автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Проектирование интеллектуальных систем управления динамическими объектами на основе принципа минимальной сложности

На правах рукописи

ВАЛЕЕВ Сагит Сабитович

ПРОЕКТИРОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ НА ОСНОВЕ ПРИНЦИПА МИНИМАЛЬНОЙ СЛОЖНОСТИ (на примере авиационных двигателей)

Специальность 05.13.01 - Системный анализ, управление и обработка информации

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Уфа 2005

Работа выполнена на кафедре вычислительной техники и защиты информации Уфимского государственного авиационного технического университета

Научный консультант - д-р техн. наук, проф.

Васильев Владимир Иванович

Официальные оппоненты - чл.-корр. РАН, д-р техн. наук, проф.

Теряев Евгений Дмитриевич

Ведущая организация: Институт проблем управления

им. В. А. Трапезникова РАН, г.Москва

Защита состоится "2я ноября 2005 г. на заседании диссертационного совета Д-212.288.03 Уфимского государственного авиационного технического университета по адресу: 450000, г.Уфа, ул. КМаркса, 12.

С диссертацией можно ознакомиться в библиотеке Уфимского государственного авиационного технического университета.

Автореферат разослан " "_2005 г.

д-р техн. наук, проф. Рапопорт Эдгар Яковлевич

д-р техн. наук, проф. Черняховская Лилия Рашитовна

Ученый секретарь диссертационного совета д-р техн. наук, проф.

Миронов В.В

/¿fff

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В настоящее время проблема проектирования систем автоматического управления динамическими объектами характеризуется переходом от парадигмы адаптивного управления к парадигме интеллектуального управления. Это вызвано как непрерывным усложнением объектов управления и условий их функционирования, появлением новых классов вычислительных средств (в частности, распределенных вычислительных систем), высокопроизводительных каналов телекоммуникаций, так и резким повышением требований к надежности и эффективности процессов управления в условиях существенной априорной и апостериорной неопределенности. Учет вышеперечисленных факторов является возможным только на основе перехода от "жестких" алгоритмов параметрической и структурной адаптации к антропоморфному принципу формирования

Фундаментальные научные результаты в области разработки интеллектуальных систем управления (ИСУ) динамическими объектами отражены в работах отечественных и зарубежных ученых: Васильева В.И., Васильева С.Н., Галушкина А.И., Зверева Г.Н., Ильясова Б.Г., Крымского В.Г., Куликова Г.Г., Лебедева Г.Н., Лохина В.М., Макарова И.М., Пупкова К.А., Теряева Е.Д., Тимофеева A.B., Федосова Е.А., Федунова Б.Е., Юсупова P.M., Юсуповой Н.И., Вербоса П., Нарендры К.С., Саридиса Дж. и др.

Интеллектуальное управление является междисциплинарной предметной областью, в которой тесно переплетаются задачи и методы их решения, разработанные в теории исследования операций, современной теории управления сложными динамическими объектами и теории искусственного интеллекта, что обуславливает внутреннюю сложность решения проблем в данной предметной области, т.к. в ней не только сохраняются проблемы научных областей "доноров", но и появляются новые нерешенные проблемы, вызванные синергетическим эффектом их взаимодействия.

Одним из перспективных направлений в теории ИСУ динамическими объектами является разработка теоретико-информационного подхода к построению этих систем на основе принципа IPDI (Increasing Precision with Decreasing Intelligence), предложенного Дж.Сарвдисом (США), суть которого заключается в декомпозиции целей и задач управления сложным динамическим объектом в зависимости от требуемой точности и интеллектуальности выработки управляющих воздействий. При этом, чем выше требуемая точность управления на иерархическом уровне, тем ниже его уровень интеллектуальности; и наоборот, чем выше требуемый уровень интеллектуальности, тем ниже требуемая точность выработки управления.

Что касается концепции, методологии и методов проектирования ИСУ современными и перспективными ГТД, представляющими собой классический пример сложных динамических объектов, то они до настоящего времени практически не разрабо

управления.

можно отнести задачи обоснования

ГТД в рамках подхода IPDI и обеспечения оптимального взаимодействия между различными уровнями иерархии ИСУ. Не разработаны принципы комбинированного применения классических (как правило, линейных) алгоритмов управления и интеллектуальных алгоритмов, основанных на использовании нечеткой логики, нейронных сетей, генетических алгоритмов, при построении ИСУ ГТД. Не решена задача оптимизации структуры и параметров интеллектуальных регуляторов на различных уровнях иерархии ИСУ ГТД. Учитывая гибридный характер проектных решений, оценку эффективности иерархической ИСУ ГТД как проектного решения в целом также можно отнести к нерешенным задачам в рассматриваемом контексте.

