ноября 2003 г. в 14 часов на заседании диссертационного совета Д 212.260.01 Тамбовского государственного технического университета по адресу: 392000, г. Тамбов, ул. Советская, 106, ТГТУ, Большой зап.

Отзывы в двух экземплярах, скрепленные гербовой печатью, просим направлять по адресу: 392000, г. Тамбов, ул. Советская, 106, ТГТУ.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан « $ 2003 г.

Ученый секретарь

диссертационного совета

А.А. Чуриков

/

ОооД-Д

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В течение последних десятилетий усилия научных школ В.В. Кафарова, А.М. Кутепова, A.A. Воронова, ЯЗ. Цыпкина, C.B. Емельянова, Г.С. Поспелова, Е.И. Юревича, И.М. Макарова, A.B. Тимофеева и другие были направлены на решение задач, связанных с заменой людей автоматическими системами и роботами с целью повышения эффективности современных технологических процессов и производств в различных отраслях промышленности.

Химико-технологические производства обладают всеми чертами, присущими производственным и технико-экономическим системам, функционирующим в современных условиях, характеризуемых часто меняющейся номенклатурой и объемом выпускаемой продукции, колебаниями качества и цен сырья, вербальным уровнем формализации информации, используемой для решения задач управления и принятия решений.

При решении задач управления химико-технологическими процессами во многих практических случаях исследователи ориентируются на использование детерминированных математических моделей. Последние имеют недостатки, обусловленные невозможностью определения точных значений входящих в них параметров, что определяется влиянием факторов неопределенности.

Действительно, широкому классу химико-технологических процессов (ХТП), продукция которых используемся при производстве органических красителей, волоконно-оптических средств связи, медицинской техники, присущ случайный характер изменения параметров, существенно влияющих на изменение характеристик объектов управления, которые тем не менее в детерминированных моделях считаются постоянными.

Чаще всего случайными являются характеристики самого ХТП, к которым относятся физико-химические константы, коэффициенты тепло- и массоотдачи, теплопроводности, скорости химических реакций, концентрации веществ во входных потоках и др. Кроме того, могут изменяться внешние условия (температура среды, составы потоков сырья, производительность и т.д.), которые при их неконтролируемости также можно рассматривать в качестве источников неопределенности.

Неточность задания тех или иных параметров при расчетах с использованием детерминированной математической модели практически не принимается во внимание, и, как правило, с учетом определенных предположений и допущений неточные или неопределенные параметры заменяются их средними значениями.

Такой подход часто оказывается несостоятельным для решения современных задач оптимизации химико-технологическими процессами.

Начиная с конца XX века развитие химических производств характеризуется внедрением прогрессивных технол;огийл^^§щэдрй высо-

библиотека

С.Петер*у*г ,

03 ÏOO^M»!

кий уровень энерго- и ресурсосбережения, ужесточением требований к качеству выпускаемой продукции и экологической чистоты. Поэтому ошибки в управлении могут приводить к огромным экономическим потерям и способствуют возникновению аварийных ситуаций.

В связи с этим особую важность приобретает необходимость рассмотрения нового класса задач оптимизации, решения которых обеспечивали бы выполнение технологических и технических требований с заданной гарантией.

В работах В.В. Кафарова, В.И. Бодрова, В.Г. Матвейкина предложена концепция и развиты теоретические положения и методы решения задач гарантирующей оптимизации детерминированно-стохастическими химико-технологическими процессами, обеспечивающие выполнение технологических требований с заданной вероятностью.

Разработанные теория и методы позволяют заранее планировать допустимую (в том числе сколь угодно малую) вероятность нарушения технологических требований и гарантировать их выполнение при любых случайных изменениях значений параметров ХТП. Таким образом, гарантирующее управление дает уверенность (гарантию), что технологические требования и условия безопасности будут выполнены, какими бы ни были в данный момент значения технологических параметров и внешних неконтролируемых возмущений.

Однако эти теоретические положения и методы не могут быть применены для большинства современных химико-технологических производств, характеризующихся повышенной опасностью для обслуживающего персонала.

Это объясняется тем, что в химических производствах, в которых используются высокие температура, давление, концентрация веществ и т.п., в жестких условиях обеспечения конкурентоспособности продукции, экономии средств невозможно или опасно провести достаточное количество экспериментов для получения статистических данных. Например из-за чрезвычайно капиталоемкого производства высокочистых веществ вследствие высокой стоимости сырья или вследствие опасности для обслуживающего персонала применения СВЧ-частот для нагрева реакционных смесей.

Тем более невозможно использовать эти методы для вновь проектируемых химических производств, так как в этом случае в принципе нельзя провести прямые эксперименты.

Очевидно, что в этих условиях встает вопрос об использовании математического аппарата теории нечетких множеств, позволяющего формализовать неопределенность параметров химико-технологических процессов, используя накопленные знания и экспертные оценки.

Однако до настоящего времени нет не только теоретических положений и разработанного специального математического обеспечения, не существует даже концепции решения задач гарантирующей оптимизации для рассматриваемого класса химико-технологических процессов в условиях нечетко заданных значений параметров, а также не сформулировано понятие гарантированного выполнения технологических требований в этих условиях.

Отсутствие концепции и теоретических положений гарантирующей оптимизации в условиях нечетко заданной информации и необходимость решения задач гарантирующего управления современными ХТП делают актуальной цель настоящей работы: сформулировать концепцию, разработать теоретические положения, методологию, специальное математическое и алгоритмическое обеспечение решения задач гарантирующей оптимизации в условиях неопределенности.

Химическая и смежные с ней отрасли относятся к областям промышленности, характеризующимся экстремальными условиями труда. Все без исключения химические производства опасны для жизни и здоровья людей и различаются лишь степенью опасности.

Требование гибкости химических производств, выпуск большой номенклатуры продукции для удовлетворения индивидуальных потребностей людей приводят к непрерывной перенастраиваемости технологических схем и систем управления, что еще более усугубляет опасность химико-технологических процессов.

Поэтому химические производства стоят в первом ряду производств, требующих принятия решений по минимизации численности персонала или удалению людей из сферы вредного воздействия.

Применение робототехнических систем - очевидный путь решения этих задач. Однако параметрам средств робототехники так же, как и технологическим процессам, присущи факторы неопределенности, к которым относятся конструктивные характеристики роботов (изгибная жесткость, зазор в сочленениях, жесткость на кручение и др.). Маршрут и время перемещения средств робоготехники могут быть определены недостаточно точно, что обусловливается особенностями ситуаций, имеющих место на реально функционирующих ХТП. Кроме того, показания сенсорных датчиков роботов, как правило, неточны и позволяют только приблизительно, т.е. на качественном уровне, определить текущую ситуацию. При управлении роботом оператором, при обучении робота, при формировании экспертных оценок используются нечеткие отношения.

В условиях нечеткости информации робототехнические системы должны обеспечивать удовлетворение выполнения технических и технологических требований и условий безопасности функционирования средств робототехники с заданной гарантией.

Поэтому актуальной задачей является синтез роботизированных АСУ (РоАСУ), осуществляющих гарантирующую оптимизацию ХТП в условиях неопределенности.

Диссертационная работа выполнялась в соответствии с координационным планом НИР АН СССР по направлению 2.27 «ТОХТ», планом 2.27.7.15 «Робототехника и микропроцессорные системы управления в химической промышленности», планами Минудобрений и Минхимпрома на 1980-1988 гг., постановлением Правительства РФ от 28.05.96 г. «О приоритетных направлениях развития науки и техники и критических технологий» по направлению «Интеллектуальные системы управления», планом Госкомитета РФ по высшему образованию на 1991-1995 гг., планом Министерства образования РФ на 1995-2000 гг. (госбюджетная тема «Теория, методы, алгоритмы управления динамическими системами, формализованными на нечетких множествах»).

Цель работы: сформулировать концепцию, разработать теоретические положения, методологию, специальное математическое и алгоритмическое обеспечение решения задач гарантирующей оптимизации в условиях неопределенности; разработать методологию синтеза роботоавтомати-зированных систем управления, функционирующих в условиях неопределенности, и применить полученные результаты для решении важных производственных задач управления роботизированными ХТП.

Для достижения этой цели необходимо решить следующие задачи:

• сформулировать концепцию решения задач гарантирующей оптимизации и управления ХТП, обладающими свойствами неопределенности;

• на основе концепции разработать теоретические положения и методологию решения задач гарантирующей оптимизации в условиях неопределенности, при этом необходимо:

- формализовать условия выполнения технологических требований с заданной гарантией в условиях неопределенности;

- сформулировать постановки задач гарантирующей оптимизации;

- теоретически обосновать методы и алгоритмы решения этих задач;

• на основе теоретических положений решения задач гарантирующей оптимизации создать методологию синтеза РоАСУ химико-технологическими процессами, при этом необходимо:

- разработать структуру РоАСУ, формализовать расширенные постановки задач управления и принятия решений на различных уровнях РоАСУ;

- разработать теоретически обоснованные методы и алгоритмы решения задач гарантирующей оптимизации планирования работы коллектива роботов в условиях неопределенности;

- разработать теоретически обоснованные методы и алгоритмы решения задач расчета оптимальных траекторий движения манипулятора в условиях неопределенности, обеспечивающие гарантированность выполнения технологических требований;

• применить предложенную методологию для решения задач гарантирующей оптимизации конкретными роботизированными ХТП.

Методы исследования. При выполнении диссертационной работы научные исследования основывались на методах математического моделирования, современной теории управления и теории нечетких множеств.

Достоверность полученных результатов подтверждается доказательствами сформулированных теорем и утверждений, экспериментальной проверкой на основе имитационных и лабораторных исследований, а также промышленных испытаний.

Научная новизна состоит в предложенной концепции гарантирующей оптимизации химико-технологических процессов, обладающих свойствами неопределенности, формализованных условиях гарантированного выполнения технологических требований и сформулированной задаче гарантирующей оптимизации ХТП в условиях неопределенности; созданных теории и методологии решения задач гарантирующей оптимизации ХТП в условиях неопределенности; разработанных методах и алгоритмах решения задач гарантирующей оптимизации ХТП; созданной методологии синтеза РоАСУ химико-технологическими процессами, функционирующими в условиях неопределенности; поставленных задачах гарантирующей оптимизации планирования работы коллектива роботов и разработанных алгоритмах их решения; разработанных методах и алгоритмах решения задач расчета оптимальных траекторий движения манипулятора в условиях неопределенности, обеспечивающих гарантированность выполнения технологических требований.

Практическая ценность работы определяется разработанной методологией решения задач гарантирующей оптимизации ХТП в условиях неопределенности, методикой определения адекватности и коррекции математических моделей с нечеткими параметрами, разработанным алгоритмическим и программным обеспечением для проектирования роботоавто-матизированных систем управления ХТП в условиях неопределенности; построенным алгоритмическим и программным обеспечением, позволяющим синтезировать необходимое математическое описание роботизированных ХТП производства поликристаллических оптических материалов на основе селенида цинка и кислоты Шеффера; алгоритмами решения расширенных задач анализа, оптимизации и управления для рассматриваемых ХТП с учетом особенностей их функционирования.

Разработан и внедрен на кафедре «Информационные процессы и управление» Тамбовского государственного технического университета автоматизированный лабораторный комплекс подсистемы роботов-лаборантов, способный проводить экспресс-анализы сырья и осуществлять коррекцию математических моделей ряда ХТП.

Предложенные методы и алгоритмы синтеза оптимальных программ движения манипуляторов роботов, обеспечивающие гарантированность выполнения технологических требований, могут быть использованы в практике расчета управляющих программ роботов для ХТП.

Реализация научно-технических результатов. Результаты работы были использованы при выполнении научно-исследовательских работ и в виде устройств, систем управления и технической документации переданы для использования предприятиям: п/я Х-5382 (Москва, 1983, экономический эффект - 141 тыс. р., НПО «Защита растений» (Москва), ОАО «Пигмент» (Тамбов), ФГУП «ТамбовНИХИ», ОАО «НИТС» (Москва), ФГУП «Ассоциация Российского Союза химиков» (Москва).

Действующий макет робота-лаборанта демонстрировался на Всесоюзной выставке «Машиностроительная технология 87».

Материалы диссертации используются в учебных курсах ТГТУ при обучении студентов специальности 21.02.00.

Апробация работы. Основные теоретические и прикладные результаты диссертационной работы изложены в монографии «Роботы в химической промышленности» / Бодров В.И., Калинин В.Ф., Погонин В.А., публикациях в научных журналах и тематическом обзоре.

Результаты работы докладывались и обсуждались на Всесоюзной научной конференции «Автоматизация и роботизация в химической промышленности» (Тамбов, 1986, 1988); Всесоюзной и Международной научных конференциях «Методы кибернетики химико-технологических процессов (КХТП-П1-89), (КХТП-1У-94)» (Москва, 1989, 1994); VII Всесоюзной и IX, XV Международных научных конференциях «Математические методы в химии и химической технологии» (Казань, 1991, Тверь, 1995, Тамбов, 2002); IUPAC-91 Congress International Analitical Schiences (Tokyo, 1991); II Международной конференции «Актуальные проблемы фундаментальных наук» (Москва, МГТУ им. Баумана, 1994); Всесоюзной конференции «Разработка и внедрение вихревых электромагнитных аппаратов для интенсификации технологических процессов» (Тамбов, 1989); IV Республиканской конференции (С.-Петербург, 1992); X Международной конференции по химии высокочистых веществ (Н.-Новгород, 1995); Международной конференции «Жидкофазные системы и нелинейные процессы в химии и химической технологии» (Иваново, 1999); Международной конференции «Информационные технологии в проектировании микропроцессорных систем» (Тамбов, 2000); II Международной научно-практической конференции (Новочеркасск, 2002).

Публикации. Материалы диссертации опубликованы в одной монографии и более чем в 40 статьях, докладах, авторских свидетельствах.

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, выводов, списка использованной литературы и приложений. Основная часть диссертации изложена на 314 страницах машинописного текста. Содержит 94 рисунка и 32 таблицы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулированы цель и задачи исследования, научная новизна, практическая значимость полученных результатов, изложено краткое содержание глав.

В первой главе проведен анализ вопросов управления и роботизации ХТП. Показана актуальность решения задач оптимизации ХТП, гарантирующих выполнение технологических требований в условиях неопределенности. Выявлено, что в настоящее время отсутствует формализация гарантии выполнения технологических требований, теория постановок и решения задач гарантирующей оптимизации в условиях неопределенности.

На основе проведенного литературного обзора поставлена задача создания теории, эффективных методов и алгоритмов решения задач оптимизации в условиях неопределенности. Поставлена также задача создания методологии синтеза систем автоматизации ХТП с подсистемой роботов-лаборантов, работающей в условиях неопределенности.

Во второй главе предлагается концепция решения задач гарантирующей оптимизации ХТП, обладающих свойствами неопределенности.

Предлагается считать оптимизацию - гарантирующей оптимизацией, если технологические требования, определяемые соответствующими функциями принадлежности, выполняются с «достаточной убедительностью».

Концепция предполагает:

а) формализацию «достаточной убедительности» выполнения технологического требования по функции принадлежности этого требования;

б) предлагается считать, что система технологических требований выполнена с определенной гарантией, если каждое i-e технологическое требование выполнено с этой гарантией.

Концепция также предполагает: создание математической модели, позволяющей рассчитывать функции принадлежности выходных величин ХТП (определяющей модели), определение нормы целевой функции по ее функции принадлежности, постановку задачи оптимизации нормы целевой функции при гарантированном выполнении технологических требований.

Предлагается считать, что технологическое требование ср > а выполняется с «достаточной убедительностью», если значение функции принадлежности ц((р) таково, что V<p < а : ц(ср) < е и при этом множество Р={ф|ц(ф)>£}#0.

Этот постулат формализуется следующим образом: технологическое требование ф > а удовлетворяется с заданной гарантией е, если фг > а, где фг= min ф, Е= {ф|ц(ф)>е}.

Е

При этом в соответствии с концепцией система технологических требований выполнена с гарантией е = (еь ..., £„), если каждое i-e технологическое требование выполнено с гарантией е„ i = 1, п , где п - число техно-огических требований.

На основании разработанной концепции в работе формулируется задача гарантирующей оптимизации в условиях неопределенности. Математическая модель ХТП представляется в следующем виде:

ц?(у1и) = Л*(ц8(х),и, Цд(Ь)), (1)

где М-оператор математической модели; ц- (х), ц^ (Ь) - соответствующие

функции принадлежности элементов подмножеств X, В; х - вектор режимных параметров; b - вектор настроечных параметров модели; Цу (у I и) -

функция принадлежности нечеткого решения.

