автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Применение нечетких лингвистических регуляторов для управления сложными динамическими объектами

На правах рукописи

КУДРЯВЦЕВ Владислав Сергеевич

ПРИМЕНЕНИЕ НЕЧЕТКИХ ЛИНГВИСТИЧЕСКИХ РЕГУЛЯТОРОВ ДЛЯ УПРАВЛЕНИЯ СЛОЖНЫМИ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ

1

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Екатеринбург - 2003

Работа выполнена на кафедрах "Автоматика и управление в технических системах" и "Автоматика и информационные технологии" ГОУ ВПО "Уральский государственный технический университет - УПИ".

Научный руководитель - Заслуженный деятель науки и техники

РФ, действительный член АИН РФ, доктор технических наук, профессор В.Г. Лисиенко

Научный консультант - кандидат технических наук, доцент

Е.Э. Страшинин

Официальные оппоненты:

доктор технических наук, профессор Ю.И. Алимов доктор технических наук, профессор Л.Л. Богатырев

Ведущая организация -

РАКА ФГУП "Московский институт теплотехники", г. Москва

Защита состоится " 47" СкмлУрЛ 2003 года в 15*'-00 часов в аудитории Р-217 на заседании диссертационного совета К.212.285.02 при ГОУ ВПО "Уральский государственный технический университет - УПИ", по адресу: 620002, г. Екатеринбург, ул. Мира 32.

Отзывы на автореферат в двух экземплярах, заверенные печатью организации, просим направлять по адресу: 620002, Екатеринбург, ул. Мира 19, ГОУ ВПО УГТУ-УПИ, ученому секретарю.

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО УГТУ-

УПИ.

Автореферат разослан "(I " 2003 г.

Ученый секретарь

диссертационного совета, К.212.285.02 кандидат технических наук, доцент

В. А. Морозова

<4 £51 3

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. В современной теории автоматизации методы построения систем управления, основанные на нечеткой логике, нечетких множествах и лингвистических переменных, получают все большее распространение. Прежде всего, это обусловлено рядом преимуществ, которые предоставляют данные методы (далее - нечеткие методы) разработчику систем управления.

Одним из основных преимуществ нечетких методов является возможность работы с размытыми или плохо определенными данными, оперируя ими на более высоком уровне общности - уровне макрознания. Данное преимущество является очень важным при работе со сложными системами, для которых учет всех параметров традиционными методами является либо невозможным, либо чрезмерно трудоемким.

Поскольку теория лингвистической переменной предполагает описание моделей объектов и алгоритмов систем управления в терминах естественного языка, то это делает их прозрачными и легкими для понимания, облегчает дальнейшую эксплуатацию и модернизацию. Применение терминов естественного языка позволяет напрямую использовать знания экспертов предметной области или опытных операторов для построения моделей объектов и алгоритмов управления.

Нечеткие лингвистические регуляторы (HJ1P) являются нелинейными по своей природе и применимы для управления нелинейными объектами.

Нечеткие методы можно применять совместно с традиционными алгоритмами управления, используя наилучшие черты различных подходов.

Данные преимущества отмечаются многими исследователями и подтверждены как теоретическими изысканиями, так и практическими приложениями. Нечеткие методы переживают бурное развитие в Европе, Северной Америке, Китае, Японии, Корее. Становление нечетких методов происходило благодаря усилиям таких крупных ученых, как JI. Заде, М. Сугено, Т. Такаги, Е. Мамдани, Р. Ягер, Т. Терано и др. Первыми отечественными исследователями в этой области были М.А. Айзерман, A.B. Алексеев, И.И. Гольденблат, Б.Н. Петров, Г.М. Уланов и др. Свой вклад в развитие нечетких методов внесли Д.А. Поспелов, А.Н. Мелихов, А.Н. Аверкин, И.З. Батыршин, JI.C. Бернштейн, P.A. Алиев, З.Г. Салихов, А.Н. Каркищенко, Т.А. Дзюба, К.А. Пупков, Н.Д. Егупов и другие российские ученые. Тем не менее, HJIP распространены в России не так широко, как в зарубежных странах.

В условиях жесткой международной конкуренции применение нечетких методов должно повысить привлекательность отечественной продукции, снизить издержки при ее производстве.

Нечеткие методы продолжают интенсивно развиваться. Появляются публикации, описывающие новые нечеткие методы, а так же не исследованные ранее аспекты их использования. Таким образом, в настоящее время является актуальной задача по применению известных, а так^е (ОД^уэдАбиМДЗДовых

I БИБЛИОТЕКА I

1 С.Петербу»г

методов управления на основе HJIP, как для создания оригинальных систем управления, так и для улучшения существующих.

В данной работе применение НЛР рассматривается на примере построения систем управления двумя сложными динамическими объектами: системы регулирования реакционной температуры в процессе автоклавного выщелачивания бокситов и системы управления движением (системы автоведения) электроподвижного состава (ЭПС) монорельсовой дороги (МД).

Выбор этих объектов обусловлен тем, что они являются сложными, обладают размытыми и плохо определенными параметрами. Это позволяет использовать основные преимущества, предоставляемые НЛР. Кроме того, методы управления, разработанные для этих систем, могут быть использованы для многих других объектов управления. Разработка системы автоведения ЭПС МД выполнялась в соответствии с программой Правительства Москвы "Московский монорельсовый транспорт".

Объект исследования - нечеткие методы управления в технических системах.

Предмет исследования - методы управления сложными динамическими объектами с использованием НЛР.

Цель работы. Цель работы заключается в исследовании и разработке новых методов управления сложными динамическими объектами с помощью НЛР, а так же в их практическом применении.

Задачи исследования. Для достижения цели диссертационной работы были поставлены и решены следующие задачи:

1. Исследование методов управления с использованием НЛР, ориентируясь на построение системы управления температурой в процессе автоклавного выщелачивания и системы автоведения (CAB) рельсового транспортного средства.

2. Разработка новых методов управления с использованием НЛР для каждой из рассматриваемых систем управления.

3. Построение на базе разработанных методов системы управления температурой в процессе автоклавного выщелачивания и системы управления движением ЭПС монорельсовой дороги.

4. Исследование свойств полученных систем управления.

Методы исследований. В работе использованы методы теории нечеткой логики, нечетких множеств и лингвистических переменных, теории автоматического управления, системного анализа, вычислительного эксперимента, математического моделирования.

Научная новизна. Научная новизна работы состоит в разработке новых методов управления сложными динамическими объектами с помощью НЛР, а именно:

1. Разработана структура системы управления, состоящей из комбинированной системы управления и адаптивного НЛР, который компенсирует отклонения программной составляющей от реальной характеристики объекта.

2. Разработан и теоретически обоснован адаптивный НЛР, позволяющий компенсировать отклонения программной составляющей комбинированной системы от реальной характеристики объекта.

3. Создан и апробирован алгоритм управления температурой в процессе автоклавного выщелачивания на основе комбинированной системы управления и адаптивного НЛР.

4. Предложен новый подход к построению систем автоведения поездов, основанный, с одной стороны, на традиционном программно-вычислительном алгоритме, а с другой, на использовании НЛР.

5. На основе предложенного подхода разработан алгоритм автоведения электроподвижного состава монорельсовой дороги. Дано теоретическое и экспериментальное обоснование работоспособности алгоритма.

Практическая ценность работы. Метод построения управляющих систем, состоящих из комбинированной системы управления и адаптивного НЛР, применим ко многим существующим системам, так как системы управления на основе комбинированной структуры широко распространены. Во многих случаях улучшение существующих алгоритмов можно произвести с минимальными затратами на действующем программно-аппаратном обеспечении.

Метод построения систем автоведения электроподвижного состава монорельсовой дороги может быть применен для построения систем управления движением других рельсовых транспортных средств: пассажирских поездов, метрополитена и т.д.

Внедрение результатов. На основе результатов, полученных в данной диссертационной работе, реализован и внедрен алгоритм управления движением электроподвижного состава Московской монорельсовой дороги. Улучшен регулятор температуры во втором автоклаве батареи выщелачивания на Богословском алюминиевом заводе (г. Краснотурьинск). Материалы диссертации включены в учебные курсы для студентов радиотехнического факультета ГОУ ВПО УГТУ-УПИ.

Апробация результатов. Основные положения диссертационной работы докладывались на Всероссийской научной конференции "Управление и информационные технологии" УИТ 2003, на весенней отчетной научно-практической конференции аспирантов УГТУ (2002), на весенней отчетной научно-практической конференции аспирантов УГТУ (2001).

Публикации. По теме диссертации опубликовано 7 работ, в том числе 4 статьи.

Структура диссертации. Диссертационная работа состоит из введения, трех глав, заключения, приложений и библиографического списка из 101 наименования. Содержит 145 страниц машинописного текста, включает 61 рисунок и 6 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении кратко описываются основные достоинства нечетких методов. Обосновывается актуальность темы диссертационной работы,

формулируются цели и задачи исследования, отмечается научная новизна и практическая ценность полученных результатов. Дается краткая аннотация содержания работы по разделам.

Первая глава посвящейа обзору нечетких методов. В начале главы кратко рассматривается история их создания, обозначаются основные вехи развития и ведущие исследователи. Далее, во избежание неоднозначностей в трактовке основного материала, бегло излагаются базовые понятия нечетких методов.

Во второй главе рассматривается применение адаптивного НЛР для управления реакционной температурой в процессе автоклавного выщелачивания бокситов. Описывается процесс автоклавного выщелачивания. Показывается его сложность и плохая определенность. Отмечается, что температура является важнейшим фактором, влияющим на качество и выход глинозема. Повышение реакционной температуры выщелачивания приводит к значительному улучшению извлечения продукта. С другой стороны, максимальная допустимая реакционная температура определяется температурой кипения пульпы при текущем давлении в автоклавной батарее. Вскипание пульпы приводит к долговременному ухудшению всей технологической цепочки получения глинозема и, следовательно, к значительным материальным потерям. При этом, контур управления температурой содержит ряд особенностей, затрудняющих построение системы управления: имеет место существенное транспортное запаздывание (порядка 58 минут); объект является нелинейным; параметры объекта меняются с течением времени; в объекте существует внутренняя обратная связь; присутствует низкочастотная колебательная составляющая расхода пульпы на батарею.