При использовании известных подходов к проектированию отдельных подсистем ИСУ динамическими объектами, к основным обобщенным характеристикам системы автоматического управления (САУ) обычно относят: цели управления; качество достижения этих целей; вычислительные ресурсы, требуемые для достижения поставленных целей с заданным качеством, или сложность САУ; объем трудозатрат (сроки), необходимые для разработки САУ, или сложность процесса проектирования САУ. Поскольку требования к характеристикам САУ перспективных ГТД постоянно растут, то показатели сложности системы и сложности процесса ее проектирования становятся ключевыми характеристиками, определяющими в конечном итоге качество проектных решений и эффективность функционирования ИСУ ГТД.

Исследования в области оценки и оптимизации сложности САУ динамическими объектами имеют полувековую историю. Впервые это понятие ввел У.Р.Эшби, предложивший так называемый принцип необходимого разнообразия в качестве базового принципа построения САУ. В работах В.В.Солодовникова эта идея получила свое дальнейшее развитие в виде принципа минимальной сложности, составляющего основу проектирования САУ динамическими объектами. В.И.Васильевым и Ф.А.Шаймардановым данный принцип был использован при разработке метода порядкового отображения для синтеза многосвязных линейных САУ. Вместе с тем, перечисленные подходы, определяя необходимые направления исследований применительно к САУ динамическими объектами, не указывают формальных алгоритмов и методик синтеза ИСУ ГТД на основе критерия минимальной сложности при выполнении заданных требований к качеству процессов управления в условиях неопределенности режимов работы ГТД и изменения внешней среды.

Реализация ИСУ сложными динамическими объектами в классе бортовых распределенных вычислительных систем должна базироваться на концепции открытых информационных систем, построенных на основе унификации набора функций, спецификаций и иерархической организации протоколов взаимодействия между различными уровнями системы управления. Примером применения идеи открытых систем являются современные CALS-технологии, основанные на применении стандартов обмена ин-

*

формацией на различных этапах жизненного цикла сложных технических объектов. Перспективность данного подхода определяется также тем, что построение ИСУ ГТД в рамках открытых систем позволит обеспечить ком-плексирование различных подходов в рамках универсальных методов и алгоритмов обработки информации, а также развитие и модернизацию эксплуатируемых систем управления.

Таким образом, проблема разработки методологии и теории проектирования ИСУ сложными динамическими объектами и построения на их основе ИСУ авиационными двигателями является актуальной и своевременной.

Цель и задачи исследования. Целью диссертационной работы является разработка методологических и теоретических основ проектирования интеллектуальных систем управления сложными динамическими объектами на основе системного анализа и структурной оптимизации иерархических уровней управления с использованием принципа минимальной сложности, а также реализация предложенных подходов при построении интеллектуальных систем управления авиационными двигателями.

Для достижения указанной цели в работе поставлены и решены следующие задачи:

1. Разработка концепции построения иерархических интеллектуальных систем управления сложными динамическими объектами, функционирующими в условиях существенной неопределенности.

2. Разработка методов и алгоритмов оценки и оптимизации сложности проектных решений на различных уровнях иерархии ИСУ динамическими объектами на основе энтропийного подхода и принципа минимальной сложности.

3. Разработка методов, алгоритмов и методик синтеза алгоритмов управления исполнительного уровня ИСУ ГТД на основе нелинейных регуляторов, нейронных сетей и нечеткой логики.

4. Разработка методов, алгоритмов и методик синтеза алгоритмов управления на уровне координации ИСУ ГТД на основе принципов адаптации и самоорганизации системы.

5. Разработка методов и алгоритмов принятия оперативных решений на уровне планирования ИСУ ГТД на основе многоагентного подхода.

6. Реализация и внедрение полученных теоретических результатов в виде методик, моделей, алгоритмов и прикладных программ анализа и синтеза ИСУ ГТД в рамках САЬБ-технологий, обеспечивающих оптимизацию жизненного цикла САУ ГТД.

Методы исследования. При работе над диссертацией использовались: методы системного анализа и теории управления - для решения задач анализа и синтеза иерархической ИСУ ГТД; основные положения теории информации - при выборе и оптимизации сложности САУ на основе понятия энтропии; методы линейной алгебры - при синтезе нелинейных алгоритмов управления ГТД в пространстве состояний; теория искусственного интеллекта - при разработке методов синтеза алгоритмов нейросетевого и

нечеткого управления ГТД; теория сетей Петри - при разработке алгоритмов верификации прикладного программного обеспечения САУ ГТД- Для оценки эффективности полученных результатов использовались методы математического и имитационного моделирования систем управления.

Основные научные результаты, полученные автором и выносимые на защиту

1. Предложена концепция построения интеллектуальных систем управления сложными динамическими объектами, основанная на вертикальной и горизонтальной декомпозиции процессов управления в рамках архитектуры открытых информационных систем. В отличие от известных подходов, данный подход позволяет обеспечить достижение цели управления на основе принципа минимальной сложности (минимальной энтропии) путем перераспределения ресурсов системы в условиях их дефицита, а также адаптации характеристик системы при изменении ситуации управления на основе самообучения и самоорганизации ИСУ.