Функция принадлежности нечеткого решения определяется с использованием (1) и принципа расширения Заде следующим образом:

Р-y Су I u) = max min (Цу (х), цё (b)) | у = М(х, u, Ь), (2)

х, ь

где М - детерминированная математическая модель, при выполнении условия Цу (у I и) = 0, если {(х, u, b) I у = М(х, u, Ь)} = 0.

В работе предложено несколько алгоритмов расчета (у | и) по известной имитационной модели у = М(х, u, Ь). Один из алгоритмов реализации (2) представлен на рис. 1.

Работа алгоритма заключается в переборе выходной величины у, нахождении для текущего у всех значений нечетких параметров х, Ь, которые удовлетворяют имитационной модели. Выбор для пары х, b минимального значения а - min (¡i^ (х), |ig (b)) и затем выбор такой пары х, Ь,

для которой значение а максимально. Это значение а принимается в качестве значения функции принадлежности для текущего значения у.

В качестве целевой функции g(u) принимается одна из введенных в работе норм || цу Ц функции принадлежности Цу (J I и) показателя эффективности J = J(x, и, у), рассчитываемой с использованием (у | и).

При этих обозначениях задача гарантирующей оптимизации в условиях неопределенности ставится следующим образом:

• необходимо найти u* е U, при котором принимает минимальное значение целевая функция Q(и)

ß* = ß(u)=minß(ii), (3)

ueU

где Q(u) = И (-ij (J I и) I,

Рис. 1 Блок-схема алгоритма построения функции принадлежности выходных величин

при гарантированном удовлетворении технологических требова-

ний

Ф,г(и) & а,, I = 1, п,

(4)

где ф,г(«0 = шт ф„ Е; = {ф, | ц'э (фi I и) >е,}.

ц'з (ф, | и) = шах тш (^ (х), р-у (у I и» I ф, = ф, (х, у, и) (5)

у

• удовлетворении уравнений математической модели Цу (У I u)= min (М'х (*)» М^в ' У = М^х> u>

Управление и*, найденное при решении задачи (3)-{5), называется гарантирующим оптимальным управлением.

В работе предложен ряд формализации функций || Цу ||, например

Ö(u)=||^(j|u)l=maxj,

jeej

где Ej = {J I (л-j (J I u) > ц3}, (i3 ~ заданное значение функции принадлежности.

Множество D допустимых управлений в задаче гарантирующей оптимизации в условиях неопределенности формализуем следующим образом:

В= {u |и eU лф;'(и) >aj, i= 1, n}, где ф,г(и) = min срь Е, = { ф, I ц15 (ф, i

Ej 3

(Ф, I и) = шах min ((х), ц9 (у I и)) I ф, = ф¡ (х, у, и),

X. У AI

Цу (у I и) = max min ( ц^ (х), |л§ (b)) I у = М(х, и, Ь).

х, Ь

Управление и ей называется допустимым управлением в задаче гарантирующей оптимизации в условиях неопределенности.

При этих обозначениях задача (3)-(5) формулируется в следующем упрощенном виде: необходимо найти такое и*, при котором принимает минимальное значение целевая функция Q(п)

Ö* = б(Ю = minß(u).

и е С

Решение задачи гарантирующей оптимизации в форме (3)-(5) сопряжено со значительными трудностями, обусловленными необходимостью расчета функций принадлежности выходных величин и технологических требований с использованием (5).

Поэтому во второй главе рассматриваются вопросы создания теоретически обоснованных методов решения задач гарантирующей оптимизации.

Предлагается декомпозиционный метод оптимизации а-задач (метод а-оптимизации), позволяющий в широком диапазоне изменения технологических режимов найти решение задачи гарантирующей оптимизации за допустимое для практики время.

При этом а-задачей называем следующую задачу оптимизации: необходимо найти вектор u* е U управляющих воздействий, при котором принимает минимальное значение показатель эффективности J(x, u, у)

J* = min J(x, и, у),

ueU

где у = ЛГ(х, u, Ь),

• при удовлетворении технологических требований

<Pi (х» У, в) > a,, i=l,n.

Оптимальное управление и* и значение целевой функции J*, найденные при решении а-задачи, зависят от а. Эти величины обозначаются, соответственно, u*, J*(a).

Множество управлений

Ua= {u lu еил<р,(х, у, и)>аь i=l,n, у = М(х, и, b)}

называется множеством а-допустимых управлений.

а-задача формализуется в следующем виде: необходимо найти вектор u* e Ua управляющих воздействий, при котором принимает минимальное значение J*(a) целевая функция J(x, u, у)

J*(a) = min J (ж, u, y).

ueUŒ

Задача нахождения оптимального a задачи а-оптимизации определяется следующим образом: необходимо найти такое значение ае 0, при котором принимает минимальное значение целевая функция J (а)

а* = arg min J*(a).

ае 0

Область 0 (область гарантированного удовлетворения технологических требований) определяется следующим образом:

0 = {а|ф,г(п* ) > aj},

где ф,г( u* ) = min ф„ Е, = {ф, I ц~ (ф, I и* ) £ е,}, Ei

ц'3 (ф, I и* ) = max min ( (х), ц? (у I u* )) I ф, = ф, (х, у, и* ),

х. у

Цу (У I К ) = max min ( (х), (ig (b)) | у = М(х, <, b). Значение а € 0 называем 0-допустимым значением а.

Оптимальное управление u^e Ua, соответствующее ©-допустимому

значению а, называем ©-допустимым оптимальным управлением.

В главе показано, что при правильном выборе детерминированной математической модели М(х, u, Ь) и при выполнении ряда условий решение задачи а-оптимизации тождественно решению задачи гарантирующей оптимизации в условиях неопределенности. Сформулирован и доказан ряд теорем, конкретизирующих необходимые свойства математических моделей, целевых функций и технологических требований.

Эти и другие теоремы положены в основу разработанных алгоритмов решения задач а-оптимизации

В главе также предложено решение задач а-оптимизации с использованием двухмодельного комплекса с имитационной моделью у = М(х, u, Ь) вспомогательной моделью у = m (х, и), у е Y, u е U (задачи двухмодельной оптимизации). Введена «вспомогательная» целевая функция q (и, у) и система операторов f,(y, и).

Задача двухмодельной оптимизации формулируется в следующем виде: необходимо найти вектор а*=(а*ь а*2,-.., а*„)> при котором принимает

t &

минимальное значение целевая функция q (а) = q( и*, у*)

а* = arg min q*(a)

а

при выполнении условий

Ф,г(и*)>а„ i=l,n,

где ф,г( u* ) = min ф„ Е, = {ф, I ц'3 (ф, | па ) ä Б,},

Ei

и'з (ф. I < ) = max min ((х), ц^ (у I и*)) | ф, = ф, (х, у, и*),

х, у

М- Y (у I Ua ) = min ( ^Х М> ^В ' У = иа > Ь)>

где и* определяется алгоритмически решением задачи

u; = arg min q (и, у),

neUa

где Ua = {и | f, (у, и) > otj, i = 1, п, у = m (х, и)}.

Сформулирован и доказан ряд теорем, определяющих условия тождественности задачи двухмодельной оптимизации и задачи гарантирующей оптимизации в условиях неопределенности.

Основными теоремами являются лемма 1, теоремы 1 и 2.

Лемма 1. Пусть задача гарантирующей оптимизации в условиях неопределенности (ЗГОУН) имеет решение и пусть модели М(х, u, Ь), m (х, и) и функционалы Q (и), ср, (х, у, и), q (и, у), f, (у, и) таковы, что для любых иь и2 е U выполняются следующие отношения:

[q(«i, у)I у = ш(х, и,)] > [q(u2, у)Iу = m(х, u2)] => [0(ui) = (min JI Ну (J I u,) > щ)] > [Q(u2) = (min JI ц7 (J I u2) > щ )],

f,(y, u,) > fi(y, u2) => cp,r(ui) > 9ir(u2); тогда существует вектор а такой, что решение a-задачи совпадает с решением задачи гарантирующей оптимизации в условиях неопределенности.

Теорема 1. Пусть задача гарантирующей оптимизации в условиях неопределенности имеет решение и пусть модели М (х, и, Ь), га (х, и) и функционалы Q (и), ср, (х, у, и), q (и, у), fj (у, и) таковы, что для любых Ui, и2 е U выполняются следующие отношения:

[q(ui, у) I у = m (х, и,)] > [q(u2, у) I у = m (х, и2)] => => [ß(u,) = (min Jl Hj(J| uO > |x3)] > [ß(u2) = (min JI y-j (J | u2) > щ )],

f,(y, ui) ä f,(y, u2) => фЛиО > Ф,г(и2);

тогда существует решение задачи двухмодельной оптимизации и оно совпадает с решением задачи гарантирующей оптимизации в условиях неопределенности.

Теорема 2. Пусть задача двухмодельной оптимизации имеет решение и пусть модели М(х, u, b), m (х, и) и функционалы Q (и), ф, (х, у, и), q(u, у), fj (у, и) таковы, что для любых иь и2 е U выполняются следующие отношения:

[q(Ub у) I у = Ш (х, Ui)] > [q(u2, У)1 У = m (х, u2) ]«=> <=> [Ö(u,) = (min JI (ij (J | u,) > ц3)] > [ß(u2) = (min JI ц7 (J I u2) > ц3)],

fi(y, и,) > f,(y, u2) => ф,г(и,) > Ф,г(и2);

тогда существует решение задачи гарантирующей оптимизации в условиях неопределенности, и это решение совпадает с решением задачи двухмодельной оптимизации.

Алгоритм решения задачи двухмодельной оптимизации показан на рис. 2.

Работа алгоритма заключается в выборе вектора а, нахождении условных оптимальных управлений ua* и целевой функции, решении a-задачи и поиске в пространстве а такого значения а*, при котором целевая функция принимает минимальное значение.

В главе предложена методология решения задачи гарантирующей оптимизации в условиях неопределенности, которая включает в себя: построение имитационной математической модели у - М(х, u, Ь), алгоритмическое задание определяющей математической модели М, формализацию нечетких параметров, выбор методов решения задачи гарантирующей

оптимизации в условиях неопределенности, методику оценки адекватности и коррекции определяющей модели.

В работе предлагается считать экспериментальные значения z? некоторого технологического параметра z,, удовлетворяющим условиям адекватности, если

ъ Aj = zi -z,, (6)

где z, и zt - границы существенности: z; = min Zj, z, = max z,; G; -

Gi G,

область существенности параметра адекватности Zj, G,= {aIh(z,)| u > б, }; 8j - уровень существенности (постоянная величина).

Методика оценки адекватности заключается в: 1) определении экспериментального значения zj-, где j - номер эксперимента; 2) вычислении по

определяющей модели функций принадлежности (z,j); 3) определении значений А; и z, на основе вычисленной цу (zy); 4) проверке условий адекватности (6).

Рис. 2 Блок-схема алгоритма решения задач двухмодельной оптимизации

Предлагается считать, что определяющая математическая модель адекватна реальному ХТП, если при любых входных воздействиях параметры адекватности удовлетворяют условиям (6).

В тех случаях, когда целевая функция и система ограничений являются линейными, предложена классификация постановок задач принятия решений.

Задача минимизации детерминированной функции на нечетком множестве альтернатив J —* m i n , u е U с U.

u

Задача минимизации нечеткой функции на нечетком множестве альтернатив (if (J) —> ш i n , u е U с U.

U

Задача минимизации нечеткой функции на детерминированном множестве альтернатив

ß(u)—»min, фг(и)>а, ueU.

ueU

На основе сформулированных и доказанных теоретических положений разработаны методы их решения.

В главе сформулирована задача гарантирующей оптимизации динамическими режимами ХТП: необходимо найти вектор-функцию u'sU, при котором принимает минимальное значение целевая функция <2(и)

Ô* = Ô(u*)= min g(u),

u

где ß(u)= maxil ц(Х| u)= max Zo(UI /i(zoI u)* > ц3,

L z0(tK)

Ц (z(01 u) = M( (*). и. Hg (b)),

• гарантированном удовлетворении в каждый момент времени t е Т технологических требований для i = 1, n :

фЛиХ^а,, i=l, n,

где Çjr(uX = min <p„ Ej (t) = {ф, I (ф, I u), > s,},

Ei (t)

ц'5 (ф, I u)t = max min (ц^ (x), Цу(у[ u)t) I ф, = <p, (x, y, u),

• гарантированном удовлетворении в конечный момент времени t = tK:

zJCu^s Ij-™, j = m+l,..., m,

где Zj (u)tK = max z,(tK), G,(tK) = {z, ! |i(z, ! и)и > s/}. Gj('k)

Разработан алгоритм расчета функций принадлежности \x(z}) = Цу (у I u)t).

В третьей главе с использованием теоретических положений главы 2 разработана методология синтеза роботоавтоматизированной системы управления (РоАСУ), разработана принципиально новая многоуровневая система управления ХТП, включающая в себя подсистемы АСУТП, управления коллективом роботов (СУКР), управления роботами (СУР), роботов-лаборантов (СР) (рис. 3).

На первом уровне действуют локальные системы автоматизации (ЛСУ) и СР, на втором уровне СУР и на верхнем уровне - взаимодействующие подсистемы АСУТП и СУКР.

Такая структура РоАСУ обеспечивает большее быстродействие в процессе распознавания и управления ситуациями, уменьшает объем информации, обрабатываемой верхним уровнем управления, с другой стороны позволяет синхронизировать работу средств робототехники, планировать и координировать распределение работ между ними.

Таким образом, РоАСУ представляет собой объединенную систему АСУТП и подсистем СР, работающих как единая интегрированная система в соответствии с программой, вырабатываемой АСУТП, и текущим состоянием ХТП.

Показано, что для верхнего уровня РоАСУ актуальным является вопрос планирования работы коллективов роботов.

В главе предлагается классификация режимов функционирования ХТП (нормальный, предаварийный и аварийный) и разработаны теорети-16

ческие основы планирования работы коллективов роботов в условиях неопределенности, т.е. когда нечетко заданы, например, время начала выполнения работ, допустимое время выполнения работ, взаиморасположение СР и др.

Принцип действия РоАСУ основывается на разделении общей задачи, которая должна выполняться РоАСУ, на целый ряд взаимосвязанных локальных задач, решение которых возлагается на СУР. В результате такой декомпозиции решение общей задачи распределяется между автономными комплексами, образующими при необходимости «рабочие бригады».

Для планирования и координации работ, выполняемых СР, формулируется и решается задача оптимизации работ коллектива роботов в условиях неопределенности.

Для решения этой задачи предлагается использовать метод ос-оптимизации. Соответствующая а-задача сформулирована следующим образом: пусть имеется N комплексов, состоящих из Ц, ] = 1, N }, СР, с помощью которых необходимо на каждом из О объектов выполнить определенную совокупность {т,}, 1 = 1, О, независимых работ. При этом объект обслуживается одним комплексом, но в случае когда состояние объекта или скорость приближения этого состояния близки к предельно допустимому уровню, для обслуживания такого объекта могут привлекаться СР другого комплекса.

Возможности СР комплексов заданы матрицами вида

т= Ци^Ц, ¡=ГО, к=1Г^, (1=йь> (7)

где ^ й - временные затраты на производство к-й работы на ¡-м объекте

управления с!-м робототехническим средством ^го комплекса.

Предположим, что каждая работа может быть выполнена любым из параллельно работающих СР. Начатая работа не прерывается для передачи другому СР. По завершению всех работ на одном объекте, в случае необходимости, СР комплекса могут перемещаться на другой объект.

Затраты времени на перемещения заданы матрицами вида

т=||т^||, ] = 8= Го, Г=Го, (8)

где т^ - время перемещения СР .¡-го комплекса от б-го к £му объекту управления.

Согласно технологическому регламенту, задано время ^ начала выполнения СР к-й работы на ¡-м объекте, время Т|к выполнения к-й работы на ¡-м объекте и пусть задано множество допустимого времени работы ё-го средства робототехники >го комплекса.

Тогда время начала к-х работ СР на 1-х объектах управления заданы матрицами

1Н=|4||, 1=йд, (9)

время выполнения к-х работ СР на ¡-х объектах управления заданы матрицами

1 = 1^1, 1=1,0, к=1,Ш;, (10)

а допустимое время работы ё-х СР >х комплексов заданы матрицами

5 = 1^1, 3 = (11)

Так как весь спектр химических анализов сырья и продуктов весьма широк, то будем считать, что задано множество работ, которые (1-е СР >го комплекса может выполнить, т.е. каждому с1-му СР .¡-го комплекса ставится в соответствие множество = {(1, к)*} к-работ, которое это СР может выполнить на ¡-м объекте, и пусть задано множество ={(0*} объектов управления (¡)*, на которых (1-е СР .¡-го комплекса может выполнить определенные работы.

Тогда

Я = О - | О ^ |, (12)

Будем считать, что перед выполнением всей совокупности работ все СР комплексов находятся в исходном положении. Тогда множество / начальных расположений СР комплексов определим следующим образом:

(13)

где - начальное расположение (1-го СР ]-го комплекса; ^ - время начального расположения (1-го СР .¡-го комплекса.