Рассматривается существующий алгоритм регулирования реакционной температуры выщелачивания, разработанный и реализованный Уральским филиалом ЗАО "РТСофт". Показывается, что он реализован по принципу комбинированной системы управления. Структура комбинированной системы управления изображена на рис. 1.

КК..Х...К

Рис. 1. Комбинированная система с программной составляющей, у, -задающее воздействие, у - выход объекта управления, и - управляющее воздействие; - выход регулятора; Р - программная составляющая; А,,..., А, -измеряемые возмущения; Я,^.....- не измеряемые возмущающие воздействия.

Для системы регулирования реакционной температуры выщелачивания в качестве у, используется требуемая реакционная температура. В качестве

управляющего воздействия и выступает расход острого пара на автоклавную батарею. Для вычисления программной составляющей используются формулы (1) - (3), предложенные специалистами филиала "БАЗ" ОАО "СУАЛ":

пар тт тт > (У

пар пк

где - расчетное значение массового расхода пара, т/ч; Т3 - уставка температуры пульпы во втором автоклаве, "С; Тю - температура сырой пульпы на входе в батарею, °С; £)„- расход сырой пульпы на батарею, м^ч; р„-плотность сырой пульпы, т/м3; С„ - теплоемкость сырой пульпы, Дж/кг °С; Нщ, - удельная энтальпия пара, Дж/кг; Нпк - удельная энтальпия парового конденсата, Дж/кг.

Н^ =4184.(549.97-20.13-/^ + 0.759-7^ +0.0466-^-Т^ -0.3-РД, -0.000468-Т^) (2)

Нт =4602.4-Т,, (3)

где Рпар - давление пара на входе в батарею, Па; Тпар - температура пара на входе в батарею, "С.

В качестве регулятора, парирующего не измеряемые возмущения, используется ПИ-регулятор.

Предложенная система управления оказалась эффективной и позволила добиться хорошего качества регулирования. Тем не менее, из-за изменения параметров объекта управления, с течением времени качество управления снижалось, что приводило к необходимости подстраивать параметры регулятора. Значительное влияние на качество управления оказывало отклонение формул (1) - (3) от реальной характеристики объекта.

Так как существующий алгоритм управления на практике доказал свою работоспособность, а кроме того, уже был реализован на определенной программно-аппаратной платформе как часть комплексной системы АСУ ТП, было принято решение применить нечеткие методы для улучшения системы регулирования температуры, используя имеющиеся аппаратные средства и внося, по возможности, меньшие изменения в программное обеспечение.

В диссертационной работе рассмотрены варианты улучшения комбинированной системы управления с использованием НЛР, предлагаемые различными исследователями. Отмечается, что основные усилия исследователей направлены на улучшение П, ПИ, ПД и ПИД-регуляторов, используемых как часть комбинированной системы. Тем не менее, для исследования представляют интерес нечеткие методы улучшения программной составляющей комбинированной системы, тем более что этот вопрос слабо освещен в литературе. Существует возможность значительно улучшить качество систем со структурой, изображенной на рис. 1, если в процессе работы уточнять зависимость программной составляющей управляющего воздействия от измеряемых параметров. Это позволит не только исправить изначально заложенные в вычислительную формулу погрешности, но и приспосабливаться к изменению параметров объекта в процессе функционирования системы.

Для уточнения зависимости программной составляющей от измеряемых параметров в диссертационной работе предлагается использовать адаптивный НЛР. При этом структура системы управления принимает следующий вид:

Рис. 2. Комбинированная система с адаптивным НЛР, компенсирующим отклонения программной составляющей от реальной характеристики объекта, у, - задающее воздействие; у - выход объекта; и - управляющее воздействие; игг - выход регулятора; Р - программная составляющая; -

коррекция программной составляющей адаптивным НЛР; Я,.....А,

измеряемые, а Хи......Хп - не измеряемые возмущающие воздействия.

Пусть программная составляющая комбинированной системы управления является функцией Р(у3,Л1,Л7,...,Л/), где у3 - задающее воздействие, некоторые измеряемые возмущения. Тогда адаптивный НЛР должен аппроксимировать зависимость:

= .....Ю-Пу,,^,...,'I,), (2.9)

где Ров - реальная статическая характеристика объекта. Поскольку функция АР

зависит от не измеряемых параметров Л,,,.....Я„, то для успешной

аппроксимации необходимо, чтобы не измеряемые параметры менялись значительно медленнее, чем происходит процесс обучения нечеткого регулятора. В этом случае выражение (2.9) можно переписать в следующем виде:

где Рл и, соответственно, АР зависят только от измеряемых возмущений, но при этом медленно меняются со временем.

Так как адаптивный НЛР предназначен для работы в существующей системе управления, которая и без того загружена управляющими программами, к нему предъявляются требования экономного использования памяти и вычислительных ресурсов.

В работе исследуются различные варианты построения адаптивных НЛР. Показывается, что наилучшими адаптивными НЛР с точки зрения затрат памяти и вычислительных ресурсов являются НЛР с динамическим построением базы правил. Однако известные НЛР с динамическим построением базы правил невозможно применить, так как они предназначены для работы по замкнутому контуру в качестве основных регуляторов управляющей системы. В вязи с этим, возникает необходимость разработки новых адаптивных НЛР, отвечающих поставленной задаче.

Разработка нового адаптивного НЛР начинается с исследования работы комбинированной системы управления. Показывается, что в установившемся режиме:

АР' = «V (6)

Таким образом, существует возможность получить значения функции, корректирующей программную составляющую, наблюдая выход традиционного регулятора комбинированной системы в установившемся режиме.

Базу правил адаптивного НЛР предлагается формировать, используя принцип, предложенный Антонио Дорадо и Хоаной Матос Диас. В посылке каждого правила находится вектор Бг = (>>3Д,...Д,) - четкий вектор параметров вычисления программной составляющей, а в заключении - значение требуемого корректирующего воздействия иг. Посылке Бг правила г ставится в соответствие нечеткое множество 5,. Базовой шкалой для этого нечеткого множества является множество Я1+', где Я - множество действительных чисел, а 1+1 -количество параметров вычисления программной составляющей. Функция принадлежности нечеткого множества Я, находится по формуле:

(х) = шах

'о, 1-1^

V Апах

(7)

где хек; (х) - функция принадлежности нечеткого множества 5,; || || -операция взятия евклидовой нормы в пространстве Д/+/; О^ - параметр, определяющий расстояние, на котором степень принадлежности некоторого вектора х к нечеткому множеству отлична от ноля. Введенные таким образом функции принадлежности являются расширением функций принадлежности треугольной формы скалярного аргумента.

Лингвистические правила НЛР предлагается записывать следующим образом: "Если вектор текущих параметров вычисления программной

составляющей примерно равен 5„ то корректирующее воздействие примерно равно и". Степень истинности посылки каждого правила находится как степень принадлежности текущего вектора параметров вычисления программной составляющей к нечеткому множеству .

В качестве метода нечеткого вывода предлагается использовать принцип Такаги-Сугено, как наиболее естественный и вычислительно простой при использовании в заключении правил четких значений, а не лингвистических переменных. При этом выход НЛР определяется формулой:

где Цг - степень истинности посылки правила г, иг - заключение правила г.

В диссертационной работе доказывается, что предлагаемый нечеткий регулятор является универсальным аппроксиматором, т.е. он способен представлять функцию нескольких переменных в некоторой области с произвольно высокой точностью. Точность представления определяется величиной параметра Отах, а минимальное количество правил, необходимых для представления функции, равно минимальному количеству гиперкубов с

высотой а = -у—^у, покрывающих требуемую область определения.

Как упоминалось ранее, адаптивный НЛР способен находить правила, наблюдая за поведением комбинированной системы. При этом нет необходимости оценивать эффективность полученного правила, так как все правила НЛР в момент добавления являются одинаково эффективными. С другой стороны, функция АР (у,, Я;) медленно меняется со временем. Это означает, что со временем правила могут перестать соответствовать функции АР (у3, Я],..., -I/) и потеряют свою эффективность. Следовательно, при отсутствии свободного места в базе правил, новое правило должно замещать правило помещенное в базу раньше других.

Предлагается ограничить максимальное количество правил в базе для того, чтобы, во-первых, ограничить используемые ресурсы памяти, а во-вторых, обеспечить постепенное вытеснение старьте правил новыми и, следовательно, постоянное обучение НЛР. Даже если для какой-либо ситуации не найдется подходящего правила, система управления будет функционировать как обычная комбинированная система. С другой стороны, для точек покрытых правилами удастся улучшить качество регулирования.

Обучение адаптивного нечеткого регулятора может осуществляться как при его одновременном участии в процессе регулирования, так и без него. В случае если нечеткий регулятор участвует в процессе управления, как представлено на рис. 2, в установившемся режиме справедливо равенство:

(8)

Г

Соответственно формула (6) преобразуется к виду:

АР* = иг$ +АР}. (Ю)

Выражение (10) означает, что при обучении нечеткого регулятора в процессе управления, заключение нового правила должно вычисляться как сумма выхода традиционного регулятора комбинированной системы и выхода нечеткого регулятора. Заметим, что при добавлении нового правила, выход НЛР изменится, соответственно, изменится суммарное управляющее воздействие. При этом объект получит возмущение, которое традиционному регулятору придется устранять. Во избежание описанной ситуации, одновременно с добавлением нового правила подсистема обучения должна уменьшить выход традиционного регулятора на величину изменения выхода нечеткого регулятора после добавления правила. Это накладывает определенные ограничения на традиционный регулятор комбинированной системы. Однако для стандартных И, ПИ, ПИД регуляторов изменить выходное значение можно путем модификации памяти интегратора.

Сжато сформулируем порядок работы подсистемы обучения нового адаптивного НЛР.

1. Подсистема обучения ожидает наступления установившегося режима системы.

2. Если установившаяся величина превышает заданный порог 5, то в базу правил вносится новое правило, в посылке которого находится вектор

текущих значений (у„ Ли..., Л¡), а в заключении и^ + АР}.

3. Если база правил уже заполнена, то новое правило замещает правило, помещенное в базу раньше других.