Тогда задача распределения ресурсов может быть сформулирована следующим образом: для заданных (7>—(13) и для (1-го СР .¡-го комплекса найти последовательность Р^ объектов управления и независимых работ

Рл^Ъ.к*,}, .) = Ъ N, (1=1,п^ г=1,г^, (14)

где г^ - номер в последовательности работ, выполняемых (1-м СР .¡-го комплекса, при которой выполняются следующие условия: и, N ■]

к=1 1=1 а=1

^г-! кг-1 + ,г - V кГ ! кг = 4 г кг + I Г .Г >

где р, - суммарное время работ на i-м объекте управления; tHr r , tKr , -

'jd'kjd 'jd-kjd

соответственно, начало и окончание выполнения d-м СР j-ro комплекса к-й работы (с r-м номером в последовательности работ) на i-м объекте управления; в качестве составляющих вектора а в а-задаче используются следующие величины: tlk, Da, tHr r .

Рассматривается задача координации взаимодействия различных уровней РоАСУ, для решения которой также используется метод а-оптими-зации. Для ряда частных случаев предложены эффективные алгоритмы решения этих задач.

Для случая аварийного режима функционирования ХТП разработан алгоритм диспетчерского управления, обеспечивающий решение важнейшей задачи - удаление обслуживающего персонала из опасной для их жизни и здоровья сферы производства.

В четвертой главе рассматриваются вопросы построения оптимальных траекторий движения манипулятора. Проводится классификация и формализация задач нахождения оптимальных траекторий в условиях неопределенности, гарантирующих выполнение технологических и технических требований в условиях неопределенности (табл. 1).

Приведем в качестве примера постановку задачи А: необходимо для заданной на [to, tk] вектор-функции Y3 (t) е Y с R3 найти вектор-функцию и*, определенную на [to, У, при которой в каждый момент времени t выполняется условие реализации траектории с заданной гарантией

pr(Y,(t), F(Q(t))<8, где 8 — постоянная величина; рг- граница существенности, определяемая pr(Y,(t), F(Q(t)))=minp,

ер

где Ep={p[n(p|t)>Ep}, n(p|t) = F(maXF n(F(Q(t)),

Fp = (F(Q(t>) | p = co(Y3(t), F(Q(t»},

и удовлетворяются:

• условия отсутствия столкновений с препятствиями и самостолкновения

Vх е L(t): p„r(x, Ln(t)) > Гкр, V (х, z) е K(t) : рг (х, г) > ттш, где рпг(х, Ln(t)) = min рп(х, Ln(t)),

ЕР

Ep={p„|fi(p„|t)>8p}, n-(p„|t)= max min [|i^(x|t), ns(z*|t)),

(x,z,')eSn(pn)

1 Классификация задач оптимизации траекторий

Задачи

Задание траекторий

Траектория У

движения схвата задана в пространстве Я3

Траектория У

движения схвата задана в пространстве Я6

Траектория У движения схвата задана

в пространстве Я3, положение схвата У((:к) задано в Я6

Положение У^) схвата в конечный момент времени задано в Я3

т

Положение У(1к) схвата в конечный момент времени задано Я6

Траектория задана во времени

Траектория задана параметрически

Конечный момент времени задан

Конечный момент

времени не задан

Траектория задана во времени

Траектория задана параметрически

Конечный момент времени задан

Конечный момент

времени не задан

rram - минимальная допустимая «зона надежности»,

рг(х, z) = min р(х, z), Ер = {р I n(p|t) > ер},

Ер

ц (р 11) = max min(Hv (х), (z)),

где ш(р) = {(х, z)|p = р(х, z)},

• конструктивные ограничения на обобщенные координаты и управляющие воздействия

Qram

<<P«r(Q)t, <pBr(Q)t < Qmax > Q mm — <pHr(Q)„ <pBr(Q)t< Q max;

"mm < U(t) < Umax,

где(pHr(Q)t= minQ, <pBr(Q)« = maxQ, EQ(t)= (q| u)t>s0}, eQ(I) eQ(0

• условия начального положения захватного устройства

Q(to) = Qo, Q (to) = Q'o, где Qo, Qô - заданные величины.

Иначе говоря, в задаче А необходимо отыскать программу изменения управляющих воздействий и (•) , при которой захватное устройство, находящееся в момент времени t в состоянии (Q0, Q'0 ), опишет траекторию, гарантированно отличающуюся от заданной Y( ) не больше, чем на 8, и при этом звенья манипулятора гарантированно не столкнутся между собой и с внешними препятствиями.

Аналогично формулируются задачи В, С, Ä\ В\ С\ D, Ê, DK, Ёк (см. табл.1).

Для решения задач гарантирующей оптимизации траекторий движения манипулятора используется предложенный в главе 2 метод а-оптими-зации, в котором а-задача формулируется аналогично соответствующим задачам гарантирующей оптимизации. Так, для задачи А соответствующая задача Аа формулируется следующим образом: необходимо для заданной на [to, tk] функции Y,(t)eYcR3 найти вектор-функцию и*, определенную на [to, tk], при которой в каждый момент времени t выполняются следующие условия:

I Y,(t)-F(Q(t))I<a,, ©(Q)Q + G(Q, Q) = u(t),

где «1 - постоянная величина, удовлетворяются:

• условия отсутствия столкновений

V х 6 L(t) : р„ (х, L„ (t)) -Гкр> а2, V (х, z) е K(t) : р (х, z)-rmin>a3, где а2, а3 - постоянные величины,

• конструктивные ограничения на обобщенные координаты и управляющие воздействия

а,<Р(1)<а5, Об^ОД^ат, ии.£и(0<ивн,

• условия начального положения манипулятора

С>(1о) = С>о, <№>=(50, где <Зо, Ро - заданные величины.

Аналогично формулируются задачи В„, Са, А*,..., Е* , представленные в табл. 1.

Алгоритм решения задачи гарантирующей оптимизации траектории движения манипулятора аналогичен алгоритму рис. 2.

Для решения сс-задач построения условно оптимальных программ управления разработан ряд алгоритмов.

Прямые алгоритмы построены на базе принципа максимума Пошря-гина и метода динамического программирования. Принцип максимума применим для задач Б, Е, Б*, Е"; однако показано, что он неудобен при решении задач Ад, В^ Са, а£, В^, . При сложных многозвенных манипуляторах, конструктивно допускающих столкновение звеньев, при наличии препятствий использование этого метода и соответственно алгоритма затруднительно. Метод динамического программирования применим для всех сформулированных а-задач при малой размерности вектора р.

В работе построены быстродействующие алгоритмы на основе использования декомпозиционных методов, позволяющих свести решение задачи построения программ управления к решению последовательности более простых задач: нахождение дискретной программной траектории, аппроксимации ее непрерывной траектории и определение по ней программ управления. В диссертации рассмотрены алгоритмы решения всех этих задач.

Разработанный метод оптимистического направления позволяет эффективно учитывать наличие препятствий при поиске конфигурации манипулятора на очередном шаге. Этот метод заключается в том, что окрестность последней найденной точки охватывается п-мерной решеткой с небольшим шагом, после чего движение к искомой точке производится по углам этой решетки с использованием оценочной функции, ранжирующей точки и алгоритма искусственного интеллекта, осуществляющего поиск на дереве состояний.

При наличии препятствий, в том числе подвижных, конструктивных ограничений, возможности самопересечения звеньев манипулятора, нами предлагается метод планирования каркаса программной траектории (КТП), позволяющий эффективно строить «дальнозоркую» стратегию построения КПТ и являющийся весьма эффективным при наличии помех.

В работе предлагается также метод оптимального пути, использующий идеи искусственного интеллекта и обладающий свойством «дальнозоркости», высокой надежностью выбора оптимального пути, возможностью оптимизации траектории при наличии препятствий произвольной конфигурации. Приведено доказательство оптимальности траектории движения манипулятора, найденной этим методом.

В соответствии с методом декомпозиции в работе предлагаются методы построения непрерывной программной траектории (НПТ) по известной Kill, основанные на использовании интерполяционных полиномов и сплайнов.

Предлагается также итерационный алгоритм нахождения непрерывной и имеющей непрерывные первые производные траектории движения манипулятора. Доказаны теоремы тождественности итерационного алгоритма и задачи нахождения НПТ.

Ставится и решается задача нахождения программы управления по НПТ.

В пятой главе в соответствии с разработанной методологией построена имитационная математическая модель процесса производства поликристаллических оптических материалов на основе селенида цинка с целью выбора рационального режима проведения данного технологического процесса, которая использует формализованные факторы неопределенности, выявленные для данного производства, которыми являются, например, величины скорости роста, эффективности использования и коэффициента поглощения селенида цинка, пористости и коэффициента теплопроводности подложки и др.

Общая модель разбивается на внешнюю (позволяющую определить тепловые потоки на наружной поверхности реактора при нагревании его излучателем в вакууме при адиабатических условиях) и внутреннюю. Последняя состоит из сопряженной задачи теплопереноса и задачи массопе-реноса газовой смеси во внутренних камерах реактора. Результат решения внешней модели является исходным для внутренней.

Для решения связанной задачи тепло-, массопереноса был разработан алгоритм, позволяющий произвести расчет выходных переменных процесса при заданных значениях функций принадлежности р,.

На рисунке 4 приведен фрагмент результатов имитационного исследования, которые позволили определить область изменения управляющих воздействий, обеспечивающих выполнение рациональных режимов ведения технологического процесса.

Под рациональным будем понимать режим, соответствующий современным требованиям: при выбранных значениях управляющих воздействий должны гарантированно выполняться технологические требования (скорость роста поликристаллического материала должна быть не ниже 3 • 10~2 г/с, эффективность использования селенида цинка не ниже 70 %, средний размер зерна осаждаемого материала не выше 2,3 мм) и оптические характеристики готового продукта (коэффициент пропускания не ниже 67 % и коэффициент поглощения не выше 0,0035 см-1).

Рис. 4 Зависимость моды при Х„ = 90 Вт/(м -К): а - скорости роста селенида цинка; б - среднего размера зерна; в - коэффициента поглощения; г - коэффициента пропускания

Задача гарантирующей оптимизации процесса производства поликристаллических оптических материалов на основе селенида цинка относится к классу нелинейных экстремальных задач с тремя варьируемыми переменными и ограничениями различных типов.

Задача гарантирующей оптимизации в условиях неопределенности сведена к взаимодействию двух задач - внешней (задача а-оптимгоации) и внутренней (а-задача). Во внешней задаче находится оптимальное значение а, а внутренняя задача решает детерминированную задачу оптимизации процесса производства оптических материалов на основе селенида цинка для найденного оптимального значения а.

Сформулируем сх-задачу оптимизации процесса производства оптических материалов на основе селенида цинка: необходимо найти вектор и е и управляющих воздействий, при котором принимает минимальное значение время процесса осаждения 1ц(и, х), т.е.

и = а^тт ^, иеи

при удовлетворении:

• соотношений, определяемых математической моделью

у = М(и, х),

где и (XV, Н, Ов); W - мощность теплового источника; Н - положение реактора относительно теплового источника; Ов - расход охлаждающей воды; х(Хп, П, Р2); - коэффициент теплопроводности подложки; П - пористость подложки; Р2 - давление в верхней камере реактора; у(шм, Р, <3, ТРК) %); шм - скорость роста селенида цинка по массе; (3 - эффективность использования селенида цинка; (1 - средний по объему размер зерна; ТРя - коэффициент пропуская селенида цинка; % — коэффициент поглощения селенида цинка,

• ограничений и выполнения в каждый момент времени условий физической реализуемости технологического процесса:

^„¿«м. ©м^сЧ,. Тф>аТф, 3<ан, ТРК>аТрк,

Х<аг \Утй,<МУ<\Ушах, НтЙ1<НйНтах, СГ'^Св<ОГ<-

Разработан алгоритм решения а-задачи, основанный на выявленных особенностях оптимальных режимов. Полученные результаты использованы в подсистеме управления технологическим процессом производства поликристаллических оптических материалов.

На основе разработанной методологии синтеза РоАСУ предложена структура роботоавтоматизированной системы управления процессом производства поликристаллических оптических материалов с подсистемой роботов-лаборантов.

В главе поставлена и решена задача нахождения оптимальных маршрутов движения роботов-лаборантов на основе использования теоретических результатов, полученных в главе 3.

В шестой главе изучается процесс производства кислоты Шеффера в СВЧ-реакторе непрерывного действия и решается задача построения РоАСУ этим производством в соответствии с разработанной методологией и с использованием методов математического моделирования и экспериментальных исследований.

Представлены результаты анализа производства кислоты Шеффера, выявлены и формализованы факторы неопределенности (величина степени

превращения 2-нафтола в кислоту Шеффера, содержание смол и сульфо-нов, гранулометрический состав сырья и др.), используемые в качестве параметров математической модели процесса сульфирования 2-нафтола в кислоту Шеффера.

На рисунке 5 приведен фрагмент результатов имитационного исследования процесса производства кислоты Шеффера в СВЧ-реакторе непрерывного действия, которые позволили определить область изменения управляющих воздействий.

а) б)

Рис. 5 Зависимость моды при:

а, б-при С0 = 80 %; в, г-Ос„ = 0,022 м3/г; а, б, в- степени превращения 2-пафтола в кислоту Шеффера; г - содержание побочных веществ и сульфонов в готовом продукте

Поставлена и решена задача гарантирующей оптимизации для данного технологического процесса в условиях неопределенности и исследованы свойства оптимальных режимов для построения областей допустимых управлений.

Задача гарантирующей оптимизации процесса получения кислоты Шеф-фера в микроволновом реакторе сформулирована в следующем виде: для заданного гранулометрического состава 2-нафтола ф(г), вступающего в химическую реакцию, необходимо найти расход в.. и концентрацию Со серной кислоты на входе в микроволновый реактор, при которых степень превращения 2-нафтола в кислоту Шеффера К достигает максимального значения, т.е.

б(и')= так в (и),

ие1>

• при удовлетворении соотношений, определяемых математической моделью процесса производства кислоты Шеффера,

• при гарантированном выполнении технологических требований

ст < аг ,

где д (и) = гшп К | (К | и) > ц3; (13 - заданное значение функции принадлежности степени превращения 2-нафтола в кислоту Шеффера; аг — граница существенности содержания побочных веществ и сульфонов в готовом продукте, определяемая по формуле

г

ст = шш ст,

Еа

где Еа = {ст | ц (ст | и) > ея - область существенности; еп - уровень существенности содержания побочных веществ и сульфонов в готовом продукте.

Область и определяется следующими ограничениями:

Сгпш ^ у /~>шах г* П1П1 г*

О <С0<С0 , 08 <(л5<и5 .

Результаты комплекса физико-химических и технологических исследований показали, что меняющиеся гранулометрический состав 2-нафтола и качество сырья требуют новых технологических режимов процесса производства кислоты Шеффера. С этих позиций большое значение приобретает создание РоАСУ, позволяющей в автоматическом режиме без присутствия персонала в опасных зонах воздействия СВЧ-излучений анализировать сырье и оперативно устанавливать оптимальные режимы.

В главе предлагается РоАСУ, осуществляющая оптимизацию технологических режимов процесса с учетом гранулометрического состава сырья. При этом подсистема робот-лаборант осуществляет оперативную идентификацию сырья, позволяющую проводить коррекцию математической модели при изменении состава сырья.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1 Предложена концепция гарантирующей оптимизации в условиях неопределенности, в соответствии с которой формализованы условия гарантированного выполнения технологических требований и сформулирована соответствующая задача гарантирующей оптимизации.

2 Разработана теория решения задач гарантирующей оптимизации ХТП в условиях неопределенности, включающая в себя методы и алгоритмы а-оптимизации и двухмодельной оптимизации, доказательства тождественности решения задач а-оптимизации и двухмодельной оптимизации решению задачи гарантирующей оптимизации ХТП, сформулирована и решена динамическая задача гарантирующей оптимизации ХТП в условиях неопределенности.

3 На основе теоретических положений создана методология синтеза математического обеспечения решения задачи гарантирующей оптимизации ХТП в условиях неопределенности, в том числе представлен алгоритм выбора метода решения задачи гарантирующей оптимизации, разработан алгоритм синтеза обобщенной математической модели, введено понятие адекватности определяющей математической модели и разработаны алгоритмы ее оценки и коррекции.

4 Предложена методология синтеза роботоавтоматизированной системы управления ХТП, функционирующим в условиях неопределенности.

5 Сформулированы задачи объемного и календарного планирования работы коллектива роботов-лаборантов в условиях неопределенности и предложены алгоритмы их решения с использованием метода а-оптимизации.

6 Разработаны и теоретически обоснованы методы и алгоритмы расчета оптимальных траекторий движения манипуляторов, обеспечивающих гарантированность выполнения технологических условий, в том числе метод оптимального пути для оптимизации траекторий при наличии препятствий произвольной конфигурации; методы интерполяционных полиномов и сплайнов для нахождения траектории движения манипулятора по известному каркасу программной траектории; итерационный метод для нахождения гладкой и непрерывной траектории, учитывающий инерционные свойства манипуляционной системы.

7 Разработанная теория и методология решения задач гарантирующей оптимизации и синтеза РоАСУ в условиях неопределенности применены для создания роботоавтоматизированной системы управления технологическим процессом производства поликристаллических оптических материалов на основе селенида цинка (при этом создана адекватная процессу определяющая математическая модель, рассчитаны функции принадлежности выходных величин процесса в зависимости от возмущающих

воздействий (пористости и коэффициента теплопроводности подложки), построена область допустимых управлений, обеспечивающих гарантию выполнения технологических требований и рассчитаны оптимальные режимы в зависимости от возмущающих воздействий, поставлена и решена задача распределения времени занятости коллектива роботов-лаборантов, обслуживающих технологические реакторы для производства поликристаллических оптических материалов).

8 Разработана оптимальная система управления непрерывным процессом производства кислоты Шеффера в микроволновом реакторе с подсистемой роботов-лаборантов (рассчитаны функции принадлежности выходных величин процесса в зависимости от гранулометрического состава 2-нафтола, начальной температуры реакционной смеси, сформулированы требования к роботу-лаборанту, предназначенному для оперативного определения концентрации серной кислоты, содержания смол и сульфонов и контроля гранулометрического состава 2-нафтола, разработаны алгоритм коррекции модели процесса производства кислоты Шеффера и алгоритм оперативной идентификации сырья с помощью робота-лаборанта.

9 Основные результаты теоретических и экспериментальных исследований внедрены или переданы в различные научно-исследовательские и промышленные организации в виде устройств, систем управления и технической документации. Оригинальные разработки признаны изобретениями.

Основные результаты диссертации опубликованы в следующих работах:

1 Бодров В.И. Роботы в химической промышленности / В.И. Бодров, В.Ф. Калинин, В.А. Погонин. М.: Химия, 1989. 136 с.

2 Бодров В.И. Применение роботов в отраслях-потребителях химического и нефтяного машиностроения / В.И. Бодров, В.А. Погонин, Ю.Я. Марголин. М.: ЦИНТИхимнефтемаш, 1987. Сер. ХМ-2. 36 с.

3 Бодров В.И. Химическое производство как объект роботизации / В.И. Бодров, В.Ф. Калинин, В.А. Погонин // Автоматизация и роботизация в химической промышленности: Тез. докл. Всесоюз. науч.-техн. конф. Тамбов, 1986. С. 21-23.

4 Погонин В.А. Информационно-управляющее устройство на базе микроконтроллера К1-20 / В.А. Погонин, A.B. Косарев // Приборы и системы управления. 1988. № 8. С. 21-22.

5 Погонин В.А. Робот-лаборант - элемент гибких производственных систем / В.А. Погонин, В.В. Козадаев // Автоматизация и роботизация в химической промышленности: Тез. докл. Всесоюз. науч.-техн. конф. Тамбов, 1988. С. 123.

6 Погодин В.А. Математическая модель движения манипуляцион-ной системы робота с переменными упругими и геометрическими характеристиками / В.А. Погонин, В.И. Галаев // Автоматизация и роботизация в химической промышленности: Тез. докл. Всесоюз. науч.-техн. конф. Тамбов, 1988. С. 24-25.

7 Погонин В.А. Динамика манипуляционной системы робота химических производств / В.А. Погонин, В.И. Галаев, В.В. Козадаев // Минвуз, сб. науч. трудов / МИХМ. М., 1989. С. 94-98.

8 Погонин В.А. Принципы построения роботизированных лабораторных комплексов / В.А. Погонин, В.В. Козадаев // Методы кибернетики химико-технологических процессов: Тез. докл. III Всесоюз. конф. М., 1989. С. 159-160.

9 Калинин В.Ф. Проектирование оптимальных автоматизированных роботизированных химико-технологических комплексов / В.Ф. Калинин,

B.А. Погонин // Динамика процессов и аппаратов химической технологии: Тез. докл. III Всесоюз. конф. Воронеж, 1989. С. 74-75.

10 Погонин В.А. Микропроцессорный комплекс для автоматизации экспериментальных исследований / В.А. Погонин, В.В. Косарев // Приборы и техника эксперимента. 1990. № 1. С. 11.

11 Bodrov V.l. Robotic can System for Cemical Industry / V.l. Bodrov, V.F. Kalinin, V.A. Pogonin II International Congress: Analitical Schiences. Tokyo, 1991.

12 Погонин B.A. Математическое моделирование манипуляторов с упругими звеньями / В.А. Погонин, В.И. Галаев // Методы кибернетики химико-технологических процессов: Тез. докл. Всесоюз. конф. М., 1991.

C. 63-«9.

13 Бодров В.И. Проектирование автоматизированных роботизированных химико-технологических комплексов / В.И. Бодров, В.Ф. Калинин, В.А. Погонин // Тез. докл. IV Респуб. конф. СПб., 1992. С. 62-68.

14 Бодров В.И. Планирование работы коллектива роботов на химических производствах / В.И. Бодров, В.Ф. Калинин, В.А. Погонин // Актуальные проблемы фундаментальных наук: Тез. докл. II Междунар. конф. / МГТУ им. Баумана. М., 1994. С. 68-72.

15 Погонин В.А. Оптимизация процесса производства оптических материалов на основе селенида цинка / В.А. Погонин, С.М. Дзюба, A.B. Гредитов // Математические методы в химии и химической технологии: Тез. докл. IX Междунар. конф. Тверь, 1995. С. 72-73.

16 Бодров В.И. Математическое моделирование процесса производства поликристаллических оптических материалов на основе селенида цинка 1 В.И. Бодров, В.А. Погонин, A.B. Гредитов // Математические методы в химии и химической технологии: Тез. докл. IX Междунар. конф. Тверь, 1995. С. 130-132.

17 Бодров В.И. Интенсификация процесса производства оптических материалов на основе селенида цинка / В.И. Бодров, В.А. Погонин, A.B. Греди-тов // X Междунар. конф. по химии высокочистых веществ. Н.-Новгород, 1995. С. 43.

18 Бодров В.И. Интенсификация процесса производства поликристаллических оптических материалов на основе селенида цинка / В.И. Бодров, В.А. Погонин, A.B. Гредитов // Высокочистые вещества. 1996. Т. 3. С. 55-61.

19 Бодров В.И. Моделирование процесса получения оптических материалов на основе цинка / В.И. Бодров, В.А. Погонин, A.B. Гредитов // ТОХТ. 1997. Т. 31, № 3. С. 296-301.

20 Калинин В.Ф. Модель кинетики процесса гетерогенного сульфирования 2-нафтола серной кислотой / В.Ф. Калинин, В.А. Погонин, Э.В. Щи-нов // Вестник ТГТУ. 1998. Т. 4, № 1. С. 64-69.

21 Калинин В.Ф. Получение кислоты Шеффера в СВЧ-реакторах /

B.Ф. Калинин, В.А. Погонин, Э.В. Щинов // Жидкофазные системы и нелинейные процессы в химии и хим. технологии: Тез. докл. Междунар. конф. Иваново, 1999. С. 64-69.

22 Погонин В.А. Разработка микропроцессорных систем управления робототехническими комплексами, работающими в условиях неопределенности / В.А. Погонин, Ю.Ю. Громов // Информационные технологии в проектировании микропроцессорных систем ИТ ПМПС-2000: Тез. докл. Междунар. науч.-техн. конф. Тамбов, 2000. С. 60-61.

23 Калинин В.Ф. Математическое моделирование процесса получения кислоты Шеффера / В.Ф. Калинин, В.А. Погонин, Э.В. Щинов // ТОХТ. 2000. Т. 34, № 6. С. 644-648.

24 Калинин В.Ф. Микропроцессорная система управления СВЧ-реак-тором непрерывного действия / В.Ф. Калинин, В.А. Погонин, Э.В. Щинов // Информационные технологии в проектировании микропроцессорных систем ИТ ПМПС-2000: Тез. докл. Междунар. науч.-техн. конф. Тамбов, 2000.

C. 39-40.

25 Бодров В.И. Решение задач управления в условиях неопределенности / В.И. Бодров, В.А. Погонин // Вестник ТГТУ. 2001. Т. 73, № 4. С. 534-540.

26 Погонин В.А. Планирование действий роботов при неполной информации о среде / В.А. Погонин // VI-научная конференция ТГТУ. Там-" бов, 2001. С. 20 i.

27 Погонин В.А. Построение программы управления роботом в условиях неопределенности / В.А. Погонин // Математические методы в технике и технология: 15 Междунар. науч. конф. Тамбов, 2002. Т. 2. Секция 2. С. 148-150.

28 Погонин В.А. Задача гарантированной оптимизации в условиях неопределенности / В.А. Погонин // Математические методы в технике и технологиях: 15 Междунар. науч. конф.: Сб. тр. Тамбов. 2002. Т. 2. Секция 2. С. 150-152.

29 Погонин В.А. Алгоритм построения функции принадлежности решения уравнений математической модели / В.А. Погонин, В.А. Шиган-цов // Математические методы в технике и технологиях: 15 Междунар. науч. конф. Тамбов, 2002. Т. 6. Секция 11. С. 200-201.

30 Погонин В.А. Постановка задачи гарантированного управления процессом получения поликристаллических оптических материалов на основе селенида цинка / В.А. Погонин, В.А. Шиганцов // 2 Междунар. науч.-практ. конф.: Сб. тр. Новочеркасск, 2002. Ч. 2. С. 53-55.

31 Бодров В.И. Постановка и методы решения задач принятия решений в условиях неопределенности / В.И. Бодров, Ю.Ю. Громов, В.А. Погонин // Инженерная физика. 2002. № 3. С. 55-60.

32 Погонин В.А. Оптимизация процесса производства оптических материалов на основе селенида цинка / В.А. Погонин, A.B. Гредитов, В.А. Шиганцов // Вестник ТГТУ. 2002. Т. 8, № 3. С. 426-430.

33 Бодров В.И. Постановка и методы решения задач принятия решений в условиях неопределенности / В.И. Бодров, Ю.Ю. Громов, В.А. Погонин// Инженерная физика. 2002. № 3. С. 55-60.

34 Громов Ю.Ю. Построение решений динамических роботизированных объектов в условиях неопределенности / Ю.Ю. Громов, В.А. Погонин // Инженерная физика. 2002. № 4. С. 7-10.

35 Погонин В.А. Управление ХТС в условиях неопределенности / В.А. Погонин// Vin научн. конф. ТГТУ: Сб. тр. 2003. С. 29-34.

36 Бодров В.И. Решение задач гарантирующей оптимизации в условиях неопределенности / В.И. Бодров, Ю.Ю. Громов, В.А. Погонин // Инженерная физика. 2003. № 2. С. 46-48.

37 A.C. 1196595 СССР, МКИ 4F16K31/02. Термический клапан / Л.С. Артюхин, В.И. Бодров, Н.В. Ерохина, В.А. Погонин // Б.И. № 45. 1985. 2 с.

38 A.C. 770811 СССР, МКИ В29В1/06. Способ управления смесителем периодического действия / Г.М. Иванов, В.А. Погонин, Ю.Я. Марго-лин//Б.И. № 38.1980.3 с.

39 A.C. 964937 СССР. МКИ Н02Р5/06. Устройство для регулирования скорости электропривода постоянного тока / В.И. Бодров, A.B. Мищенко, В.А. Погонин, Л.Б. Иванов // Б.И. № 37. 1982.2 с.

Подписано в печать 03.10.2003 Формат 60x84/16. Гарнитура Times New Roman. Бумага офсетная. Печать офсетная. Объем: 1,86 усл. псч. л.; 2,0 уч.-изд. л. Тираж 100 экз. С. 653

Издательско-полиграфический центр Тамбовского государственного технического университета 392000, Тамбов, Советская, 106, к. 14

! f

2ло5-/1 S45fl

Введение.

Глава 1 Состояние вопросов управления роботизированными химико-технологическими процессами.

1.1 Краткий обзор современных проблем управления химико-технологическими процессами.

1.2 Обзор современных проблем роботизации ХТП.

1.3 Постановка цели и задачи исследования.

Глава 2 Решение задач управления в условиях неопределенности.

2.1 Постановка задачи гарантирующей оптимизации в условиях неопределенности.

2.2 Условия тождественности задач гарантирующей оптимизации в условиях неопределенности и а-оптимизации.

2.3 Использование двухмодельной оптимизации для решения задачи гарантирующей оптимизации в условиях неопределенности.

2.3.1 Постановка задачи двухмодельной оптимизации.

2.3.2 Условия тождественности задач гарантирующей оптимизации в условиях неопределенности и двухмодельной оптимизации.

2.4 Методология решения задачи гарантирующей оптимизации в условиях неопределенности.

2.4.1 Алгоритмическое задание определяющей модели.

2.4.2 Методология выбора метода решения.

2.4.3 Построение функций принадлежности технологических показателей и целевой функции.

2.4.3.1 Построение функций принадлежности входных параметров

2.4.4 Определение адекватности и коррекции определяющей математической модели.

2.4.5 Алгоритм решения задач гарантирующей оптимизации в условиях неопределенности.

2.4.6 Алгоритмы решения задачи а-оптимизации.

2.5 Задачи принятия решений в условиях неопределенности.

2.6 Гарантирующее управление динамическими режимами ХТП

2.7 Алгоритмы решения определяющих моделей динамических режимов.

2.7.1 Динамические объекты с одним нечетким параметром

2.7.2 Динамические объекты с нечеткими параметрами.

2.7.3 Динамические объекты с нечетким параметром, начальным условием и временем.

Выводы.

Глава 3 Планирование работы коллектива роботов.

3.1 Структурная схема роботоавтоматизированной системы управления (РоАСУ).

3.2 Классификация задач РоАСУ.

3.3 Применение а-оптимизации для решения задач линейного программирования.

3.4 Постановка и методы решения задачи координации в РоАСУ

3.5 Задача оптимизации работы коллектива роботов.

3.6 Алгоритм диспетчерского управления роботами.

3.6.1 Модели принятия решений с векторным критерием.

3.6.2 Модели принятия решений в условиях неопределенности с векторным критерием.

Выводы.

Глава 4 Оптимизация траекторий движения манипуляторов роботов в условиях неопределенности.

4.1 Классификация и постановка основных задач оптимизации траекторий движения манипулятора робота.

4.2 Алгоритмы решения задач построения программ управления

4.3 Декомпозиционные методы построения программ управления.

4.4 Построение непрерывной программной траектории.

4.5 Определение программы управления.

Выводы.

Глава 5 Решение задач гарантирующей оптимизации производства оптических материалов на основе селенида цинка в условиях неопределенности.

5.1 Описание технологического процесса.

5.2 Математическое описание процесса производства поликристаллических оптических материалов на основе селенида цинка методом вакуумного парофазного осаждения.

5.2.1 Теплоперенос излучением.

5.2.2 Теплоперенос в реакторе.

5.2.3 Массоперенос в реакторе.

5.2.4 Оптические характеристики материала.

5.2.5 Проверка адекватности нечеткой математической модели процесса производства оптических материалов

5.3 Исследование технологического процесса производства оптических материалов на основе селенида цинка.

5.4 Постановка и решение задачи гарантирующей оптимизации процесса производства оптических материалов в условиях неопределенности.

5.4.1 Алгоритм решения задачи гарантирующей оптимизации.

5.4.2 Результаты решения задачи гарантирующей оптимизации.

5.5 Роботоавтоматизированная система управления процессом производства поликристаллических материалов на основе селенида цинка.

Выводы.

Глава 6 Роботоавтоатизированная система управления процесса производства кислоты Шеффера.

6.1 Описание технологического процесса.

6.1.1 Физические основы СВЧ-нагрева.

6.1.2 Выбор конструкции камеры нагрева микроволнового реактора.

6.2 Математическое моделирование процесса получения кислоты Шеффера в микроволновом реакторе непрерывного действия.

6.2.1 Проверка адекватности математической модели.

6.2.2 Определение конструктивных параметров микроволного реактора.

6.3 Имитационные исследования статических режимов процесса получения кислоты Шеффера в микроволновом реакторе в условиях неопределенности.

6.4 Постановка и решение задачи гарантирующей оптимизации процесса производства кислоты Шеффера.

6.5 Структура и функции РоАСУ.

6.5.1 Подсистема робот-лаборант.

6.5.2 Разработка роботоавтоматизированной системы.

Выводы.