4. Память интегратора традиционного регулятора изменяется на величину изменения выхода нечеткого регулятора после добавления нового правила.

В диссертационной работе описываются эксперименты, проведенные с предлагаемой системой управления. В простейшем случае, рассматривалась комбинированная система управления, программная составляющая которой рассчитывалась по единственному параметру - значению задающего воздействия. В качестве регулятора использовался ПИ-регулятор. Модель объекта представляла собой инерционное звено с блоком транспортного запаздывания. В исходную систему управления был добавлен предлагаемый адаптивный НЛР, который содержал единственный вход - у3. Внешний вид результирующей системы приведен на рис 3.

Рис. 3. Система с адаптивным нечетким регулятором (блок Fuzzy)

Так как ПИ-регулятор предназначен для устранения отклонений программной составляющей от реальной характеристики объекта и устранения возмущений, в систему вводится ключ Ж, который отключает ПИ-регулятор на время Ты ~ Т3 + ЗТ0 после смены задающего воздействия. Для имитации ухода характеристики объекта от программной составляющей, К0 принимался равным

\3Kprog.

В процессе экспериментов сравнивалась работа обычной комбинированной системы и системы с адаптивным НЛР. Для этого через определенные промежутки времени случайным образом менялось задающее воздействие на входе каждой из систем управления. На начальном этапе функционирования, показатели качества обеих систем управления практически совпадали. Однако уже после нескольких смен уставок, показатели качества системы управления с адаптивным нечетким регулятором стали значительно лучше, чем у обычной системы управления (см. рис. 4).

а) б)

Рис. 4. Вид переходного процесса для обычной комбинированной системы (штрих-пунктирная линия) и для системы с адаптивным НЛР (пунктирная линия). Уставка - сплошная линия. Вертикальная пунктирная линия соответствует моменту времени, когда выход объекта начинает изменяться под воздействием ПИ-регулятора. а) - на начальном этапе работы, б) - после нескольких смен уставки

Для сравнения работы систем использовались значения интеграла квадрата ошибки переходного процесса и время попадания в дельта-трубку 5%. После обучения, интеграл квадрата ошибки для системы с адаптивным НЛР становится в два - три раза меньше, чем для исходной системы. Время попадания в дельта-трубку для системы с НЛР становится меньше в 1.5 - 2 раза.

Предложенный метод был опробован на температурной модели автоклавного выщелачивания. Используемая модель представляла собой последовательно соединенные инерционное звено и звено транспортного запаздывания. Коэффициент пропорциональности модели вычислялся исходя из уравнений теплового баланса (формулы (1) - (3)):

^ -4602.4+л -а -С.)

В качестве традиционного регулятора комбинированной системы использовался ПИ-регулятор. Программная составляющая вычислялась по формулам (1), (2) и (3).

Так как в рассматриваемом случае программная составляющая вычисляется на основе нескольких параметров: температура и давление пара, расход и температура пульпы на входе в батарею, требуемая температура во втором автоклаве, то и адаптивный НЛР получает на входе 5 значений.

Имитация изменения параметров объекта осуществлялась введением в формулу (11) дополнительного коэффициента, например:

(12)

Для оценки работы метода проводились численные эксперименты на температурной модели автоклавной батареи как для нового алгоритма управления с использованием адаптивного нечеткого регулятора, так и для исходного алгоритма. При этом случайным образом изменялись параметры вычисления программной составляющей (кроме задающего воздействия - у3 -сош). Результаты работы обеих систем приведены на рис. 5:

т,°с

а) б)

Рис. 5. Результаты работы комбинированной системы управления - а) и комбинированной системы управления совместно с адаптивным НЛР - б).

В начале эксперимента графики для обычной комбинированной и для системы с адаптивным нечетким регулятором совпадают. В конце - система с адаптивным нечетким регулятором отрабатывает возмущения гораздо лучше, чем обычная комбинированная система. В процессе работы система обучения создала всего 9 правил.

В настоящее время адаптивный НЛР реализован в виде шаблона класса на языке С++, что позволяет его использовать практически в любой ОС реального времени. Полностью подготовлена практическая реализация данного НЛР в

системе регулирования температуры в процессе автоклавного выщелачивания на Богословском алюминиевом заводе ОАО "СУАЛ".

В третьей главе рассматривается построение НЛР для управления движением электроподвижного состава (ЭПС) монорельсовой дороги (МД).

Разработка систем автоведения (CAB) является важной народнохозяйственной задачей, которой уделяется большое внимание во всем мире. Проблемами автоведения в нашей стране занимаются многие специализированные институты: МИИТ, ВНИИЖТ, МИТ, ОАО "Монорельсовые дороги", НПО Автоматики и другие. Значительный вклад в развитие систем автоведения внесли Л.А. Баранов, В.М. Лисенков и многие другие отечественные исследователи.

Системы автоведения поездов предназначены для автоматизации управления движением поездов, включая пуск и разгон, выбор режима ведения поезда на перегонах, подтормаживание при выполнении ограничений скорости, прицельное торможение у платформ, открытие и закрытие дверей, сбор и обработку информации о движении поезда

Алгоритмы автоведения должны обеспечивать высокую точность движения по времени, строгое соблюдение ограничений скорости, точность позиционирования состава на станции. Кроме того, к алгоритмам автоведения пассажирских поездов предъявляются требования высокой комфортности для пассажиров.

В третьей главе приводятся общие сведения о системах автоведения. Показывается, что одним из параметров классификации CAB является тип управляемого состава. Электроподвижной состав монорельсовой дороги как объект управления обладает рядом отличий от составов других типов. Разработка CAB ЭПС МД в отечественной практике осуществляется впервые (разработку ведет ФГУП НПО Автоматики, г. Екатеринбург).

ЭПС МД является сложным объектом управления. На его характеристики влияет множество факторов: масса пассажиров, состояние трассы, погодные условия и др. Это делает востребованными преимущества нечетких методов при работе со сложными, плохо определенными системами. Известны успешные зарубежные применения НЛР для управления движением рельсовых транспортных средств.

В диссертационной работе проведено исследование традиционных алгоритмов автоведения. Алгоритмы автоведения состоят из двух основных этапов: управление движением на перегоне и управление прицельным торможением. Наиболее перспективными традиционными алгоритмами автоведения на перегонах являются так называемые программно-вычислительные алгоритмы. Порядок работы программно-вычислительного алгоритма заключается в следующем. На каждом вычислительном цикле текущая скорость движения предполагается равной скорости стабильного движения. Для этой скорости рассчитывается время хода состава по перегону, предполагая, что дальнейшая траектория будет состоять из режимов стабилизации, выбега, торможения и разгона с учетом всех предстоящих ограничений скорости. Если полученное расчетное время хода оказывается

больше времени оставшегося до прибытия, то осуществляется разгон с максимальной тягой, пока расчетное и оставшееся время до прибытия не сравняются, после чего происходит переход на режим поддержания скорости. Одновременно с регулированием времени хода выполняется контроль ограничений по скорости. Для этого вычисляется тормозной путь, необходимый для сброса скорости до значения предстоящего ограничения. Если расстояние до ограничения становится меньше, чем длина тормозного пути, то осуществляется торможение с максимальной интенсивностью. Когда текущая скорость становится равной значению ограничения, то осуществляется переход к режиму стабилизации скорости.

Задача прицельного торможения состава на станции для алгоритмов автоведения, как правило, решается заданием замедления в зависимости от расстояния до станции в соответствии с заранее рассчитанными программными значениями. Хороших показателей по точности остановки удалось добиться в CAB Петербургского метрополитена, где применяется торможение в два этапа.

Исследование алгоритма управления на основе HJIP, предложенного японскими учеными Ясунобу, Миямото и др., показало, что применение НЛР в системе автоведения позволяет добиться высокой точности как по времени хода, так и по конечному положению состава на станции. При этом обеспечивается высокая безопасность движения и комфортабельность для пассажиров. Вместе с тем, предложенный Ясунобу и др. алгоритм управления, не применим к CAB ЭПС МД, так как значительно ориентирован на дискретное управление тягой состава, в то время как ЭПС МД позволяет регулировать тягу плавно.

В диссертационной работе совмещается отечественный опыт построения алгоритмов автоведения с опытом японских коллег и разработан метод управления движением ЭПС МД на основе программно-вычислительного алгоритма и нечетких методов. При использовании традиционных методов управляющие решения принимались на основе операций сравнения, результатом которых были два возможных значения: "истина" или "ложь". При этом незначительные изменения состояния объекта могли приводить к противоположным управляющим решениям. Это сказывалось на качестве процессов управления и приводило к снижению комфортабельности, повышению расхода электроэнергии, снижению ресурса оборудования. Применение разработанных в диссертационной работе нечетких методов позволит устранить эти недостатки и сделать алгоритм управления более робастным - устойчивым к изменению параметров объекта управления. Основой нового алгоритма является нечеткий регулятор, который с помощью заложенных в него правил по значениям входных лингвистических переменных выносит суждение о необходимой величине управляющего воздействия -ускорении состава. Правила нечеткого регулятора соответствуют интуитивным соображениям по управлению движением. Структурная схема алгоритма приведена на рис. 6.

В процессе управления нечеткий регулятор решает следующие задачи:

1. Поддержание требуемого темпа для прибытия на станцию вовремя. Для решения этой задачи используется вход Ж нечеткого регулятора и лингвистическая переменная «Отклонение по времени».

2. Соблюдение ограничений по скорости. Для решения этой задачи используется вход регулятора ¿Vи лингвистическая переменная «Ограничение скорости». Кроме того, для заблаговременного снижения скорости перед ограничением используется вход Л5 и соответствующая лингвистическая переменная «Начало сброса скорости».

3. Прицельное торможение. Для решения этой задачи используются входы БепЛ и К, с соответствующими лингвистическими переменными «Конец перегона» и «Текущая скорость».