В течение последних десятилетий усилия научных школ В.В. Кафарова, A.M. Кутепова, А.А. Воронова, Я.З. Цыпкина, С.В. Емельянова, Г.С. Поспелова, Е.И. Юревича, И.М. Макарова, А.В. Тимофеева, В.И. Бодрова и др. были направлены на решение задач, связанных с заменой людей автоматическими системами и роботами с целью повышения эффективности технологических процессов и производств в различных отраслях промышленности.

Химико-технологические производства обладают всеми чертами, присущими производственным и технико-экономическим системам, функционирующим в современных условиях, характеризуемых часто меняющейся номенклатурой и объемом выпускаемой продукции, колебаниями качества и цен используемого сырья, вербальным уровнем формализации информации, используемой для решения задач управления и принятия решений.

При решении задач управления химико-технологическими процессами исследователи часто ориентируются на использование детерминированных математических моделей. Последние имеют недостатки, обусловленные невозможностью определения точных значений входящих в них параметров, что обусловливается влиянием факторов неопределенности.

Действительно, широкому классу химико-технологических процессов (ХТП), продукция которых используется при производстве, например, органических красителей, волоконно-оптических средств связи, медицинской техники, присущ случайный характер изменения параметров, существенно влияющих на изменение характеристик объектов управления, которые тем не менее в детерминированных моделях считаются постоянными.

Чаще всего случайными являются характеристики самого ХТП, к которым относятся физико-химические константы, коэффициенты тепло- и массо-отдачи, теплопроводности, скорости химических реакций, концентрации веществ во входных потоках и др. Кроме того, могут изменяться внешние условия (температура среды, составы потоков сырья, производительность и т.д.), которые при их неконтролируемости также можно рассматривать в качестве источников неопределенности.

Неточность задания тех или иных параметров при расчетах с использованием детерминированной математической модели практически не принимается во внимание. Как правило, неточные или неопределенные параметры заменяются их средними значениями.

Такой подход часто оказывается несостоятельным для решения современных задач управления химико-технологическими процессами.

Начиная с конца XX века развитие химических производств характеризуется внедрением прогрессивных технологий, обеспечивающих высокий уровень энерго- и ресурсосбережения, ужесточением требований к качеству выпускаемой продукции и экологической чистоты. Это приводит к тому, что ошибки в управлении могут приводить к огромным экономическим потерям и способствуют возникновению аварийных ситуаций.

В связи с этим возникает необходимость рассмотрения нового класса задач управления, решения которых обеспечивали бы выполнение технологических и технических требований с заданной гарантией.

В работах Кафарова В.В., Бодрова В.И., Матвейкина В.Г. предложена концепция и развиты теоретические положения и методы решения задач гарантирующей оптимизации детерминированно-стохастическими ХТП, обеспечивающие выполнение технологических требований с заданной вероятностью.

Разработанные теория и методы позволяют заранее планировать допустимую (в том числе сколь угодно малую) вероятность нарушения технологических требований и гарантировать их выполнение при случайных изменениях значений параметров технологических процессов в заданных пределах. Таким образом, гарантирующее управление дает уверенность (гарантию), что технологические требования и требования безопасности будут выполнены, какими бы ни были в данный момент значения технологических параметров и внешних неконтролируемых возмущений.

Однако эти теоретические положения и методы не могут быть применены для большинства современных химико-технологических производств или производств с повышенной опасностью для обслуживающего персонала.

Это объясняется тем, что в химических производствах, в которых используются высокие температура, давление, концентрация веществ и т.п., в жестких условиях обеспечения конкурентоспособности продукции и экономии средств невозможно или опасно провести достаточное количество экспериментов для получения статистических данных. Например, из-за чрезвычайно капиталоемкого производства высокочистых веществ вследствие высокой стоимости сырья невозможно проведение необходимого объема экспериментальных исследований или вследствие опасности для обслуживающего персонала при применении СВЧ-частот для нагрева реакционных смесей.

Тем более невозможно использовать эти методы для вновь проектируемых химических производств, так как в этом случае в принципе нельзя провести прямые эксперименты.

Очевидно, что в этих условиях встает вопрос об использовании нового математического аппарата теории нечетких множеств, позволяющего формализовать неопределенность параметров химико-технологических процессов, используя накопленные знания и экспертные оценки.

Однако до настоящего времени нет не только теоретических положений и разработанного специального математического обеспечения, не существует даже концепции решения задач гарантирующей оптимизации для рассматриваемого класса химико-технологических процессов в условиях вербапьно заданных значений параметров, а также не сформулировано понятие гарантированного выполнения технологических требований в этих условиях.

Отсутствие концепции и теоретических положений гарантирующей оптимизации в условиях нечетко заданной информации и необходимость решения задач гарантирующей оптимизации современными ХТП делают актуальной цель настоящей работы: сформулировать концепцию, разработать теоретические положения, методологию, специальное математическое и алгоритмическое обеспечение решения задач гарантирующей оптимизации в условиях неопределенности.

Химическая и смежные с ней отрасли относятся к областям промышленности, которые характеризуются экстремальными условиями труда. Все без исключения химические производства опасны для жизни и здоровья людей и различаются лишь степенью опасности.

Требование гибкости химических производств, выпуск большой номенклатуры продукции для удовлетворения индивидуальных потребностей людей приводят к непрерывной перенастраиваемости технологических схем и систем управления, что еще более усугубляет опасность химико-технологических процессов.

Поэтому химические производства стоят в первом ряду производств, требующих принятия решений по минимизации численности персонала или удалению людей из сферы вредного воздействия.

Применение робототехнических систем - очевидный путь решения этих задач. Тем не менее робототехнические системы должны обеспечивать удовлетворение выполнения технических и технологических требований и условий безопасности функционирования средств робототехники с заданной гарантией.

Однако средствам робототехники, так же как и технологическим процессам, присущи факторы неопределенности, к которым относятся конструктивные характеристики роботов (например, изгибная жесткость, зазор в сочленениях, жесткость на кручение и др.). Маршрут и время перемещения средств робототехники могут быть оценены недостаточно точно, что обусловливается особенностями ситуаций, имеющих место на реально функционирующих ХТП. Кроме того, показания сенсорных датчиков роботов, как правило, не точны и позволяют только приблизительно, т.е. на качественном уровне, определить текущую ситуацию. При обучении робота, при его управлении оператором и при определении экспертных оценок используются нечеткие отношения.

Поэтому актуальной задачей является синтез роботоавтоматизированных систем управления (РоАСУ), т.е. систем управления с применением роботов, осуществляющих гарантирующую оптимизацию химико-технологических процессов в условиях неопределенности. Эта задача также ставится и решается в данной работе. Таким образом, представляется актуальной цель настоящей работы: сформулировать концепцию, разработать теоретические положения, методологию, специальное математическое и алгоритмическое обеспечение решения задач гарантирующей оптимизации в условиях неопределенности; разработать методологию синтеза роботоавтоматизированных систем управления, функционирующих в условиях неопределенности, и применить полученные результаты для решений важных производственных задач управления роботизированными ХТП.

Для достижения этой цели необходимо решить следующие задачи:

• сформулировать концепцию решения задач гарантирующей оптимизации и управления ХТП, обладающими свойствами неопределенности;

• на основе концепции разработать теоретические положения и методологию решения задач гарантирующей оптимизации в условиях неопределенности:

- формализовать условия выполнения технологических требований с заданной гарантией в условиях неопределенности;

- сформулировать постановки задач гарантирующей оптимизации;

- теоретически обосновать методы и алгоритмы решения этих задач;

• на основе теоретических положений решения задач гарантирующей оптимизации создать методологию синтеза РоАСУ химико-технологическими процессами:

- разработать структуру РоАСУ, формализовать расширенные постановки задач управления и принятия решений на различных уровнях РоАСУ;

- теоретически обосновать методы и алгоритмы решения задач гарантирующей оптимизации планирования работы коллектива роботов в условиях неопределенности;

- разработать и теоретически обосновать методы и алгоритмы решения задач расчета оптимальных траекторий движения манипулятора в условиях неопределенности, обеспечивающих гарантированность выполнения технологических требований;

• применить предложенную методологию для решения задач гарантирующей оптимизации конкретными роботизированными ХТП.

Диссертационная работа выполнялась в соответствии с координационным планом НИР АН СССР по направлению 2.27 "ТОХТ", планом 2.27.7.15 "Робототехника и микропроцессорные системы управления в химической промышленности", планами Минудобрений и Минхимпрома на 1980-1988 гг., постановлением Правительства РФ от 28.05.96 г. "О приоритетных направлениях развития науки и техники и критических технологий" по направлению "Интеллектуальные системы управления", планом Госкомитета РФ по высшему образованию на 1991—1995 гг., планом Министерства образования РФ на 1995-2000 гг. (госбюджетная тема "Теория, методы, алгоритмы управления динамическими системами, формализованными на нечетких множествах").

Методы исследования. При выполнении диссертационной работы научные исследования основывались на методах математического моделирования, современной теории управления и теории нечетких множеств.

Достоверность полученных результатов подтверждается доказательствами сформулированных теорем и утверждений, экспериментальной проверкой на основе имитационных и лабораторных исследований, а также промышленных испытаний.

Научная новизна состоит в предложенной концепции гарантирующей оптимизации химико-технологических процессов, обладающих свойствами неопределенности, формализованных условиях гарантированного выполнения технологических требований и сформулированной задаче гарантирующей оптимизации ХТП в условиях неопределенности; созданных теории и методологии решения задач гарантирующей оптимизации ХТП в условиях неопределенности; разработанных методах и алгоритмах решения задач гарантирующей оптимизации ХТП; созданной методологии синтеза РоАСУ химико-технологическими процессами, функционирующими в условиях неопределенности; поставленных задачах гарантирующей оптимизации планирования работы коллектива роботов и разработанных алгоритмах их решения; разработанных методах и алгоритмах решения задач расчета оптимальных траекторий движения манипулятора в условиях неопределенности, обеспечивающих гарантирован-ность выполнения технологических требований.

Практическая ценность работы определяется разработанной методологией решения задач гарантирующей оптимизации ХТП в условиях неопределенности, методикой определения адекватности и коррекции математических моделей с нечеткими параметрами, разработанным алгоритмическим и программным обеспечением для проектирования роботоавтоматизированных систем управления ХТП в условиях неопределенности; построенным алгоритмическим и программным обеспечением, позволяющим синтезировать необходимое математическое описание роботизированных ХТП производства поликристаллических оптических материалов на основе селенида цинка и кислоты Шеффе-ра; алгоритмами решения расширенных задач анализа, оптимизации и управления для рассматриваемых ХТП с учетом особенностей их функционирования.

Разработан и внедрен на кафедре "Информационные процессы и управление" Тамбовского государственного технического университета автоматизированный лабораторный комплекс подсистемы роботов-лаборантов, способный проводить экспресс-анализы сырья и осуществлять коррекцию математических моделей ряда ХТП.

Предложенные методы и алгоритмы синтеза оптимальных программ движения манипуляторов роботов, обеспечивающие гарантированность выполнения технологических требований, могут быть использованы в практике расчета управляющих программ роботов для ХТП.

Таким образом, в диссертационной работе формулируется и развивается новое научное направление, связанное с разработкой концепции, развитием теоретических положений и созданием методологии решения задач гарантирующей оптимизации химико-технологическими производствами с применением роботов в условиях неопределенности.

На защиту диссертационной работы выносятся следующие полученные автором результаты:

- сформулированная и теоретически обоснованная концепция решения задач гарантирующей оптимизации роботизированными химико-технологическими процессами, обладающими свойствами неопределенности;

- методология решения задач гарантирующей оптимизации ХТП в условиях неопределенности;

- методы и алгоритмы решения задач гарантирующей оптимизации ХТП;

- методология синтеза РоАСУ химико-технологическими процессами. Разработанные теоретические положения с расширенными постановками задач управления и принятия решений на различных уровнях функционирования РоАСУ; разработанные теоретические положения решения задач гарантирующей оптимизации планирования работы коллектива роботов; разработанные алгоритмы решения задач расчета оптимальных траекторий движения манипулятора в условиях неопределенности, обеспечивающих гарантированность выполнения технологических требований.

- результаты решения задач гарантирующей оптимизации конкретными роботизированными химико-технологическими процессами.

Апробация работы. Основные теоретические и прикладные результаты диссертационной работы изложены в монографии "Роботы в химической промышленности" / В.И. Бодров, В.Ф. Калинин, В.А. Погонин, публикациях в научных журналах и тематическом обзоре.

Результаты работы докладывались и обсуждались на Всесоюзной научной конференции "Автоматизация и роботизация в химической промышленности" (Тамбов, 1986, 1988); Всесоюзной и Международной научных конференциях "Методы кибернетики химико-технологических процессов (КХТП-Ш-89), (КХТП-1У-94)" (Москва, 1989, 1994); VII-й Всесоюзной и 1Х-й, XV-й Международных научных конференциях "Математические методы в химии и химической технологии " (Казань, 1991; Тверь, 1995; Тамбов, 2002); IUPAC-91 Congress International Analitical Schiences (Tokyo, 1991); II-й Международная конференции "Актуальные проблемы фундаментальных наук" (Москва, МГТУ им. Баумана, 1994); Всесоюзной конференции "Разработка и внедрение вихревых электромагнитных аппаратов для интенсификации технологических процессов" (Тамбов, 1989); IV-й Республиканской конференции (С.-Петербург, 1992); Х-й Международной конференции по химии высокочистых веществ

Н.-Новгород, 1995); Международной конференции "Жидкофазные системы и нелинейные процессы в химии и химической технологии" (Иваново, 1999); Международной конференции "Информационные технологии в проектировании микропроцессорных систем" (Тамбов, 2000); П-й Международной научно-практической конференции (Новочеркасск, 2002).

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, выводов, списка литературы и приложений. Основной материал диссертации изложен на 314 страницах машинописного текста. Содержит 96 рисунков и 32 таблицы.

9 Результаты работы были использованы при выполнении научно-исследовательских работ и в виде устройств, систем управления и технической документации переданы для использования предприятиям: п/я Х-5382 (г. Москва, 1983, экономический эффект - 141 тыс. рублей), НПО «Защита растений» (г. Москва), ОАО «Пигмент» (г. Тамбов), ФГУП «ТамбовНИХИ».

Действующий макет робота-лаборанта демонстрировался на Всесоюзной выставке «Машиностроительная технология 87».

Материалы диссертации используются в учебных курсах ТГТУ при обучении студентов специальности 21.02.00.

1. Кафаров В.В., Дорохов И.Н. Системный анализ процессов химической технологии. Основы стратегии. — М.: Наука, 1976. 500 с.

2. Кафаров В.В. Методы кибернетики в химии и химической технологии. М.: Химия, 1985. - 448 с.

3. Кафаров В.В., Перов В.А., Мешапкин В.П. Принципы математического моделирования химико-технологических систем. — М.: Химия, 1974. -344 с.

4. Ларичев О.И. Теория и методы принятия решений. — М.: Логос, 2000. 296 с.

5. Кафаров В.В., Мешапкин В.П. Анализ и синтез химико-технологических систем. М.: Химия, 1991. - 432 с.

6. Бояринов А.И., Кафаров В.В. Методы оптимизации в химической технологии. М.: Химия, 1975. - 575 с.

7. Моисеев Н.Н., Иванилов Ю.П., Столярова Е.М. Методы оптимизации. М.: Наука, 1978. - 352 с.

8. Моисеев Н.Н. Элементы теории оптимальных систем. М.: Наука, 1975.-528 с.

9. Балакирев B.C., Володин В.М., Цирлин A.M. Оптимальное управление процессами химической технологии (экстремальные задачи в АСУ). — М.: Химия, 1978.-384 с.

10. Балакирев B.C. Математическое описание объектов управления в химической промышленности. М.: МИХМ, 1974. — 129 с.

11. Батунер Л.М., Позин М.Е. Математические методы в химической технике. Л.: Химия, 1963. - 320 с.

12. Абрамов О.В., Бернацкий Ф.И., Здор В.В. Параметрическая коррекция систем управления. М.: Энергоиздат, 1982. - 176 с.

13. Цирлин A.M., Балакирев B.C., Дудников Б.Г. Вариационные методы оптимизации управляемых объектов. М.: Энергия, 1976. — 447 с.

14. Афанасьев А.П., Дикусар В.В., Милютин А.А. Необходимые условия в оптимальном управлении. М.: Наука, 1988. - 320 с.

15. Кларк Ф. Оптимизация и негладкий анализ. М.: Наука, 1988. - 280 с.

16. Островский Г.М., Волин Ю.М. Методы оптимизации сложных химико-технологических процессов. М.: Химия, 1978. - 328 с.

17. Островский Г.М., Волин Ю.М. Методы оптимизации химических реакторов. М.: Химия, 1967. - 248 с.