Рис. б. Структурная схема алгоритма. БПВ - Блок Прогноза Времени в пути; БПНТ - Блок Прогноза Начала Торможения перед ограничением скорости; Диаграмма ограничений скорости представляет собой множество пар <Sh Утш>. Si - позиция начала ограничения по скорости, V^a, - значение ограничения на i- м участке, Vmaxj - текущее ограничение скорости; L - длина перегона; tosi — время до прибытия поезда вовремя; tprogn - прогнозируемое время прибытия на станцию при стремлении поддерживать текущую скорость; At -оценка отклонения по времени от расписания; AS - оценка расстояния до начала сброса скорости перед ограничением; AV- превышение скорости; V-текущая скорость; Se^- расстояние до конца перегона

Вход нечеткого регулятора At (см. рис. 6) показывает, на сколько состав отклонится от расписания по времени, если будет стремиться поддерживать текущую скорость V, с учетом предстоящих ограничений скорости. Другими словами, этот вход позволяет нечеткому регулятору принять решение - надо ли изменять текущую скорость, для того, чтобы прибыть вовремя.

Четкое значение входа определяется по формуле:

1ргорп

где ¡о,, - оставшееся время для движения, ¿ргсвл - оценка времени, которое потребуется составу для проезда перегона.

Связанная с параметром А/ лингвистическая переменная "Отклонение по времени" характеризуется следующими нечеткими переменными: "Опоздание" - соответствует состоянию, когда сохранение текущей скорости приведет к опозданию; "Вовремя" - текущая скорость позволяет прибыть вовремя; "Опережение" - сохранение текущей скорости приведет к прибытию слишком рано. Функции принадлежности (ФП), соответствующие нечетким переменным приведенным выше, изображены на рис. 7.

Рис. 7. ФП нечетких переменных, характеризующих лингвистическую переменную "Отклонение по времени". <¡1 - параметр функций принадлежности

Отметим, что для всех нечетких переменных используются ФП треугольного вида. Данное решение обосновано простотой задания этих функций и минимальными вычислительными затратами на их реализацию. При этом, как показали эксперименты, ФП треугольного вида обеспечивают хорошее качество управления. Параметры ФП изначально задавались исходя из смысла соответствующих нечетких переменных. В процессе экспериментов параметры настраивались таким образом, чтобы обеспечить требуемое качество управления.

Поскольку ускорение состава ограничено, то в случае, если поезд приближается к участку пути с максимальной разрешенной скоростью меньшей, чем текущая скорость состава, необходимо снизить скорость заблаговременно. Если за этим участком следует участок с более жестким ограничением, то, возможно, что необходимо начинать торможение в соответствии с ограничениями второго участка, а может быть третьего и т.д. Для всех предстоящих ограничений выполняется оценка минимального расстояния, на котором еще можно выполнить торможение:

Опоздание

Опережение

-¡¡1 О <¡1

(14)

где V - текущая скорость, Р/ - значение будущего ограничения скорости, а, -значение рекомендуемого замедления. Далее вычисляется Д5 - расстояние до начала сброса скорости:

Д5 = шт(5(-5-5/т1П),

(15)

где 5/ - координата наступления /-го ограничения скорости, в - текущее положение.

Для входа вводится лингвистическая переменная "Начало сброса скорости", которая характеризуется следующими нечеткими переменивши: "Далеко" - соответствует ситуации, когда начинать торможение рано; "Рядом" -необходимо тормозить. ФП для приведенных выше нечетких переменных изображены на рис. 8.

Еще одной характеристикой, влияющей на управление движением, является отклонение текущей скорости от максимально допустимой на данном участке.

(16)

где V - текущая скорость; Утах) - ограничение скорости на текущем участке.

Для входа А V вводится лингвистическая переменная "Ограничение скорости", которая характеризуется следующими нечеткими переменными: "Превышается" - соответствует ситуации, когда происходит превышение скорости; "Соблюдается" - скорость в норме. ФП для приведенных выше нечетких переменных изображены на рис. 9.

Д5,м

Рис. 8. ФП нечетких переменных, характеризующих лингвистическую переменную "Начало сброса скорости". ¿2, <¡3 - параметры функций принадлежности

. , ДГ,м/с

а4 а5

Рис. 9. ФП нечетких переменных, характеризующих

лингвистическую переменную

"Ограничение скорости". ¿4, <1з -параметры функций принадлежности

Лингвистические переменные "Конец перегона" и "Текущая скорость", которые соответствуют входам нечеткого регулятора и V (см. рис. 6), используются для осуществления прицельного торможения.

Для выполнения точной и полной остановки на станции, производятся следующие действия. В массив ограничений скорости вводится дополнительное ограничение <Ь - 5; 2.0 м/с>, где Ь - длина перегона. Таким образом, регламентируется, что при приближении к точке останова на 5 м, скорость состава не должна превышать 2,0 м/с. На небольшом интервале пути состав медленно приближается к заданной позиции на станции. На малом расстоянии от точки останова в действие вступают правила остановки нечеткого регулятора, которые и выполняют полную остановку состава.

Базовой шкалой для лингвистической переменной "Конец перегона" является величина = Ь - 5, где Ь - длина перегона, а 5 - текущее положение состава. Лингвистическая переменная "Конец перегона" характеризуется единственной нечеткой переменной "Близко". Вид ФП соответствующего нечеткого множества приведен на рис. 10. Лингвистическая переменная -"Текущая скорость", характеризуется единственной нечеткой переменной "Вперед" (см. рис. 11).

ft d7 Sgnd, м 0 V, м/с

Рис. 10. ФП, характеризующая Рис. 11. ФП, характеризующая

нечеткую переменную "Близко". dj - нечеткую переменную "Вперед", dg -

параметры функции принадлежности параметр функции принадлежности

Нечеткий регулятор содержит единственную выходную лингвистическую переменную: "Требуемое ускорение". Нечеткие переменные данной лингвистической переменной реализованы в виде синглтонов (четких значений). Нечеткой переменной "Тормозить" соответствует значение а = - а^, нечеткой переменной "Сохранять скорость" соответствует а - 0 и нечеткой переменной "Ускоряться" а = + а^, где а^ = 1 м/с2 - максимальное допустимое ускорение состава.

База правил нечеткого регулятора состоит из восьми правил, соответствующих интуитивным соображениям по управлению движением состава. В терминах введенных лингвистических переменных их можно записать следующим образом:

1. ЕСЛИ "Отклонение по времени" - "Опоздание" И "Начало сброса скорости" -

"Далеко" И "Ограничение скорости" - "Соблюдается" И "Расстояние до станции" - НЕ "Близко", ТО "Требуемое ускорение" - "Ускоряться";

2. ЕСЛИ "Начало сброса скорости" - "Рядом" И "Конец перегона" - НЕ

"Близко", ТО "Требуемое ускорение" - "Тормозить";

3. ЕСЛИ "Отклонение по времени" - "Вовремя" И "Начало сброса скорости" -

"Далеко" И "Ограничение скорости" - "Соблюдается" И "Конец перегона" - НЕ "Близко", ТО "Требуемое ускорение" - "Сохранять скорость";

4. ЕСЛИ "Отклонение по времени" - "Опережение" И "Конец перегона" - НЕ

"Близко", "Требуемое ускорение" - "Тормозить";

5. ЕСЛИ "Ограничение скорости" - "Превышается" И "Конец перегона" - НЕ

"Близко", ТО "Требуемое ускорение" - "Тормозить";

6. ЕСЛИ "Текущая скорость" - "Вперед" И "Конец перегона" - "Близко", ТО

"Требуемое ускорение" - "Тормозить";

7. ЕСЛИ "Текущая скорость" - НЕ "Вперед" И "Конец перегона" - "Близко", ТО

"Требуемое ускорение" - "Сохранять скорость";

8. ЕСЛИ "Текущая скорость" - НЕ "Вперед" И "Конец перегона" - НЕ "Близко",

ТО "Требуемое ускорение" - "Ускоряться";

В качестве операций нечеткого "И" и "ИЛИ" используются операции MIN и МАХ соответственно, операции "НЕ" 1-а. В заключениях правил находятся синглтоны - многочлены первого порядка от входных параметров нечеткого регулятора. Результирующее ускорение вычисляется по формуле Такаги-Сугено:

>

Х/Л

—-П—, 07)

2>.

1-1

где о - степень истинности 1-го правила, щ - синглтон в заключении /-го правила (значение ускорения).

В диссертационной работе проведен теоретический анализ предложенного алгоритма управления. А именно, рассмотрено поведение НЛР в различных типовых ситуациях. Для этого в формулу (17) подставляются значения степеней истинности правил, соответствующие анализируемой ситуации.

Доказывается, что при необходимости выполнять текущее ограничение скорости, НЛР выступает в роли П-регулятора скорости. При этом эквивалентную структуру управления можно изобразить следующим образом:

Рис. 12. Эквивалентная структура управления нечеткого лингвистического регулятора при движении на участке с ограничением скорости. Ута# - текущее ограничение скорости, атах - максимально допустимое ускорение состава

Выбирая параметры й4 и (15, можно добиться требуемого коэффициента усиления П-регулятора, а так же необходимого запаса регулирования.

Если рассмотреть работу регулятора перед наступлением очередного ограничения скорости, то эквивалентная система управления примет вид:

а

Объект

Рис. 13. Эквивалентная структура управления нечеткого лингвистического регулятора при подъезде к участку с ограничением скорости.

Из эквивалентной структуры вытекает, что перед наступлением очередного ограничения скорости нечеткий регулятор стремится привести скорость в соответствие программному значению ^(57, которое зависит от расстояния до ограничения. При этом разность параметров 4з и определяет интенсивность управления, а их сумма влияет на запас регулирования по скорости. Программная кривая сброса скорости У3(5) соответствует замедлению с ускорением равным по модулю а3 из формулы (14).

Аналогичным образом показывается, что на заключительном этапе торможения, предлагаемый НЛР выступает в роли П-регулятора скорости, причем программная уставка зависит от расстояния до точки останова и вычисляется по формуле:

у (с \ _ л ^ем ¿6 «7-«6

(18)

При этом коэффициент усиления зависит как от параметра функций принадлежности лингвистической переменной "Текущая скорость", так и от значений У,(8е„4> и текущей скорости состава V. В диссертационной работе показывается, что настраивая параметры й6, с17 и можно добиться компромисса между интенсивностью торможения и точностью позиционирования состава.

Рассматривается движение состава вдали от ограничений скорости и конца перегона. В этом случае нечеткий регулятор выступает в роли П-регулятора времени (см. рис. 14).

ы

4 а V

1/— атю —^

4 Объект 5 БПВ

Рис. 14. Эквивалентная система управления нечеткого лингвистического регулятора по регулированию времени хода. Тгщжг - требуемое врет проезда перегона, БПВ - блок предсказания времени в пути

Коэффициент усиления регулятора зависит от параметра ^ функций принадлежности лингвистической переменной "Отклонение по времени".

Проведенный анализ позволил подчеркнуть достоинства применения НЛР. Даже при упрощенном рассмотрении, НЛР представляет собой взаимодействие четырех пропорциональных регуляторов, каждый из которых берет на себя управление в соответствующей ситуации. Кроме того, для пропорциональных регуляторов с переменной уставкой НЛР обеспечивает формирование задающего воздействия. При этом вся эта сложная управляющая структура естественно и компактно описывается восемью правилами и одиннадцатью нечеткими переменными. Для настройки функций принадлежности нечетких переменных и всего НЛР используется восемь

параметров, которые позволяют задать не только коэффициенты усиления регуляторов, но и запас регулирования. Кроме того, использование графического представления функций принадлежности позволяет сделать настройку параметров регулятора наглядной и интуитивно понятной процедурой.

Проверка Ш1Р проводилась на комплексной модели ЭПС, которая учитывала ограничения тягового линейного электропривода и гидравлического тормоза. Моделировалось действие сил уклона участка, сил сопротивления движению. Кроме того, учитывались погрешности измерения пути и скорости. Вычислительные эксперименты проводились для различных трасс с различными временами хода и с переменной массой состава. График одного из

перегону (участок строящейся трассы станция метро Тимирязевская-ВДНХ) для времени в пути 135 с (слева) и 140 с (справа). Сплошная линия - скорость состава. Пунктирная - ограничения скорости. Штрих-пунктирная линия обозначает конец перегона

В процессе моделирования было выявлено следующее:

1. Электроподвижной состав соблюдает все ограничения по скорости.

2. Состав останавливается на станции с высокой точностью по времени -погрешность не более ±2.3 с для различных заданных значений времени в пути, с массой состава от минимальной до максимальной расчетной.

3. Состав останавливается на станции с высокой точностью по позиционированию. Погрешность для различных значений массы состава и заданных времен в пути не превышает ±15 см.

4. Состав выбирает среднюю скорость движения на перегоне. Движение, по возможности, осуществляется с постоянной скоростью, что должно обеспечить высокий уровень комфорта и экономию электроэнергии.

В настоящее время предлагаемый НЛР включен в состав программного обеспечения бортовой ЭВМ экспериментального ЭПС Московской монорельсовой дороги. Результаты проведенных опытно-промышленных экспериментов соответствуют результатам вычислительного моделирования.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ

1. В диссертационной работе предложен новый подход, заключающийся в применении адаптивного нечеткого лингвистического регулятора для уточнения программной составляющей комбинированной системы управления.

1.1. Разработан и теоретически обоснован адаптивный НЛР, позволяющий компенсировать отклонения программной составляющей комбинированной системы от реальной характеристики объекта.

1.2. Разработанный адаптивный НЛР позволяет без снижения запасов устойчивости улучшить переходные процессы и отработку измеряемых возмущений для комбинированной системы управления. В проведенных экспериментах применение адаптивного НЛР позволило уменьшить время переходного процесса в 1.5 - 2 раза.

1.3. Подготовлена практическая реализация данного метода в системе регулирования температуры в процессе автоклавного выщелачивания на Богословском алюминиевом заводе ОАО "СУАЛ".

2. Разработан метод управления движением ЭПС МД, основанный с одной стороны на традиционном программно-вычислительном алгоритме, а с другой, на применении НЛР.

2.1. Выполнен теоретический анализ полученного алгоритма автоведения. Доказано, что разработанный нечеткий регулятор позволяет решать поставленные задачи автоведения: регулирование времени в пути, соблюдение ограничений скорости и прицельное торможение. Нечеткий лингвистический регулятор естественно и компактно описывает алгоритм управления, настройка параметров регулятора является наглядной и интуитивно понятной.

2.2. Результаты моделирования показали, что предложенный алгоритм автоведения обеспечивает высокую точность соблюдения графика движения и точность позиционирования состава на станции, строгое соблюдение ограничений скорости. Из результатов моделирования вытекает, что предложенный алгоритм автоведения является робастным - устойчивым по отношению к изменениям параметров объекта.

2.3. Данный алгоритм управления реализован в системе автоматического управления движением электроподвижного состава Московской монорельсовой дороги.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Кудрявцев B.C. Применение блока нечеткой логики для улучшения свойств ПИ-регулятора // Научные труды I отчетной конференции молодых ученых ГОУ УГТУ-УПИ. - Екатеринбург, 2001. - С. 91.

2. Кудрявцев B.C. Вариант применения нечеткой логики для решения задачи терминального управления движением монорельсового состава // Научные труды II отчетной конференции молодых ученых ГОУ УГТУ-УПИ. -Екатеринбург, 2002. - С. 343.

24 ТЗйгГ »14 2 5 t

3. Кудрявцев B.C. Управление движением электроподвижного состава рельсового транспортного средства с использованием нечеткой логики // Приборы и системы. Управление, контроль, диагностика. - 2002, № 11. - С. 14-17.

4. Кудрявцев B.C., Страшинин Е.Э. Управление движением электроподвижного состава монорельсовой дороги на перегонах с использованием нечеткой логики // Ракетно-космическая техника. - Екатеринбург, 2003, выпуск 1. - С. 102-116.

5. Кудрявцев B.C., Лисиенко В.Г. Применение нечеткой логики для терминального управления электроподвижным составом монорельсовой дороги // Ракетно-космическая техника. - Екатеринбург, 2003, выпуск 1. - С. 127-140.

6. Кудрявцев B.C., Лисиенко В.Г. Вариант использования адаптивного нечеткого регулятора для улучшения свойств системы управления разомкнуто-замкнутой структуры // Сборник докладов Всероссийской научной конференции "Управление и информационные технологии" УИТ 2003. - Санкт-Петербург, 2003, Т.1.

7. Кудрявцев B.C., Страшинин Е.Э., Лисиенко В.Г. Адаптивный нечеткий регулятор и его использование при регулировании температуры в процессе автоклавного выщелачивания бокситов // Известия вузов. Цветная металлургия. - 2004, № 2. - в печати.

Подписано в печать Формат 60x84 1/16

Бумага писчая Печать офсетная Усл. печ. л.

Уч.-изд. л. Тираж 100 экз. Заказ № 225

Ризография НИЧ ГОУ ВПО УГТУ-УПИ 620002, г. Екатеринбург, ул. Мира 19

ОГЛАВЛЕНИЕ.

Введение.

1. Краткий обзор исследований по нечеткой логике.

1.1 История создания нечетких методов и текущее состояние исследований.

1.2 Основные определения и положения нечетких методов.И

1.2 Л Нечеткие множества.

1.2.2 Лингвистические переменные.

1.2.3 Нечеткая логика.

1.2.4 Нечеткие лингвистические регуляторы.

1.3 Краткие выводы по первой главе.

2. Адаптивный нечеткий лингвистический регулятор для управления реакционной температурой в процессе автоклавного выщелачивания бокситов.

2.1 Процесс автоклавного выщелачивания бокситов.

2.2 Исходная система управления реакционной температурой.

2.3 Постановка задачи исследования.

2.4 Исследование вариантов улучшения комбинированной системы управления с помощью нечетких методов.

2.5 Предлагаемая структура системы управления с адаптивным нечетким лингвистическим регулятором.

2.6 Существующие адаптивные нечеткие лингвистические регуляторы.

2.7 Предлагаемый адаптивный нечеткий лингвистический регулятор.

2.8 Исследование полученной системы управления.

2.8.1 Исследование метода с использованием простейшей модели объекта.

2.8.2 Исследование метода на модели процесса автоклавного выщелачивания бокситов.

2.9 Свойства полученной системы управления.

2.10 Практическое применение предложенного алгоритма управления.

2.11 Краткие выводы по второй главе.

3. Нечеткий лингвистический регулятор для управления движением электроподвижного состава монорельсовой дороги.

3.1 Краткие сведения о системах автоведения.

3.2 Задача автоведения электроподвижного состава монорельсовой дороги. Постановка задачи научного исследования.

3.3 Традиционные алгоритмы управления автономных систем автоведения.

3.3.1 Алгоритмы управления движением электроподвижного состава на перегонах

3.3.2 Управление прицельным торможением.

3.4 Алгоритмы автоведения, основанные на нечетких методах.

3.5 Предлагаемый алгоритм управления с использованием нечеткого лингвистического регулятора.

3.5.1 Общие положения предлагаемого метода.

3.5.2 Структура управляющего алгоритма.

3.5.3 Описание лингвистических переменных нечеткого регулятора.

3.5.4 Описание базы правил нечеткого лингвистического регулятора.

3.5.5 Процедура нечеткого вывода.

3.6 Исследование предлагаемого нечеткого регулятора.

3.6.1 Соблюдение ограничений скорости.

3.6.2 Прицельное торможение.

3.6.3 Регулирование времени.

3.7 Результаты вычислительных экспериментов.

3.7.1 Расчеты с использованием в качестве модели двух последовательно соединенных интеграторов.

3.6.2 Расчеты с использованием комплексной модели.

3.8 Оценка вычислительной сложности предлагаемого алгоритма.

3.9 Практическая реализация.

3.10 Краткие выводы по третьей главе.

Актуальность

В современной теории автоматизации методы построения систем управления, основанные на нечеткой логике, нечетких множествах и лингвистических переменных, получают все большее распространение. Прежде всего, это обусловлено рядом преимуществ, которые предоставляют данные методы (далее нечеткие методы) разработчику систем управления.

Одним из основных преимуществ нечетких методов является то, что они позволяют работать с размытыми или плохо определенными данными, оперируя ими на более высоком уровне общности - уровне макрознания [9]. Данное преимущество является очень важным при работе со сложными системами, для которых учет всех параметров традиционными методами является либо невозможным, либо чрезмерно трудоемким [1 - 3, 5 - 7].