18. Гермейер Ю.Б. Введение в теорию исследования операций. М.: Наука, 1971.-383 с.

19. Стефани Е.П. Основы построения АСУТП. М.: Энергоиздат, 1982. —352 с.

20. Тарасик В.П. Математическое моделирование технических систем. -Мн.: ДизайнПРО, 1997. 640 с.

21. Фрэнке Р. Математическое моделирование в химической технологии. -М.: Химия, 1971.-272 с.

22. Айзерман М.А. Краткий очерк становления и развития классической теории регулирования и управления // Автоматика и телемеханика. 1993. -№7.-С. 6-18.

23. Левеншпиль О. Инженерное оформление химических процессов. — М.: Химия, 1969.-621 с.

24. Понтрягин Л.С., Болтянский В.Г., Гамкрелидзе Р.В., Мищенко Е.Ф. Математическая теория оптимальных процессов. — М.: Наука, 1961. 360 с.

25. Болтянский В.Г. Математические методы оптимального управления. — М.: Наука, 1969.-408 с.

26. Беллман Р. Динамическое программирование. М.: ИЛ, 1960. - 365 с.

27. Беллман Р., Дрейфус С. Прикладные задачи динамического программирования. М.: Наука, 1965. - 457 с.

28. Методы исследования нелинейных систем управления. М.: Наука, 1983.-240 с.

29. Изерман Р. Цифровые системы управления. М.: Мир. 1984. — 541 с.

30. Острем К., Виттенмарк Б. Системы управления с ЭВМ. — М.: Мир, 1987.-480 с.

31. Матвейкин В.Г. Построение надежных программ управления методами имитационного моделирования // Машины и автоматы-79: Сб. тр. Тамбов, 1979.-С. 87.

32. Бесекерский В.А., Изранцев В.В. Системы автоматического управления с микро-ЭВМ. М.: Наука, 1987. - 320 с.

33. Лурье А.И. Некоторые нелинейные проблемы теории автоматического регулирования. М., 1951.— 197 с.

34. Аоки М. Оптимизация стохастических систем. М.: Наука, 1971.367 с.

35. Ермолаев Ю.М. Методы стохастического программирования. — М.: Наука, 1976.-234 с.

36. Кашьян Р.Л., Рао А.Р. Построение динамических стохастических моделей по экспериментальным данным. М.: Наука, 1983. - 384 с.

37. Боднер В.А., Роднищев И.Е., Юриков Е.П. Оптимальное управление терминальными стохастическими системами. — М.: Машиностроение, 1986. — 207 с.

38. Казаков И.Е., Артемьев В.М. Оптимизация динамических систем случайной структуры. М.: Наука, 1980. — 384 с.

39. Куржанский А.Б. Управление и наблюдение в условиях неопределенности. М.: Наука, 1977. - 390 с.

40. Справочник по теории автоматического управления / Под ред. А.А. Красовского. М.: Наука, 1987. - 712 с.

41. Емельянов С.В., Коровин С.К. Теория нелинейной робастной обратной связи, стабилизация при неопределенности // Нелинейная динамика и управление: Сб. ст. М.: Физматлит, 2001. - С. 5-62.

42. Пугачев B.C. Теория случайных функций и ее применение в задачах автоматического управления. — М.: Физматгиз, 1962. — 559 с.

43. Роднищев И.Е. К оптимизации нелинейных стохастических систем управления // Изв. АН СССР. Техн. кибернетика. 1973. - Т. 5. - С. 195-200.

44. Боднер В.А., Роднищев Н.Е., Юриков Е.П. Оптимизация терминальных стохастических систем. М.: Машиностроение, 1987. - 208 с.

45. Флеминг У., Ришел Р. Оптимальное управление детерминированными и стохастическими системами. М.: Мир, 1978. - 316 с.

46. Кожевников Ю.В. Осреднение управлений разрывных стохастических систем случайной структуры. М.: Наука, 1980. - 348 с.

47. Красовский А.А. Условия наблюдаемости нелинейных процессов // ДАН СССР. 1978.-Т. 242,№6.-С. 1265-1268.

48. Красовский Н.Н. Управление динамической системой. Задача о минимуме гарантированного результата. М.: Наука, 1985. - 520 с.

49. Солодовников В.В. Статистическая динамика линейных систем автоматического управления. М.: Физматгиз, 1960. - 420 с.

50. Красовский Н.Н. Управление динамической системой. Задача о минимуме гарантированного результата. М.: Наука, 1985. - 520 с.

51. Юдин Д.Б. Вычислительные методы теории принятия решений. М.: Наука, 1989.-320 с.

52. Юдин Д.Б. Математические методы управления в условиях неполной информации. М.: Сов. радио, 1974. - 400 с.

53. Бодров В.И. Принципы построения ГАПС с использованием робототехники // Журн. Всесоюзного химического общества им. Д.И. Менделеева. — 1987.-Т. XXXII, №3.-С. 310-315.

54. Кафаров В.В., Бодров В.И., Матвейкин В.Г. Теоретические положения решения задач управления детерминированно-стохастическими моделями // ДАН СССР. 1991. - Т. 317, № 4. - С. 927-931.

55. Кафаров В.В., Бодров В.И., Матвейкин В.Г. Развитие идей перспективного программирования для задач химической технологии // ДАН СССР. -1989. Т. 308, № 4. - С. 918-921.

56. Бодров В.И. Двухуровневая иерархическая система гарантирующей оптимизации // Вестник ТГТУ. 1998. - Т. 4, № 4. - С. 400-407.

57. Бодров В.И., Громов Ю.Ю., Матвейкин В.Г. Математическая модель процесса получения обесфторенных фосфатов // ТОХТ. 1990. - Т. 24, № 4. -С. 517-522.

58. Бодров В.И., Муромцев Ю.Л., Матвейкин В.Г. Оценка точности прогнозирования по математическому описанию, используемому в системе оптимального управления // ТОХТ. 1989. - Т. 23, № 3. - С. 378-384.

59. Матвейкин В.Г., Громов Ю.Ю. К вопросу исследования нечеткоза-данного СХТС // Прикладные проблемы управления макросистемами: III Все-союзн. конф. Апатиты, 1989.-С. 102.

60. Матвейкин В.Г. Управление СХТС в условиях неполной информации // Всесоюзн. конф. КХТП-1.-М., 1984.-С. 121-122.

61. Калмыков С.А., Шокин Ю.И., Юлдашев З.Х. Методы интервального анализа. Новосибирск: Наука, 1986. - 224 с.

62. Шокин Ю.И. Интервальный анализ. Новосибирск: Наука, 1981. —112 с.

63. Алефельд Г., Херубергер Ю. Введение в интервальные вычисления. — М.: Мир, 1987.-360 с.

64. Норри Д., Ж. де Фриз. Введение в метод конечных элементов. — М.: Мир, 1981.-304 с.

65. Гусев Ю.М., Ефанов В.Н., Крымский В.Г. Анализ и синтез линейных интервальных динамических систем (состояние проблемы). I. Анализ с использованием интервальных характеристических полиномов // Техн. кибернетика. — 1991.-№ 1.-С. 3-23.

66. Гусев Ю.М., Ефанов В.Н., Крымский В.Г. Анализ и синтез линейных интервальных динамических систем (состояние проблемы). II. Анализ устойчивости интервальных матриц и синтез робастных регуляторов // Техн. кибернетика. 1991. - № 2. - С. 3-30.

67. Левин В.И. Интервальная математика и изучение неопределенных систем // Информационные технологии. — 1998. — № 6. — С. 27-33.

68. Левин В.И. Сравнение интервальных величин и оптимизация неопределенных систем // Информационные технологии. — 1998. № 7. - С. 22-32.

69. Gorzalczany M.B. Interval-Valued Decisional Rule in Signal Transmission Problems. "Arhiwum automatyki i telemechaniki". 1985. - Vol. XXX, N 2. — P. 159-168.

70. Moor R.E. A servey of interval methods for differential equations. "Proc. IEEE Conf. Decis. and Contr." Las Vegas, Nev. 1984. - Vol. 3. - P. 1529-1535.

71. Schwandt H. Fn interval arithmeticapproach for the constraction of an almost globally convergent method for the solution of the nonlinear poisson equation on the unit square. "SIAM J. Sci. a St. Comput.". 1984. - Vol. 5. -N 2. - P. 427-452.

72. Дабронец B.C., Шайдуров B.B. Двухсторонние численные методы. — Новосибирск: Наука, 1990.-208 с.

73. Бодров В.И., Матвейкин В.Г., Фролов С.В. Интервально-гарантиро-ванное оптимальное управление // Междун. науч. конф. ММТТ: Сб. трудов 13. — 2000. СПб., 2000. - Т. 2. - С. 5-7.

74. Палюх Б.В. Программно-технический комплекс для диагностики непрерывных производств в условиях неопределенности // Автоматизация и современные технологии. — 1994. № 1. - С. 29-33.

75. Перов B.JL, Палюх Б.В., Васильев Б.В. Применение аппарата интервальной математики для решения задач технической диагностики непрерывного производства в химической промышленности // Интервальные вычисления. — 1991.-№ 1.-С. 51-57.

76. Заде JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. - 165 с.

77. Заде JI.A. Размытые множества и их применение в распознавании образов и кластер-анализе // Классификация и кластер: Сб. ст. — М.: Мир, 1980. — С. 208-247.

78. Островский Г.М., Волин Ю.М. Оптимизация ХТП в условиях неопределенности//ТОХТ. 1993.-Т. 27, №2.-С. 183-191.

79. Островский Г.М., Волин Ю.М., Головашин Д.В. Алгоритм гибкости и оптимизации химико-технологических систем в условиях неопределенности исходной информации // ДАН СССР. 1994. - Т. 339, № 6. - С. 728-734.

80. Островский Г.М., Волин Ю.М. Анализ гибкости ХТС в условиях неопределенности // Математические методы в технике и технологиях // 15 Меж-дунар. науч. конф.: Сб. тр. Тамбов, 2002. - Т. 2, Секция 2. - С. 46-47.

81. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981.- 203 с.

82. Delgado М., Verdegay J.L., Vila М.А. Linguistic decision making models // Internat. Intelligent Systems. 1993. - Vol. 7. - P. 479-492.

83. Singer D. A fuzzy set approach to fault tree and reliability analysis // Fuzzy Sets and Systems. 1990. - Vol. 34. - P. 145-155.

84. Mamdani E.A. Application of fuzzy logic to approximate reasoning using linguistic synthesis // IEEE Trans. Computers. 1977. — Vol. C26. - N 12. -P. 1182-1191.

85. Кофман А. Введение в теорию нечетких множеств. — М.: Радио и связь, 1982.-432 с.

86. Аверкин А.Н. Нечеткие отношения моделирования и его использование для классификации и аппроксимации в нечетких лингвистических пространствах // Изв. АН СССР. Техн. кибернетика. 1982. — № 2. - С. 215.

87. Аверкин А.Н., Нгуен X. Использование нечеткого отношения моделирования для экспертных систем. М.: ВЦ АН СССР, 1988. - 24 с.

88. Батыршин И.З. Методы представления и обработки нечеткой информации в интеллектуальных системах // Новости искусств, интеллекта. — 1996. — С. 9-65.

89. Поспелов Д.А. Нечеткие множества в моделях управления и искусственного интеллекта. М.: Наука, 1986. - 312 с.

90. Прикладные нечеткие системы / Под ред. Т. Тэрано, К. Асаи; пер. с япон. М.: Мир, 1993. - 368 с.

91. Абрамович Ф.П., Вагенкнехт М.А., Хургин Я.И. Решение нечетких систем линейных алгебраических уравнений LR-типа // Методы и системы принятия решений: Сб. ст. Рига: РПИ, 1987. С. 35-47.

92. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: Изд-во ТГУ, 2000. - 352 с.

93. Борисов А.Н. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатне, 1982. - 256 с.

94. Борисов А.Н., Алексеев А.В., Меркурьев Г.В. Обработка нечеткой информации в системах принятия решений. — М.: Радио и связь, 1989. — 304 с.

95. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования. — Рига: Зинатне, 1990. 184 с.

96. Кандель А., Байатт У.Дж. Нечеткие множества, нечеткая алгебра, нечеткая статистика // Труды американского общества инженеров-радиоэлектро-ников. 1978. - Т. 66, № 12. - С. 37-61.

97. Orlovsky S.A. Calculus of decomposable properties, fuzzy sets and decisions // Allerton Press, Inc. 1994. - 259 p.

98. Orlovsky S.A. Dicision-making with a fuzzy preference rulution // Fuzzy Sets and Systems. 1978. - Vol. 1. - N 1. - P. 155-167.

99. Норвич A.M., Турксен И.Б. построение функций принадлежности // Нечеткие множества и теория возможностей: Сб. ст. — М.: Радио и связь, 1986. -С. 64-71.

100. Herrera F., Verdegay J.L. A model of consensus in group decision making under linguistic assessments // Fuzzy Sets and Systems. 1997. - Vol. 78. - P. 73-87.

101. Дорохов И.Н., Марков Е.П., Кафаров B.B. Особенности методологии нечетких множеств для описания физико-химических систем // ТОХТ. — 1980. -Т. 14,№6.-С. 908-919.

102. Кафаров В.В., Дорохов И.Н., Марков Е.П. Метод формализации качественного описания химико-технологических процессов с помощью нечетких множеств // ДАН СССР. 1979. - Т. 246, № 4. - С. 931-934.

103. Кафаров В.В., Дорохов И.Н., Марков Е.П. Системный анализ процессов химической технологии. Применение методов нечетких множеств. М.: Наука, 1986.-359 с.

104. Кафаров В.В., Громов Ю.Ю., Матвейкин В.Г. Задачи управления объектами химической технологии при наличии нечеткости // ДАН. — 1994. -Т. 337,№5.-С. 628-630.

105. Кафаров В.В., Громов Ю.Ю., Матвейкин В.Г. Математическое моделирование не полностью наблюдаемых химико-технологических объектов // ДАН. 1994. - Т. 337, № 1. - С. 68-69.

106. Кафаров В.В., Громов Ю.Ю., Матвейкин В.Г. Математическое моделирование химико-технологических объектов в условиях неопределенности // ТОХТ. 1996. - Т. 30, № 1. - С. 85-90.

107. Кафаров В.В., Громов Ю.Ю., Матвейкин В.Г. Задачи управления объектами химической технологии с использованием теории нечетких множеств // ТОХТ. 1995. - Т. 29, № 5. - С. 548-552.

108. Kafarov V.V., Bodrov V.I., Gromov U.U. Statification approach at combined Simulation of heat — mass transfer processed // ХИСА-90: Тез. докл. 10-го Междунар. конгр. Прага, 1990. - С. 43-46.

109. Бодров В.И., Калинин В.Ф., Погонин В.А. Роботы в химической промышленности.-М.: Химия, 1989.- 135 с.

110. Бодров В.И., Марголин Ю.Я., Погонин В.А. Применение роботов в отраслях-потребителях химического и нефтяного машиностроения. М.: ЦИНТИхимнефтемаш, 1987. - 36 с.

111. Бодров В.И., Калинин В.Ф., Погонин В.А. Химическое производство как объект роботизации //Автомат, и роботизация в хим. пром.: 1 Всесоюзн. конф. Тамбов, 1986. - С. 21-23.

112. Артоболевский И.И. Теория механизмов и машин. М.: Наука, 1975.306 с.

113. Игнатьев М.Б., Кулаков Ф.М., Покровский A.M. Алгоритмы управления роботами-минипуляторами. JI.: Машиностроение, 1972. - 268 с.

114. Кобринский А.А., Кобринский А.Г. Манипуляционные системы роботов. М.: Наука, 1985. - 343 с.

115. Попов Е.П., Верещагин А.Ф., Зенкевич СЛ. Манипуляционные роботы. Динамика и алгоритмы. М.: Наука, 1978. — 360 с.

116. Зенкевич СЛ., Ющенко А.С. Управление роботами. М.: Изд-во МГТУ, 2000. - 400 с.

117. Тимофеев А.В. Управление роботами. — JI.: Машиностроение, 1986. —256 с.

118. Тимофеев А.В. Адаптивные робототехнические комплексы. — JL: Машиностроение, 1988. 332 с.

119. Андрианов Ю.Д. и др. Управляющие системы промышленных роботов. М.: Машиностроение, 1984. - 288 с.

120. Динамика управления роботами / В.В. Козлов, А.В. Тимофеев,

121. B.П. Макарычев и др. М.: Наука, 1984. - 334 с.

122. Механика промышленных роботов: В 3 кн. / Под ред. К.В. Фролова, Е.И. Воробьева. М.: Высш. шк., 1988. - 304 с.

123. Вукобратович М., Стокич Д. Управление манипуляционными роботами. М.: Машиностроение, 1985. - 250 с.

124. Лакота Н.А., Рахманов Е.В., Шведов В.И. Управление упругим манипулятором по траектории // Изв. АН СССР. Техн. кибернетика. 1980. — № 2. —1. C. 53-59.

125. Кулешов B.C., Лакота Н.А. Динамика систем управления манипуляторами.-М.: Наука, 1971.- 136 с.

126. Черноусько ФЛ. Динамика управляющих движений упругого манипулятора//Изв. АН СССР. Техн. кибернетика. 1991. -№ 6. - С. 142-152.

127. Воротник Н.Н., Черноусько ФЛ. Оптимизация управления манипуляционными роботами // Техн. кибернетика. 1990. - № 1. — С. 180-237.

128. Аветисян В.В., Болотник Н.Н., Черноусько ФЛ. Оптимальные программные движения двухзвенного манипулятора // Изв. АН СССР. Техн. кибернетика. 1985.-№ 3. - С. 103-124.

129. Акуленко Л.Д., Михайлов С.А., Черноусько ФЛ. Моделирование динамики манипулятора с упругими звеньями // Изв. АН СССР. МТТ. 1981. — № 3. - С. 118-124.

130. Погонин В.А., Галаев В.И. Математическая модель движения мани-пуляционной системы робота с переменными упругими и геометрическими характеристиками // Автомат, и роботизация в хим. пром.: Сб. ст. II Всесоюзн. конф. Тамбов, 1988. - С. 24-27.

131. Погонин В.А., Галаев В.И. Математическое моделирование манипуляторов с упругими звеньями // Межвуз. сб. науч. тр. М.: МИХМ, 1991. -С. 63-69.

132. Погонин В.А., Галаев В.И., Казадаев В.В. Динамика манипуляцион-ной системы робота химических производств // Межвуз. сб. науч. тр. М.: МИХМ, 1989.-С. 94-98.

133. Ильин В.А. Интеллектуальные роботы. Теория и алгоритмы. Красноярск: САА, 1995. - 334 с.

134. Ющенко А.С., Сакарян Г.Н. Планирование действий манипуляцион-ного робота в условиях неопределенности // Экстремальная робототехника: X конф. 2000. - 7 с.

135. Ющенко А.С., Киселев Д.В. Ситуационный подход к организации поведения мобильного робота в условиях неопределенности // Мехатроника. — 2000.-№5.-С. 10-15.

136. Юревич Е.И. Динамика управления роботами. М.: Машиностроение, 1984.-243 с.

137. Управляющие системы промышленных роботов / Под ред. И.М. Макарова. М.: Машиностроение, 1984. - 288 с.

138. Тимофеев А.В. Адаптивные робототехнические комплексы. JI.: Машиностроение, 1988. -332 с.

139. Тимофеев А.В. Адаптивное управление роботами // Изв. АН СССР. Техн. кибернетика. 1989.-№ 1.-С. 124-129.

140. Вукобратович М., Стокич Д., Кирчански Н. Неадаптивное и адаптивное управление манипуляционными роботами. — М.: Мир, 1989. 376 с.

141. Кимохау Окомото. Алгоритм управления многозвенным манипулятором // Интегральные роботы. М.: Мир, 1973. - Вып. 1. - С. 13-27.

142. Сато Т., Насэгава Ц. Управление роботом посредством визуальной обратной связи // Кэйсоку то сэйге. 1987. - Т. 26, № 2. - С. 122-127.

143. Хасэгава К. Обзор по управлению манипуляторами роботов // Кэйсоку то сэйге. 1996.-Т. 25,№ 1.-С. 3-11.

144. Лесков А.Г., Медведев B.C. Анализ динамики и синтез управления движением исполнительных органов роботов-манипуляторов // Изв. АН СССР. Техн. кибернетика. 1974. -№ 6. - С. 80-88.

145. Киселев Д.В. Система нечеткого управления поведением мобильного робота // Экстремальная робототехника: Матер. XII науч.-техн. конф. — СПб., 2002.-С. 130-139.

146. Киселев Д.В., Ющенко А.С., Вечканов В.В. Система нечеткого управления конфигурацией шасси мобильного робота // Экстремальная робототехника: Матер. XII науч.-техн. конф. СПб., 2002. - С. 119-130.

147. Божкова JI.B., Чуканова О.В. Определение управляющих функций (входных сигналов приводов), обеспечивающих точную реализацию программных движений звеньев манипулятора. СПб., 2001. - 6 с.

148. Макаров И.М., Рахманкулов В.З. Групповое управление роботами-манипуляторами с распределенно-централизованной организацией обработки информации // Микропроцессорные системы управления в робототехнике: Сб. ст. М.: Наука, 1984. - С. 35-45.

149. Тимофеев А.В. Мультиагентные системы планирования поведения транспортных роботов в среде с препятствиями // Экстремальная робототехника: X конф. 2000 - 6 с.

150. Timofeev A.V. Neural Multi-Agent Control of Robotic Systems Proceedings of International Conference on Infrmatics and Control. - St.-Petersburg, 1997. - Vol. 2. - N 3. - P. 537-542.

151. Колушев Ф.А., Тимофеев А.В. Мильтиагентные алгоритмы планирования оптимальных маршрутов транспортных роботов в среде с препятствиями // Экстремальная робототехника. СПб., 1998. - 6 с.

152. Станкевич Jl.А. Мультиагентная технология в когнитивных системах управления автономными роботами. СПб.: СПбГТУ, 1997. - С. 32-39.

153. Бодров В.И., Калинин В.Ф., Погонин В.А. Планирование работы коллективов роботов на химических производствах // Актуальные проблемы фундамент, наук: Междунар. конф. М.: МГТУ им. Баумана, 1994. - 5 с.

154. Юревич Е.И. Основы робототехники. Л.: Машиностроение, 1985.271 с.

155. Робототехника и гибкие автоматизированные производства: Кн. 2. Приводы роботизированных систем / Под ред. И.М. Макарова. -М.: Высш. шк., 1986.- 175 с.

156. Чертков Е.П., Юревич Е.И. Технологическая классификация промышленных роботов // Промышленные роботы. 1982. - С. 3-7.

157. Вечтомова Д.Г., Жмылевский Л.М., Маслов В.А. Захваты промышленных роботов для машиностроения. М.: НИИмаш, 1984. - 48 с.

158. Елизаров А.И., Шеин Н.Г. Промышленные роботы в химическом машиностроении. М.: Машиностроение, 1985. - 200 с.

159. Ито X., Харада X., Мацусита М. Положение дел в области внедрения робототехники в химической промышленности // Кагаку когаку. 1994. — Т. 48, №7.-С. 477-481.

160. Швартина Н.М. Современное состояние и перспективы применения промышленных роботов в переработке пластмасс в некоторых зарубежных странах // Химическая промышленность за рубежом. 1985. - Вып. 6 (270). — С. 18-31.

161. Лишатов В.А., Груничев В.М., Новиков Н.В. Перспективы применения промышленных манипуляторов на участках упаковки технического углерода. -М.: ЦНИИТнефтехим, 1986. 16 с.

162. Попов В.В. Роботы и перспективы их использования в химико-фармацевтической промышленности: Обзор / ЦБИТИмедпром, 1980. — 52 с.

163. X. Ито, М. Мапусита и др. Положение дел в области внедрения робототехники в химической промышленности и связанные с этим проблемы // Кагату Когату. 1984. - Т. 49, № 7. - С. 477-481.

164. Применение роботов в химической промышленности // МОН. 1985. -№ 3. - С. 138-141.

165. Bodrov V.I., Pogonin V.A., Kalinin V.F. Robotic CAM System for Chemical Industru. IUPAC-91 Cogress International Analitical Schieces. - Tokyo, 1991.-P. 117-125.

166. Коркан JI., Пауэрз Э. Роботизированная система для работ по микросинтезу с оперативным контролем // Приборы для научных исследований. -1988. -№ 6. С. 122-135.

167. Линдзи Ж.С. , Коркан Л.А. Роботизированная система для работ по микросинтезу с оперативным контролем при помощи абсорбционной спектроскопии и тонкослойной хроматографии // Приборы для научных исследований. — 1990.-№6.-С. 940-950.

168. Сибата Ц. Краткий отчет об изменении стратегии развития роботизированных систем автоматизации научных исследований для биотехнологии // Роботто. 1988. -№ 61. — С. 111-119.

169. Погонин В.А., Казадаев В.В. Принципы построения роботизированных лабораторных комплексов // Автомат, и роботизация в хим. пром.:

170. I Всесоюзн. конф. Тамбов, 1989.-С. 159-160.

171. Калинин В.Ф., Погонин В.А. Проектирование автоматизированных роботизированных химико-технологических комплексов // Динамика процессов и аппаратов химической технологии: Тез. докл. III Всесоюзн. конф. Воронеж, 1990.-С. 160-161.

172. Катори Н., Аояги Н., Такэда Я. Использование лабораторного робота для автоматизации анализа однородности состава таблеток адзималина // Сун-сэки кагаку. 1988. - Т. 37, № 11. - С. 633-635.

173. Погонин В.А., Казадаев В.В. Робот-лаборант элемент гибких производственных систем // Автомат, и роботизация в хим. пром.: II Всесоюзн. конф. - Тамбов, 1988.-С. 123-124.

174. Мацуда Р., Исибаси М. Симплексная оптимизация условий реакций с использованием лабораторной роботизированной системы // Якугату дзасси. -1987.-Т. 107, №9.-С. 683-689.

175. RCS asks is there a place for robots in chemistry // Manufacturing Chemist. 1989. - Vol. 54, N 2. - P. 49-51.

176. Williams T.J. Robots in the CPI: An appraisal and a note of caution // Chem. Engineering. 1986. - Vol. 90, N 26. - P. 29-34.

177. Robots strive for CPI uses // Chem.Engineering. 1985. - Vol. 89, N 16. -P. 26-28.

178. Jones R.D. The Chemistru Is Right for Robots at Phillips Petroleum // Robotics Eng. 1986. - N 8. - P. 6-11.

179. Bierman H. Robots invade chemistry labs // Electronics Week. — 1991. -Vol. 58, N 10.-P. 40-45.

180. Hurst W.J., Snyder K.P. Experiences in Use of Robotics in an Analytical Research Laboratory // Comput. Flavor and Fragrance. 1986. - P. 149-155.180 la robotique: indispensable au laboratoire de demain // JNF. Chim. — 1987.-N270.-P. 203-205.

181. Wolfram L.E. Lab robot prepares analytical samples // Research Development. 1986. - Vol. 28, N 7. - P. 74-76.

182. Cirillo M.G. The Perkin-Elmer Masterlab System // J. Liquid Chromatography. 1989. - Vol. 9, N 14. - P. 3185-3190.

183. Levi P., Vajta L. Sensoren fur Roboter // Robotersysteme. 1989. — Vol. 3, N l.-P. 1-15.

184. Chin R.T., Dyer C.R. Model-Based Recognition in Robot Vision // Computer Survey. 1990.-Vol. 18, N l.-P. 67-108.

185. Howard B. Robots invade chemistru labs // Electron Week. 1985. — Vol. 58, N 10. P. 40-50.

186. Little Y. The Zumate Laboratoru Automation Systems // J. of Liquid Chromatography. 1986. - N 9(14). - P. 3197-3201.

187. Little Y. Hrecision in Laboratory Robotic HPLC Systems // J. of Liquid Chromatography. 1986. -N 9(14). - P. 3033-3062.

188. Franzen K. Der nachste Schritt in der Laborautomatisierung Der Roboter // Anal. Chem. - 1986. - N 6. - P. 556-559.

189. Hight Т.Н. Implementation of robotics in the Laboratoru // J. of Liquid Chromatography. 1986. - N 9. - P. 3191-3196.

190. Pierce T.B. Application of roboticprinciples to laboratoru automation // Anal. Proc. 1989. - Vol. 23, N 9. - P. 318-319.

191. Lochmuller C., Zund K. Applikations of Laboratory Robotics in Spectro-photometric samble preparation and experimental optimization // Anal. Chimica Acta.- 1988.-P. 257-262.

192. Bierman H. Robots invade chemistry lala // Electronics weer. 1987. -Vol. 58,N10.-P. 40.

193. Hawk G., Strimitis J. Advances in Laboratoru Automation Robotics. Zymark Corporation, Hopkinnton MA. 1985. - P. 4-7.

194. Jones R. The Chemistru Is Right for Robots at Phillips // Petroleum Robotics Engineering. 1986. - Vol. 8, N 8. - P. 6-11.

195. Dong M. The Use of the Laboratoru Robot for sample preparation // Liguig Chromatography. 1986. - Vol. 9, N 14. - P. 3063-3092.

196. Last P., Sample R. Robot controlled Dissolution Testing: Elexible laboratory automation // Anal. Proc. 1992. - Vol. 23. - P. 203-207.

197. Johnston G. Laboratory Robotics in chemical laboratories // Anal. Proc.1990.-Vol. 23.-P. 198-202.

198. Perry S.G., Wright E.R. Rolle of robotics in laboratory automation // Anal. Proc. 1996. - Vol. 13. - P. 201-202.

199. Wolfram L. Lab Robot prepares Analytical samples // Research Development. 1987. - Vol. 28, N 7. - P. 74-76.

200. Valcarcel M., Luque M. Robots: una alternative innovadora en la automa-tizacion de procesos analiticos // Quimica Analitica. 1989. - Vol. 5, N 4. - P. 353-357.

201. Randall L.G. An example of information exchance between a liquid Chromato-graphy system and a robotic sample preparation system // Lequid Chromatography. 1994.-Vol.9, N 14.-P. 3177-3183.

202. Preprocessing System Laboratory Completed // The Japan Robot news.1991.-Vol. 5, N5.-P. 4-7.

203. Wilkins D., Myers K. Planning and Reacting in Uncertain and Dynamic Environments // J. of Experimental and Theoretical AI. 1994. - Vol. 6. - P. 197-227.

204. Saffiotti A., Konolige K. Robust Execution of Robot Plans Using Fuzzy Logic // Fuzzy Logic in Artificial Intelligence IJCAI-93. 1993. - P. 24-37.

205. Норвич A.M., Турксен И.Б. Построение функций принадлежности // Нечеткие множества и теория возможностей: Сб. ст. М.: Радио и связь, 1986. -С. 64-71.

206. Алтунин А.Е., Востров Н.Н. Методы определения функций принадлежности в теории размытых множеств // Тр. Запсиб НИГНИ. Тюмень, 1980. -Вып. 154.-С. 62-72.

207. Погонин В.А., Шиганцов В.А. Алгоритм построения функции принадлежности решения уравнений математической модели // Математические методы в технике и технологиях: Сб. тр. 15 Междунар. науч. конф. Тамбов, 2002. - Т. 6, Секция 11. - С. 200-201.

208. Ягер Р.Р Нечеткие множества и теория возможностей. М.: Радио и связь, 1986.-406 с.

209. Бахвалов Н.С. Численные методы. М.: Наука, 1973. - 631 с.

210. Бахвалов Н.С., Жидков Н.П., Кобельков Г.М. Численные методы. — М.: Наука, 1987.-600 с.

211. Полак Э. Численные методы оптимизации. Единый подход. — М.: Мир, 1974.-374 с.

212. Моисеев Н.Н. Численные методы в теории оптимальных систем. -М.: Наука, 1971.-424 с.

213. Штеттер X. Анализ методов дискретизации для обыкновенных дифференциальных уравнений. М.: Мир, 1978. - 461 с.

214. Ортега Дж., Рейнболдт В. Итерационные методы решения нелинейных систем уравнений со многими неизвестными. М.: Мир, 1975. - 560 с.

215. Верлань А.Ф., Сизиков B.C. Интегральные уравнения: методы, алгоритмы, программы: Справ, пособ. Киев: Наукова думка, 1986. - 728 с.

216. Марчук Г.И. Методы вычислительной математики. М.: Наука, 1989.-608 с.

217. Самарский А.А., Николаев Е.С. Методы решения сеточных уравнений. М.: Наука, 1978. - 590 с.

218. Ракитский Ю.В., Устинов С.М., Черноручкий И.Р. Численные методы решения жестких систем. М.: Наука, 1979. - 208 с.

219. На Ц. Вычислительные методы решения прикладных граничных задач. М.: Мир, 1982. - 296 с.

220. Хинчин А.Я. Цепные дроби. М.: Физматгиз, 1961. - 112 с.

221. Бейкер Д., Грейвс-Моррис П. Аппроксимация Паде. М.: Мир, 1986.-502 с.

222. Джоунс У., Трон В. Непрерывные дроби. Аналитическая теория и приложения. М.: Мир, 1985.-414 с.

223. Карман С., Стадден В. Чебышевские системы и их применение в анализе и статистике. М.: Наука, 1978. - 568 с.