Поскольку теория лингвистической переменной позволяет описывать модели объектов и алгоритмы систем управления в терминах естественного языка, то это делает их прозрачными и легкими для понимания, что облегчает их дальнейшую эксплуатацию и модернизацию. Применение терминов естественного языка позволяет напрямую использовать знания экспертов предметной области или опытных операторов для построения алгоритмов управления и моделей объектов [2, 3].

Нечеткие лингвистические регуляторы являются нелинейными по своей природе, что позволяет эффективно их использовать для управления нелинейными объектами [12, 15,20, 22 и др.].

Нечеткие методы можно применять совместно с традиционными алгоритмами управления, используя наилучшие черты различных подходов [25 - 29, 35]. Имеется значительный потенциал улучшения многих существующих управляющих систем за счет использования нечетких методов.

Данные преимущества отмечаются многими исследователями и подтверждены как теоретическими исследованиями, так и практическими применениями. Нечеткие методы переживают бурное развитие в Европе, Северной Америке, Китае, Японии, Корее. В нашей стране так же ведутся работы в этом направлении, например, [5-8, 10, 64-71]. Тем не менее, в России нечеткие лингвистические регуляторы широкого распространения пока не получили.

В условиях жесткой международной конкуренции применение нечетких методов должно повысить привлекательность отечественной продукции, снизить издержки при ее производстве.

Таким образом, в настоящее время является актуальной задача по применению существующих, а так же по разработке новых методов управления на основе нечетких лингвистических регуляторов, как для построения новых систем управления, так и для улучшения существующих.

В данной работе применение нечетких лингвистических регуляторов рассматривается на примере построения систем управления двумя сложными динамическими объектами: системы регулирования реакционной температуры в процессе автоклавного выщелачивания бокситов и системы управления движением электроподвижного состава монорельсовой дороги.

Выбор этих объектов обусловлен тем, что, во-первых, данные объекты являются сложными, с размытыми и плохо определенными параметрами, что позволяет использовать основные преимущества, предоставляемые нечеткими лингвистическими регуляторами. Во-вторых, примененные для этих объектов управляющие алгоритмы могут быть использованы для многих других объектов управления. А в третьих, для этих объектов существует возможность немедленного практического применения предлагаемых методов с прямым экономическим эффектом.

Объект исследования - нечеткие методы управления в технических системах.

Предмет исследования - методы применения нечетких лингвистических регуляторов для управления сложными динамическими объектами. Постановка цели исследования:

1. Исследование и разработка методов управления сложными динамическими объектами с помощью нечетких лингвистических регуляторов.

2. Использование разработанных методов для управления реакционной температурой в технологическом процессе автоклавного выщелачивания, а так же для управления движением электроподвижного состава монорельсовой дороги.

Для достижения данных целей были поставлены следующие задачи:

1. Исследование методов управления с использованием нечетких лингвистических регуляторов, ориентируясь на построение системы управления температурой в процессе автоклавного выщелачивания и системы управления движением рельсового транспортного средства.

2. Выбор наиболее подходящих методов или разработка новых для каждой из рассматриваемых систем управления.

3. Построение на базе разработанных методов системы управления температурой в процессе автоклавного выщелачивания и системы управления движением рельсового транспортного средства.

4. Исследование свойств полученных систем управления.

Методы исследований базируются на использовании теории нечеткой логики, нечетких множеств и лингвистических переменных, теории автоматического управления, системного анализа, вычислительного эксперимента, математического моделирования.

Научная новизна работы состоит в разработке новых методов применения нечетких лингвистических регуляторов для управления сложными динамическими объектами. При этом:

1. Разработана структура системы управления, состоящей из комбинированной системы управления и адаптивного нечеткого регулятора, который компенсирует отклонения программной составляющей от реальной характеристики объекта.

2. Разработан и теоретически обоснован адаптивный нечеткий лингвистический регулятор, позволяющий компенсировать отклонения программной составляющей комбинированной системы от реальной характеристики объекта.

3. Создан и апробирован алгоритм управления температурой в процессе автоклавного выщелачивания на основе комбинированной системы управления и адаптивного нечеткого лингвистического регулятора.

4. Предложен новый подход к построению систем автоведения поездов, основанный, с одной стороны, на традиционном программно-вычислительном алгоритме, а с другой, на использовании нечеткого лингвистического регулятора.

5. На основе предложенного подхода разработан алгоритм автоматического управления движением электроподвижного состава монорельсовой дороги. Дано теоретическое обоснование работоспособности алгоритма, проведена его экспериментальная и практическая реализация.

Практическая ценность работы заключается в том, что разработанные методы позволяют повысить качество регулирования, что во многих случаях может приводить к существенному экономическому эффекту.

Метод построения управляющих систем состоящих из комбинированной системы • управления и адаптивного нечеткого лингвистического регулятора применим ко многим существующим системам, так как системы управления на основе комбинированной структуры широко распространены. Во многих случаях улучшение существующих алгоритмов можно произвести с минимальными затратами, на действующем программно-аппаратном обеспечении.

Метод построения систем автоведения электроподвижного состава монорельсовой дороги может быть применен для построения систем управления движением других рельсовых транспортных средств: пассажирских поездов, метрополитена и т.д.

Внедрение результатов. На основании результатов данной диссертационной работы реализован и внедрен алгоритм управления электроподвижным составом Московской монорельсовой дороги. Улучшен регулятор температуры во втором автоклаве батареи выщелачивания на Богословском алюминиевом заводе (г. Краснотурьинск).

Апробация результатов. Основные положения диссертационной работы докладывались на Всероссийской научной конференции "Управление и информационные технологии" УИТ 2003, на весенней отчетной научно-практической конференции аспирантов УГТУ (2002), на третьей научно технической конференции молодых специалистов НПО А (2003), на весенней отчетной научно-практической конференции аспирантов УГТУ (2003).

Публикации. По теме диссертации опубликовано 7 работ, в том числе 4 статьи.

Структура диссертации. Первая глава посвящена обзору нечетких методов. В начале главы кратко рассматривается история их создания, обозначаются основные вехи развития и ведущие исследователи. Далее, во избежание неоднозначностей в трактовке основного материала, бегло излагаются базовые понятия нечетких методов.

Во второй главе рассматривается процесс автоклавного выщелачивания бокситов. Показывается его сложность и плохая определенность. Отмечается, что регулирование температуры является важнейшим фактором, влияющим на качество и выход глинозема. Рассматривается управляющий алгоритм на основе комбинированной структуры управления, реализованный ранее. Дается постановка задачи исследования. Исследуются возможные способы улучшения структуры управляющего алгоритма с помощью нечетких лингвистических регуляторов. Описывается предлагаемая структура управления с адаптивным нечетким лингвистическим регулятором, компенсирующим отклонения программной составляющей от реальной характеристики объекта. Рассматриваются различные алгоритмы обучения нечеткого лингвистического регулятора, описанные другими исследователями. Обосновывается выбор структуры нечеткого лингвистического регулятора и алгоритма обучения. Исследуются свойства полученной системы управления. Приводятся данные вычислительных экспериментов и практического применения. Формулируются некоторые выводы.

В третьей главе рассматривается система автоматического управления движением электроподвижного состава монорельсовой дороги. Для этого кратко излагаются общие сведения о системах автоведения поездов, показывается, в чем заключается сложность и неопределенность объекта управления. Ставится задача управления движением электроподвижного состава монорельсовой дороги. Дается постановка задачи научного исследования. Рассматриваются как традиционные методы построения систем управления движением рельсового транспортного средства, так и методы, основанные на нечеткой логике. Обосновывается выбор метода управления на основе традиционного программно-вычислительного алгоритма и нечеткого лингвистического регулятора. Рассматривается его реализация. Исследуются свойства полученной системы управления. Аналитически показывается, что предлагаемый алгоритм управления позволяет решать основные задачи автоведения электроподвижного состава: регулирование времени хода, соблюдение ограничений скорости, прицельное торможение. Исследуется влияние параметров функций принадлежности нечетких переменных на работу алгоритма управления. Приводятся результаты моделирования для различных моделей электроподвижного состава. Формулируются выводы.

В заключении приводятся основные выводы по проделанной работе. Кратко излагаются основные научные и практические результаты.

Автор выражает глубокую благодарность научному консультанту кандидату технических наук, доценту Евгению Эрастовичу Страшинину, научному руководителю заслуженному деятелю науки и техники РФ, доктору технических наук, профессору Владимиру Георгиевичу Лисиенко, а так же сотрудникам лаборатории динамических систем НПО Автоматики и коллективу Уральского филиала ЗАО "РТСофт".

ЗАКЛЮЧЕНИЕ

Целью диссертационной работы являлось исследование и разработка методов управления сложными динамическими объектами с помощью нечетких лингвистических регуляторов, а так же использование разработанных методов для управления реакционной температурой в технологическом процессе автоклавного выщелачивания и управления движением электроподвижного состава монорельсовой дороги.

Поскольку для управления реакционной температурой в процессе автоклавного выщелачивания применяется система управления комбинированной структуры, было принято решение применить нечеткие методы для улучшения свойств комбинированной системы управления.

Проведенное исследование имеющихся публикаций показало, что многие исследователи предлагают варианты улучшения ПИ, ПИД-регуляторов с помощью нечетких методов. Вместе с тем, возможность улучшения комбинированной системы управления путем добавления нечеткого лингвистического регулятора к разомкнутой части системы управления исследована недостаточно.

В диссертационной работе предлагается структура системы управления состоящей из комбинированной системы управления и адаптивного нечеткого лингвистического регулятора, компенсирующего отклонения программной составляющей от реальной характеристики объекта.

Исследование принципов построения адаптивных нечетких лингвистических регуляторов позволило построить адаптивный нечеткий регулятор, лучшим образом удовлетворяющий требованиям по быстродействию и объему хранимой информации.

На основе теоретических рассуждений выбран алгоритм обучения. Доказано утверждение, что предложенный нечеткий регулятор способен аппроксимировать функцию нескольких переменных в некоторой области с произвольно высокой точностью.

Исследования свойств полученной системы управления, проведенные для различных моделей объектов, показали, что предложенная система управления с адаптивным нечетким лингвистическим регулятором позволяет улучшить переходные процессы и отработку измеряемых возмущений без снижения запасов устойчивости.

Полностью подготовлена практическая реализация предлагаемого метода в системе регулирования реакционной температуры в процессе автоклавного выщелачивания бокситов на Богословском алюминиевом заводе, г. Краснотурьинск.

Таким образом, предложен новый подход, заключающийся в применении адаптивного нечеткого лингвистического регулятора для уточнения программной составляющей комбинированной системы управления. При этом адаптивный нечеткий регулятор способен обучаться наблюдая поведение обычной комбинированной системы без осуществления поисковых действий и оценки результатов своей работы.

Впервые разработан адаптивный нечеткий регулятор, совмещающий принцип построения функций принадлежности и нечетких правил из работы [61] и метод нечеткого вывода Такаги-Сугено [30].

Предложенный подход позволяет без снижения запасов устойчивости улучшить переходные процессы и отработку измеряемых возмущений для комбинированной системы управления.

Для построения системы управления движением электроподвижного состава монорельсовой дороги были исследованы как традиционные методы автоведения поездов, так и методы, основанные на нечеткой логике. Оказалось, что система автоведения электроподвижного состава монорельсовой дороги обладает рядом особенностей по сравнению с системами автоведения других рельсовых транспортных средств и требует построения подхода, впервые востребованного в отечественной практике.

В диссертационной работе совмещается отечественный опыт построения программно-вычислительных алгоритмов автоведения с опытом зарубежных специалистов для построения системы автоматического управления движением поезда на основе нечеткого лингвистического регулятора.

Описывается структура предлагаемого алгоритма управления. В соответствии с решаемыми задачами выбираются четкие входы нечеткого лингвистического регулятора, описываются процедуры их вычисления. Вводятся лингвистические и нечеткие переменные. Описывается база правил нечеткого лингвистического регулятора, процедура нечеткого вывода.

Проводится теоретический анализ полученного алгоритма автоведения. Рассматривается работа нечеткого лингвистического регулятора в различных ситуациях. Показывается, что нечеткий регулятор позволяет решать поставленные задачи автоведения: регулирование времени в пути, соблюдение ограничений скорости и прицельное торможение. Анализируется влияние параметров функций принадлежности нечетких переменных на работу регулятора.

Отмечается, что нечеткий лингвистический регулятор позволяет естественно и компактно описать алгоритм управления, настройка параметров регулятора является наглядной и интуитивно понятной.

Результаты моделирования показали, что предложенный алгоритм автоведения обеспечивает высокую точность соблюдения графика движения и точность позиционирования состава на станции, строгое соблюдение ограничений скорости.

Из результатов моделирования вытекает, что предложенный алгоритм авто ведения является робастным - устойчивым по отношению к изменениям параметров объекта.

Предложенный алгоритм управления был реализован в системе автоматического управления движением электроподвижного состава Московской монорельсовой дороги.

Таким образом, предложен новый подход к построению систем автоведения, основанный, с одной стороны, на традиционном программно-вычислительном алгоритме, а с другой, на использовании нечеткого лингвистического регулятора. Предложенный метод позволяет эффективно и точно решать задачу автоведения электроподвижного состава монорельсовой дороги.

В результате написания диссертационной работы были разработаны новые методы применения нечетких лингвистических регуляторов для управления сложными динамическими объектами. С помощью разработанных методов решены две важные народно-хозяйственные задачи.

1. L.A. Zadeh, Fuzzy Sets, Inform, and Control, Vol. 8, 1965, pp. 338-353.

2. L.A. Zadeh Outline of a new approach to the analysis of the complex systems and decision processes, IEEE Trans. Systems Man Cybernet. SMC-3 (1) (1973) 28-44. На эту статью часто ссылаются, как на базовую по нечеткой логике.

3. Заде JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.

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

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

6. Мелихов А.Н., Берштейн JI.C., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука 1990. - 272 с.

7. Алиев Р.А., Церковный Э.А., Мамедова Г.А. Управление производством при нечеткой исходной информации М.: Энергоатомиздат, 1991. - 240 с.

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

9. Прикладные нечеткие системы под ред. Т.Тэрано, К. Асаи, М. Сугэно. М.: Мир 1993

10. Лукас В.А. Введение в Fuzzy-регулирование: Учебное пособие. Екатеринбург: Издательство УГГГА 1997. - 36 с.11. 3. Т. Heske, J.N. Heske Fuzzy Logic for Real World Design, Annabooks, San Diego USA 1996.

11. E.H. Mamdani, Application of fuzzy algorithms for control of simple dynamic plant, Proc. IEEE 121 (1974) 1585-1588.

12. T.J. Procyc, E.H. Mamdani, A linquistic self-organizing process controller, Automatica 15 (1979) 15-30.

13. Y.P.Singh, A modified self-organizing controller for real-time process control applications, Fuzzy Sets and Systems, 96 (1998) 147-159.

14. M.Sugeno, Industrial Applications of Fuzzy Control, Elsevier Science, Amsterdam 1985.

15. Rajani K. Mudi, Nikhil R.Pal A self tuning fuzzy PI controller, Fuzzy Sets and Systems, 115 (2000) 327-338.

16. Wei Li, Xiaoguang Chang, Application of hybrid fuzzy logic proportional plus conventional integral-derivative controller to combustion control of stoker-fired boilers, Fuzzy Sets and Systems 111 (2000) 267-284.

17. Zhi-Wei Woo, Hung-Yang Chung, Jin Jye Lin, A PID type fuzzy controller with self-tuning scaling factors, Fuzzy Sets and Systems 115 (2000) 321-326.

18. M. Lown, E. Swidenbank, B.W.Hogg, R.Smith, Adaptive fuzzy reference model control of multi-machine power systems, Fuzzy Sets and Systems 102 (1999) 59-70

19. Yong-Tae Kim, Zeungnam Bien, Robust self-learning fuzzy controller design for a class of nonlinear MIMO systems, Fuzzy Sets and Systems, 111 (2000), 117-135.

20. E.H. Mamdani, Twenty years of fuzzy control: experiences gained and lessons learned, IEEE Internat. Conf. on Fuzzy Systems, 1993 pp. 339-344.

21. J.L. Castro, Fuzzy logic controllers are universal approximators, IEEE Trans. Systems Man Cybernet. 25 (4) (1995) 629-635.

22. J.J. Buckley, Sugeno type controller, are universal controllers, Fuzzy Sets and Systems 52 (1993)299-303.

23. D.W. Shimmin, M. Sephens, J.R. Swaintson Adaptive control of a submerged vehicle with sliding fuzzy relations, Fuzzy Sets and Systems 79 (1996) 15-24.

24. Larry R. Medsker, Hybrid Intelligent Systems, Kluwer Academic Publishers, 1995 pp. 240 + 55 of references.

25. Wermter S., Sun R. Hybrid Neural Systems. Springer, Heidelberg, Germany, 2000.

26. Akifumi Jtsubo, Kenichiro Hayashi, Shuta Murakami, Mikio Maeda, Fuzzy hybrid control using simplified indirect inference method, Fuzzy Sets and Systems 99 (1998) 265 272.

27. N. Matsunaga, S. Kawaji, Fuzzy hybrid control for DC servomotor, Trans. Inst. Electrical Eng. Japan Dill (1991) 195 200.

28. T. Ishida, Fuzzy hibrid control, Proc 1st Intelligent System Symp. (1991) 1-2.

29. M.Sugeno, T.Takagi, Multidimentional fuzzy reasoning, Fuzzy Sets and Systems 9 (1983).

30. M.Sugeno G.T.Kang, Fuzzy modeling and control of multilayer incinerator, Fuzzy Sets and Systems 18 (1986), 329-346.

31. M.Sugeno G.T.Kang, Structure Identification of fuzzy model, Fuzzy Sets and Systems 28 (1988), 15-33.

32. T.Takagi, M.Sugeno, Fuzzy identification of systems and its application to modelling and control, IEEE Trans. Systems, Man Cybernet. 15 (1985) 116-132.

33. Y.H.Joo, H.S. Hwang, K.B.Kim, K.B.Woo, Fuzzy system modeling by fuzzy partition and GA hybrid schemes, Fuzzy Sets and Systems 86 (1997), 279-288.

34. Rong-Jong Wai, Hsin-Hai Lin, Faa-Jeng Lin Hybrid controller using fuzzy neural networks for identication and control of induction servo motor drive, Neurocomputing 35 (2000), 91-112.

35. Guy Gavish, Ran Zaslavsky, Abraham Kandel, Longitudinal fuzzy control of a submerged vehicle, Fuzzy Sets and Systems, 115 (2000) 305-319.

36. W.Li a, X.G.Chang a ,F.M.Wahl b Jay Farrell c, Tracking control of a manipulator under uncertainty by FUZZY P+ID controller, Fuzzy Sets and Systems 122 (2001)125 -137

37. A. Kandel, Y. Luo, Y.-Q. Zhang, Stability analysis of fuzzy control systems, Fuzzy Sets and Systems 105 (1999)33-48.

38. Wen-June Wang, Shao-Feng Yan, Chih-Hui Chiu, Flexible stability criteria for a linguistic fuzzy dynamic system, Fuzzy Sets and Systems 105 (1999) 63-80.

39. Yuezhong Tang, Naiyao Zhang, Yanda Li, Stable fuzzy adaptive control for a class of nonlinear systems, Fuzzy Sets and Systems 104 (1999) 279-288.

40. Kenichiro Hayashi, Akifumi Otsubo, Shuta Murakami, Mikio Maeda, Realization of nonlinear and linear PID controls using simplified indirect fuzzy inference method, Fuzzy Sets and Systems 105 (1999) 409-414.

41. Б.З. Барласов, В.И. Ильин, Наладка приборов и систем автоматизации, М.: Высш. шк. 1985.- 304 с.

42. Е.К. Круг, О.М. Минина, Электрические регуляторы промышленной автоматики, М,-JL: Госэнергоиздат, 1962, 336 с.

43. К. Острём, Б. Виттенмарк, Системы управления с ЭВМ: Пер. с англ. М.: Мир, 1987. -480 с.