224. Пашковский С. Вычислительные применения многочленов и рядов Чебышева. М.: Наука, 1983. - 384 с.

225. Цурков В.И. Декомпозиция в задачах большой размерности. М.: Наука, 1981.-352 с.

226. Елкин В.И. Редукция нелинейных управляемых систем. Дифференциально-геометрический подход. М.: Наука, 1997. — 320 с.

227. Демьянов В.Ф., Рубинов A.M. Основы негладкого анализа и квазидифференциального исчисления. М.: Наука, 1990. - 432 с.

228. Громов Ю.Ю. Методы и алгоритмы моделирования и управления технологическими объектами с учетом свойств внутренней неопределенности: Автореф. дис. . д-ра техн. наук. 1997. - 32 с.

229. Системы диспетчерского управления и сбора данных (SCADA-систе-мы) // Мир компьютерной автоматизации. 1999. - № 3. - С. 4-9.

230. Палюх Б.В., Луньков С.В., Прохныч А.Н. Информационно-программный комплекс прогнозирования развития и последствий аварийных ситуаций. М.: ГосНИИОХТ, 2002. - 37 с.

231. Попов Э.В., Фирдман Г.Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта. М.: Наука, 1976. - 302 с.

232. Ильин В.А., Кириченко B.C. Планирование траекторий и управление подвижными роботами в условиях неполной информации о расположении препятствий. Красноярск: САА, 2000. - С. 14-19.

233. Wilkins D., Myers К. Planning and Reacting in Uncertain and Dynamic Environments // Experimental and Theoretical AI. — 1994. Vol. 6. - P. 197-227.

234. Saffiotti A., Ruspini E., Konolige K. Robust Execution of Robot Plans Using Fuzzy Logic. Fuzzy Logic in Artificial Intelligence IJCAI 93. 1993. - P. 24-37.

235. Denham M., Taylor J. Sensor and memoru based path planning in the egocentric reference frame of an autonomous mobile robot. Reserch Report NRG-94-01. — 1994.-P. 139-156.

236. Lee C. An algorithm for path connecting and its applications. IEEE Trans. EC. 1961. - Vol. 10, N 3. - P. 79-94.

237. Однородные управляющие структуры адаптивных роботов / Под ред. А.В. Каляева и Ю.В. Чернухина. М.: Наука, 1990. - 320 с.

238. Магоп О., Lozano-Perez. Visible Decomposition: Real-Time Path Planning in Large Planar Environments // AI Memo. 1996. - P. 47-69.

239. Yahja A., Stenz S., Singh B. Framed-Quadtree Path Planning for Mobile Ro-bots Operating in Sparse Environments. Conf. on Robotics and Automation. — 1998.-P. 341-349.

240. Колушев Ф.А., Тимофеев А.В. Мультиагентные и локальные алгоритмы планирования маршрутов транспортных роботов в среде с препятствиями. СПб., 1998. - С. 49-57.

241. Колушев Ф.А., Тимофеев А.В. Мультиагентные алгоритмы планирования оптимальных маршрутов транспортных роботов в среде с препятствиями. — СПб., 1999.-С. 24-30.

242. Дубов Ю.А., Травкин С.И., Якимец В.Н. Многокритериальные модели формирования и выбора вариантов систем. М.: Наука, 1986. — 296 с.

243. Ногин В.Д. Принятие решений в многокритериальной среде: количественный подход. -М.: Физматлит, 2002. — 176 с.

244. Подиновский В.В. Об относительной важности критериев в многокритериальных задачах принятия решений // Многокритериальные задачи принятия решений. М.: Машиностроение, 1978. — С. 48-82.

245. Батыршин И.З. Принятие решений на базе нечетких отношений предпочтения и функций выбора // Нечеткие системы поддержки принятия решений. Калинин: КГУ, 1989. - С. 29-35.

246. Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике. М.: Радио и связь, 1990. - 288 с.

247. Кузьмин В.Б., Орлов А.И. Построение групповых решений в пространстве четких и нечетких бинарных отношений. -М.: Наука, 1982. 168 с.

248. Миркин Б.Г. Проблема группового выбора. — М.: Наука, 1974. 256 с.

249. Михалевич B.C., Трубин В.А., Шор Н.З. Оптимизационные задачи производственно-транспортного планирования. — М.: Наука, 1986. 264 с.

250. Налимов В.В., Чернова Н.А. Статистические методы планирования экстремальных экспериментов. М.: Наука, 1965. — 396 с.

251. Погонин В.А. Планирование действий роботов при неполной информации о среде // VI научная конференция ТГТУ. Тамбов, 2001. — 201 с.

252. Погонин В.А. Построение программы управления роботом в условиях неопределенности // Математические методы в технике и технологиях: Сб. тр. 15 Междунар. науч. конф. Тамбов, 2002. — Т. 2, Секция 2. - 148-150 с.

253. Громов Ю.Ю., Погонин В.А. Построения решений динамических роботизированных объектов в условиях неопределенности // Инженерная физика. -№4. -2002. -С. 7-10.

254. Погонин В.А. Задача гарантированной оптимизации в условиях неопределенности // Математические методы в технике и технологиях: Сб. тр. 15 Междунар. науч. конф. — Тамбов, 2002. Т. 2, Секция 2. — 150-152 с.

255. Погонин В.А., Косарев А.В. Микропроцессорный комплекс для автоматизации экспериментальных исследований // Приборы и техника эксперимента. 1990. -№ 1.-С. 11-12.

256. Розовский А.Я. Кинетика топохимических реакций. — М.: Химия, 1974.-320 с.

257. Семенов Н.Н. О некоторых проблемах химической кинетики и реакционной способности. М.: Химия, 1958. - 136 с.

258. Цыпкин Я.З. Робастность в системах управления и обработки данных // Автоматика и телемеханика. 1992. - № 1. - С. 165-169.

259. Цыпкин Я.З. Синтез робастно оптимальных систем управления объектами в условиях ограниченной неопределенности // Автоматика и телемеханика. 1992.-№ 9. - С. 139-159.

260. Musikant S. Optical materials. N.-Y. - 1985. - 257 p.

261. Czogala E. On the choice of optimal alternatives for decision making in probabilistic fuzzy environment // Fuzzy Sets and Systems. 1988. - Vol. 28. - P. 35—43.

262. Ralescu A.L., Ralescu D.A. Probability and Fuzziness // Information Sciences. 1984. - Vol. 34. - P. 85-92.

263. Бурдаков С.Ф., Перовский B.E. Управление движением колебательной системы в условиях неопределенности ее математического описания // Изв. РАН. Теория и системы управления. 1996. — № 3. - С. 41-46.

264. Infrated optical materials and fibers: SPIE-Intern. soc. for optical engineering.-1986.-P. 213.

265. Амосов В.И., Давыдов A.A. Перспективы использования кристаллов се-ленида цинка. М.: Электронная пром., 1985. - 120 с.

266. Беленко А.Е., Гаврищук Е.М., Даданов А.Ю. Оптические свойства высокочистого селенида цинка // Высокочистые вещества. 1989. - № 5. -С. 43-51.

267. Петровский Г.Т. и др. Оптические кристаллы и поликристаллы // Оптический журнал. 1993. - Т. 11. - С. 77-89.

268. Карлов Н.В., Сисакян Е.В. Оптические материалы для С02 лазеров // Изв. АН СССР: Сер. физическая. 1980. - Т. 8. - С. 1629-1632.

269. Аксеновских А.Я. и др. Структура и оптические свойства поликристаллического селенида цинка // Неорганические материалы. 1991. - Т. 27. -С.1176-1179.

270. Валов Ю.А. Способы осаждения селенида цинка из пара: Обзор № 3099. М.: ЦНИИинформации, 1982. - 60 с.

271. Лабораторный регламент процесса производства поликристаллических оптических материалов на основе селенида цинка. Л.: ГОИ, 1989. — 47 с.

272. Валов Ю.А. и др. Тепломассоперенос в процессе сублимации кристаллического селенида цинка в квазизамкнутом объеме. Мн.: ИТМО, 1987. — 39 с.

273. Девятых Г.Г., Крупкин П.Л., Гаврищук Е.М. Образование частиц в процессах газофазного химического осаждения // Высокочистые вещества. — 1989.-Т. 4.-С. 133-137.

274. Селенид цинка: Получение и оптические свойства. — М.: Наука, 1992. —92 с.

275. Афанасьев И.И. и др. Оптическая однородность поликристаллического селенида цинка // ОПМ. 1992. - Т. 2. - С. 51-52.

276. Носов Б.В. и др. Капометрические измерения объемного и поверхностного поглощения ИК материалов в области спектра 5-6 мкм // ОМП. — 1989. -№4.-С. 41-43.

277. Демиденко А.А. и др. Роль пассивной подложки при вакуумной сублимации поликристаллического селенида цинка // Высокочистые вещества. -1991.-Т. 1.-С. 103-105.

278. Бодров В.И., Погонин В.А., Гредитов А.В. Моделирование процесса получения оптических материалов на основе селенида цинка // ТОХТ. — 1997. — Т.31,№3.-С. 296-301.

279. Минкина В.Г., Попов В.П. Математическое моделирование процессов химического осаждения слоев селенида цинка // ТОХТ. 1994. - Т. 28, № 1. — С. 48-50.

280. Погонин В.А., Шиганцов В.А. Постановка задачи гарантированного управления процессом получения поликристаллических оптических материалов на основе селенида цинка // 2 Междунар. науч.-практ. конф.: Сб. тр. Новочеркасск, 2002. - Ч. 2. - С. 53-55.

281. Белова А.Н. и др. Исследование текстуры поликристаллов селенида цинка // Тр. ГОИ. JI., 1983. - Т. 54.-Вып. 188.-С. 119-120.

282. Бессарабов A.M., Родина Г.Л. Моделирование процессов химического осаждения // Высокочистые вещества. 1989. — Т. 4. — С. 132-135.

283. Богданов В.Б., Назаров Н.А. и др. Рефрактометрические характеристики поликристаллических материалов на основе селенида цинка // ОМП. -1987. -№ 10.-С. 10.

284. Болгарский А.В. и др. Термодинамика и теплопередача. — М.: Высш. шк., 1975.-495 с.

285. Лыков А.В. Теория теплопроводности. М.: Высш. шк., 1967. - 600 с.

286. Лыков А.В. Тепломассообмен: Справочник. М.: Энергия, 1978.480 с.

287. Нигматуллин Р.И. Динамика многофазных сред. М.: Наука, 1987. -Ч. 1.-464 с.

288. Лапин Ю.В., Стрелец М.Х. Внутреннее течение газовых смесей. -М.: Наука, 1989.-368 с.

289. Гравель Л.А., Новиков Ю.Б. ИК-поглощения кристаллов селенида цинка // Прикладная спектроскопия. 1979. - Т. 30, № 4. - С. 705-709.

290. Брызгалов А.Н. и др. Влияние особенностей микроструктуры поликристаллических образцов сульфида цинка на их оптические свойства // Неорганические материалы. 1989. - Т. 25, № 9. - С. 1430-1439.

291. Фриш С.Э. Оптические спектры атомов. М.: Энергоатомиздат, 1967.-625 с.

292. Слепченко Б.М. и др. Влияние межзеренных границ на ослабление потока излучения в поликристаллах ZnSe // ФТТ. 1990. - Т. 32, № 2. - С. 309314.

293. Сысоев В.К. Примесные поглощения в селениде цинка // ЖПС. -1985. Т. 34, № 6. - С. 1152-1154.

294. Погонин В.А., Гредитов А.В., Шиганцов В.А. Оптимизация процесса производства оптических материалов на основе селенида цинка // Вестник ТГТУ. 2002. - Т. 8, № 3. - С. 426-430.

295. V 296 Радышевская О.Н. Математическое моделирование кинетики сульфирования 2-нафтола серной кислотой // Прикладная химия. 1988. — № 7. -С.1540-1545.

296. Соль Шеффера: Технологический регламент производства // Предприятия п/я А-7568. Тамбов, 1987. - 112 С.

297. Rudolph A. Abramovitch Applications of microware energy in organic chemistry. A review // Organic preparations and procedures int. 1991. — Vol. 23. -P. 683-711.

298. Воронцов И.И., Иванов Л.М. О гидролизе 2,8 нафтолсульфокислоты в процессе сульфирования 2-нафтола // ЖПХ. — 1940. Т. 13, № 10. - С. 14711473.

299. Воронцов И.И. О сульфировании 2-нафтола серной кислотой // ЖПХ. — f 1948.-Т.21,№ 19.-С. 1002-1005.

300. Доналдсон Н. Химия и технология соединений нафталинового ряда. -М.: Госхимиздат, 1963. 655 с.

301. Raner K.D., Strauss C.R. Trainor a new Microwave Reactor for Batchwise Organic Synthesis // J. Org. Chem. 1995. - Vol. 60. - P. 2456-2460.

302. Cablewski Т., Faux A., Strauss C. Development and Application of a Continuos Microwave Reactor for Organic Synthsis // J. Org. Chem. 1994. -Vol. 59.-P. 3408-3412.

303. Gedye R., Smith F., Westaway K. // Rousell,Tetrahedron Lett. 1989. -Vol. 27. - P. 279-282.

304. Ельцов А.В. и др. Микроволновая активизация гетероциклизаций с участием карбоновых кислот // ЖОХ. 1989. - Т. 65, № 3. - С. 511-513.

305. Giguere R., Lopez В., Namen A. Abstracts of Papers. S.E. Regional Meeting, ABS. 1988. - P. 216-219.

306. Raner К., Strauss С. // J. Org. Chem. 1993. - Vol. 58. - P. 950-953.

307. Shibata C., Kashima T. Nonthermal influence of microware power on chemi-cal reactions//J. Appl. Phys. 1996. - Vol. 35, N 1. - P. 316-319.

308. Брыков A.C., Целинский И.В., Астафьев A.A. Сульфирование ароматических аминов в условиях микроволнового нагрева // ЖПХ. 1997. - Т. 10, №3.-С. 514-516.

309. Архангельский Ю.С., Девяткин И.И. Сверхвысокочастотные нагревательные установки для интенсификации технологических процессов. Саратов: СГУ, 1983.- 133 с.

310. Брыков А.С., Рикенглаз Л.Э., Целинский И.В., Астафьев А.А. Интенсификация твердофазных химических реакций, проводимых в условиях микроволнового нагрева // ЖПХ. 1997. - Т. 10, № 11. - С. 1855-1860.

311. Брыков А.С., Рикенглаз Л.Э., Целинский И.В., Астафьев А.А. К вопросу о кинетике твердофазных реакций, проводимых в условиях микроволнового нагрева, на примере изомеризации 1-нафтол-4сульфоната натрия // ЖПХ.1997.-Т. 10,№ 12.-С. 2022-2025.

312. Княжевская Г.С., Фирсова М.Г., Килькеев Р.Ш. Высокочастотный нагрев диэлектрических материалов. Л.: Машиностроение, 1989. - 138 с.

313. Пюшнер Г. Нагрев энергией сверхвысоких частот. М.: Энергия, 1978.-312 с.

314. Милованов О.С., Собенин В.Т. Техника сверхвысоких частот. М.: Атомиздат, 1980. - 464 с.

315. Пчельников Ю.Н., Свиридов В.Т. Электроника сверхвысоких частот. -М.: Радио и связь, 1981. 89 с.

316. Рогов И.А., Некрутман С.В. Сверхвысокочастотный нагрев пищевых продуктов. М.: Агропромиздат, 1986. - 351 с.

317. Калинин В.Ф., Погонин В.А., Щинов Э.В. Модель кинетики процесса гетерогенного сульфирования 2-нафтола серной кислотой // Вестник ТГТУ.1998. -№ 1.-С. 64-67.

318. Кемели Дж., Снелл Дж. Конечные цепи Маркова. М.: Наука, 1970. —271 с.

319. Too J.R., Fan L.T. Markov chain models of complex chemical rections in continuous flow reactors // Сотр. Chem. Engng. 1983. - Vol. 7, N 5. - P. 642-647.

320. Калинин В.Ф., Погонин B.A., Щинов Э.В. Математическое моделирование процесса получения кислоты Шеффера // ТОХТ. 2000. - Т. 34, № 6. -С. 644- 648.

321. Технические условия на соль Шеффера / Предприятие п/я А-7568. — 1981.-18с.

322. Обследование качества соли Шеффера в связи с пересмотром ТУ. Усовершенствование методик определения примесей в соли Шеффера: Отчет 8-1/2-81, предп. п/я А-7568. Тамбов, 1981. - 18 с.

323. Калинин В.Ф., Погонин В.А., Щинов Э.В. Микропроцессорная система управления СВЧ-реактором непрерывного действия // Информационные технологии в проектировании микропроцессорных систем: Междунар. науч.-техн. конф. / ИТ ПМПС. 2000. - С. 39-40.