44. Р. Изерман, Цифровые системы управления: Пер. с англ. М.: Мир, 1984. - 541 с.

45. Ш.Е. Штейнберг, Промышленные автоматические регуляторы. Под ред. Е.П. Стефани. М.: Энергия, 1973, 568 с.

46. Р.Т. Chang, W.F. Xie, А.В. Rad, Tuning of fuzzy controller for an open-loop unstable system: a genetic approach,, Fuzzy Sets and Systems 111 (2000) 137-152.

47. F. Herrera, M. Lozano, J.L. Verdegay, Tuning fuzzy logic controllers by genetic algorithms, Internat J. Approx. Reasoning 12 (1995) 299-315.

48. Yang Yupu, Xu Xiaming, Zhang Wengyuan, Real-time stable self-learning FNN controller using genetic algorithm, Fuzzy Sets and Systems 100 (1998) 173-178.

49. H.B. Gurocak, A genetic-algorithm-based method for tuning fuzzy logic controllers, Fuzzy Sets and Systems 108 (1999) 39-47.

50. K. Sugiyama, Rule-based self-organizing controller, Fuzzy Computing, North-Holland, Amsterdam, 1988, 341-353.

51. B.S. Zhang, J.M. Edmunds, Self-organizing fuzzy logic controller, IEE Proc. D (1992) 460464.

52. C.H. Wong, S.L. Shah, M.M. Bourke, D.G. Fisher, Adaptive fuzzy relational predictive control, Fuzzy Sets and Systems 115 (2000) 247-260.

53. D.W. Shimmin, M. Stephens, J.R. Swainston, Adaptive control of submerged vehicle with sliding fuzzy relations, Fuzzy Sets and Systems 79 (1996) 15-24.

54. Vladimir Pavlica, Dusan Petrovacki, About simple fuzzy control and fuzzy control based on fuzzy relational equations, Fuzzy Sets and Systems 101 (1999) 41-47.

55. S. Yasunobu, S. Miyamoto, Automatic train operation system by predictive fuzzy control, in: M. Sugeno (Ed.), Industrial Applications of Fuzzy Control, Elsevier, Amsterdam, Thet Netherlands, 1985, pp. 1-18.

56. M. Sugeno, M. Nishida, Fuzzy control of model car, Fuzzy Sets and Systems 16 (1985) 103113.

57. Chunshien Li, Roland Priemer, Fuzzy control of unknown multiple-input-multiple-output plants, Fuzzy Sets and Systems 104 (1999) 245-267.

58. Yuezhong Tang, Naiyao Zhang, Yanda Li, Stable fuzzy adaptive control for a class of nonlinear systems, Fuzzy Sets and Systems 104 (1999) 279-288

59. Jang-Hyun Park, Sam-Jun Seo, Gwi-Tae Park, Robust adaptive fuzzy controller for nonlinear system using estimation of bounds for approximation errors, Fuzzy Sets and Systems 133 (2003) 19-36

60. Joana Matos Dias, Antonio Dorado, A self-organizing fuzzy controller with a fixed maximum number of rules and an adaptive similarity factor, Fuzzy Sets and Systems 103 (1999)27.48.

61. Лайнер А.И., Еремин Н.И., Лайнер Ю.А., Певзнер И.З., Производство глинозема 2-е издание М.: Металлургия, 1978.

62. Утешев К.А., Андрианов С.А., Пастухов С.Н., Страшинин Е.Э. // Промышленные АСУ и контроллеры, 2001, №6 С. 5.

63. Алиев Р.А., Э.Г. Захарова, Ульянов С.В., Нечеткие модели управления динамическими системами, Итоги науки и техники. Техническая кибернетика Т. 29: М.: ВИНИТИ АН СССР, 1990, с 127-200.

64. Алиев Р.А., Э.Г. Захарова, Ульянов С.В., Нечеткие регуляторы и интеллектуальные промышленные системы управления, Итоги науки и техники. Техническая кибернетика Т. 32: М.: ВИНИТИ АН СССР, 1990, с 127-200.

65. Васильева О.И., Ионов И.П., Кантор П.С., и др., Дуальное управление процессом искусственной вентиляции легких с использованием нечеткого регулятора в цепи обратной связи// Мед. техника, № 1, 1989 г.

66. Ульянов С.В., Нечеткие модели интеллектуальных систем управления: теоретические и прикладные аспекты, Итоги науки и техники. Техническая кибернетика. № 3, с 3-29.

67. Aliev R.A., Production control on the basis of fuzzy models, Fuzzy Sets and Systems, 22 (1987), № 1.

68. Петров Б.Н., Уланов Г.М., Гольденблат И.И., и др., Информационные аспекты качественной теории динамических систем, Итоги науки и техники. Техническая кибернетика ТТ 7, 8, 10, М.: ВИНИТИ АН СССР, 1976 1978.

69. Петров Б.Н., Уланов Г.М., Ульянов С.В., и др., Информационно семантические проблемы в процессе управления и организации. М.: Наука, 1977

70. Алиев Р.А., Церковный А.З. Интеллектуальные роботы с нечеткими базами знаний. М.: Радио и связь, 1990.

71. Сириченко А.В., Ситуационное управление концентрационным режимом алюминиевого электролизера с использованием нечеткой логики, Известия ВУЗов. Цветная металлургия. № 4, 2002 г., с. 68-72.

72. Айзерман М.А., Нечеткие множества, нечеткие доказательства и некоторые нерешенные задачи теории автоматического регулирования. Автоматика и телемеханика, 1976, №7, с. 171 - 177.

73. Алексеев А.В., Проблема построения нечетких ситуационных моделей управления. В кн.: Методы и системы принятия решений - Рига: РПИ, 1979, с. 12-19.

74. Орловский С.А., Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1980.

75. И.А. Троицкий, В.А. Железное, Металлургия алюминия, М.: Металлургия, 1984, 398 с.

76. Локшин Р.Г. Современные системы автоматизированного управления процессами выщелачивания в производстве глинозема. М.: 1986.

77. Мальц Н.С. Автоклавное выщелачивание бокситов. М.: 1980.

78. В. М. Абрамов, Л. А. Мугинштейн, Б. Д. Никифоров, М. Д. Рабинович, Повышение надежности и перспективы развития микропроцессорных локомотивных систем управления и обеспечения безопасности движения поездов, Вестник ВНИИЖТ, 2002, №5.

79. L.P. Kaebling, M.L. Littman, A.W. Moore, Reinforcement Learning: A Survey, Journal of Artificial Intelligence Research 4 (1996) 237-285.

80. J1.A. Баранов, Я.М. Головичер, Е.В. Ерофеев, В.М. Максимов, Микропроцессорные системы автоведения электроподвижного состава/ под ред. Л.А. Баранова. М.: Транспорт, 1990 г., 272 с.

81. С. Кузнецов, В. Половинкин, Комплексная система обеспечения безопасности и автоматизированного управления движением поездов метрополитена, Современные технологии автоматизации, № 4, 2000, с. 40-47.

82. С. Кузнецов, В. Половинкин, Система «Движение»: стационарная аппаратура, центральный пост и единая система радиосвязи, Современные технологии автоматизации, № 2, 2001, с. 6-15.

83. М. Пясик, Е. Толстов, И. Случак, Системы автоматического ведения поезда, Современные технологии автоматизации, № 2, 2001, с. 60-69.

84. М.Антипин, В.Архипов, И.Братушкин, Н.Вершинина, С.Дерюгин, В.Зеленин и др., Система управления электроподвижным составом Московской монорельсовой дороги, Практика приборостроения, № 1, 2002, с. 52 55.

85. Рассматриваются перспективы развития БЛА. Показывается, что основой управляющих систем таких устройств должны быть интеллектные системы управления на основе нечетких методов и технологий.

86. C.Phillips, C.L. Karr, and G. Walker. Helicopter flight control with fuzzy logic and genetic algorithms, Engineering Applications of Artificial Intelligence, 9(2), 1996, pp. 175-259.

87. M. Sugeno, I. Hirano, S. Nakamura, S. Kotsu. Development of an intelligent unmanned helicopter, IEEE International Conference on Fuzzy Systems, Vol. 5, 1995, pp. 33-37.

88. Е.В. Ерофеев, Я.М. Головичер, Исследование управления временем хода в системе автоведения поезда, Вестник ВНИИЖТ, № 5, 1976 г., с. 4 7.

89. Е.В. Ерофеев, Я.М. Головичер, Исследование алгоритмов программных систем автоведения пассажирских поездов, Труды МИИТ, Вып. 612, 1978 г., с. 12 19.

90. Е.В. Ерофеев, Я.М. Головичер, Система автоведения скоростного пассажирского поезда с электровозом ЧС200, Труды МИИТ, Вып. 550, 1977 г., с. 78-81.

91. B.C. Кудрявцев, Применение блока нечеткой логики для улучшения свойств ПИ-регулятора, Научные труды I отчетной конференции молодых ученых ГОУ УГТУ-УПИ 2001, с. 91.

92. B.C. Кудрявцев, Вариант применения нечеткой логики для решения задачи терминального управления движением монорельсового состава, Научные труды II отчетной конференции молодых ученых ГОУ УГТУ-УПИ 2002, с. 343.

93. B.C. Кудрявцев, Управление движением электроподвижного состава рельсового транспортного средства с использованием нечеткой логики, Приборы и системы. Управление, контроль, диагностика. 2002 № 11. с. 14-17.

94. B.C. Кудрявцев, Е.Э. Страшинин, Управление движением электроподвижного состава монорельсовой дороги на перегонах с использованием нечеткой логики, Ракетно-космическая техника. Выпуск 11, с 102-116.

95. B.C. Кудрявцев, В.Г. Лисиенко, Применение нечеткой логики для терминального управления электроподвижным составом монорельсовой дороги, Ракетно-космическая техника. Выпуск 11, с 127-140

96. Кудрявцев B.C., Страшинин Е.Э., Лисиенко В.Г., "Адаптивный нечеткий регулятор и его использование при регулировании температуры в процессе автоклавного выщелачивания бокситов", Известия вузов. Цветная металлургия, № 2, 2004