2. Разработан теоретико-информационный подход к оптимизации проектных решений, осуществляемых на уровнях планирования, координации и исполнительном уровне ИСУ динамическим объектом, основанный на энтропийной оценке сложности алгоритмов управления, что, в отличие от известных подходов, позволяет формализовать процедуру структурной оптимизации ИСУ в рамках концепции открытых систем.

3. Предложены методы синтеза алгоритмов управления исполнительного уровня ИСУ ГТД, основанные на совместном применении нелинейных алгоритмов управления ГТД в пространстве состояний и алгоритмов интеллектуального управления ГТД на основе нейронных сетей и нечеткой логики, что позволяет, в отличие от известных подходов, обеспечить более высокие показатели качества процессов управления в широком диапазоне изменения режимов работы ГТД и условий полета.

4. Предложены методы синтеза алгоритмов управления на уровне координации ИСУ ГТД, основанные на on-line обучении нейросетевых алгоритмов управления ГТД, а также селектировании каналов управления 1ТД по величине оценки их энтропии исходя из получения заданных показателей качества и надежности подсистем управления, что позволяет, в отличие от известных подходов, обеспечить оптимальное соотношение между сложностью, качеством и надежностью процессов управления ГТД.

5. Предложен способ организации уровня планирования ИСУ ГТД, основанный на многоагентном подходе к принятию оперативных решений в штатных и нештатных ситуациях управления, что позволяет, в отличие от известных подходов, выбрать наилучшую стратегию управления ГТД в условиях существенной неопределенности внешней среды.

6. Предложены алгоритмы структурной верификации программного обеспечения на основе сетей Петри, алгоритмов анализа и адаптации уровня информационной безопасности ИСУ ГТД в рамках CALS-технологии и использования многоагентного подхода.

Обоснованность и достоверность результатов диссертации

Обоснованность результатов, полученных в диссертационной работе, базируется на использовании апробированных научных положений и методов исследования, корректном применении математического аппарата, согласовании новых результатов с известными теоретическими положениями.

Достоверность полученных теоретических положений и выводов подтверждается результатами расчета характеристик, имитационного моделирования, апробации и промышленного внедрения предложенных ал-гори гмов управления и методик проектирования ИСУ ГТД.

Практическая значимость результатов

Практическая ценность результатов, полученных в диссертации, заключается в разработке:

• методологии проектирования интеллектуальных систем управления ГТД, обеспечивающей повышение качества и эффективное!и процессов управления за счет оптимального распределения ресурсов на различных уровнях иерархии управления, а также возможность самообучения и самоорганизации ИСУ ГТД;

• методике нейросетевой идентификации ГТД, обеспечивающей минимальную алгоритмическую сложность и требуемую точность описания характеристик ГТД;

• методике синтеза многорежимных нелинейных регуляторов на исполнительном уровне ИСУ ГТД, основанной на оценке значений собственных векторов, а также использовании нейронных сетей и нечеткой логики, позволяющей гарантировать требуемое качество процессов управления ГТД в заданном диапазоне режимов его функционирования и условий полета;

• методике синтеза отказоустойчивых регуляторов ГТД, обеспечивающих сохранение работоспособности системы при отказе датчиков и исполнительных механизмов САУ ГТД;

• методике оптимизации характеристик бортовой распределенной вычислительной системы, обеспечивающей выполнение заданных требований к ее производительности и информационной безопасности;

• методического, алгоритмического и программного обеспечения процесса проектирования ИСУ ГТД, позволяющего сократить в 1,5 - 2 раза сроки проектирования и повысить показатели качества и эффективности проектируемых систем управления современными и перспективными авиационными двигателями.

Результаты диссертационной работы внедрены в виде методов, алгоритмов, методик и программного обеспечения на ФГУП НИИ Автоматической аппаратуры им. акад. В.С.Семенихина (г. Москва), ФГУП УНПП "Молния" (г. Уфа), "ХТЦ УАИ" (г. Уфа), а также в учебном процессе Уфимского государственного авиационного технического университета.

Апробация работы

Основные научные и практические результаты диссертации докладывались и обсуждались на Международных и Российских научных совещаниях и конференциях, в том числе на:

• I Российском совещании "Новые направления в теории систем с обратной связью", г. Уфа, 1993 г.;

• III-IV Всероссийских семинарах "Нейроинформатика и ее приложения", г. Красноярск, 1995,1997 гг.;

• Международной научно-технической конференции "Актуальные проблемы математического моделирования и автоматизированного проектирования в машиностроении: Модель-проект 95", г. Казань, 1995 г.;

• Международной научно-технической конференции "Современные научно-технические проблемы гражданской авиации", МИИГА, Москва,

1996 г.;

• IV Всероссийской научно-технической конференции "Проблемы совершенствования робототехнических и интеллектуальных систем JIA", МАИ, Москва, 1996 г.;

• И-Ш Сибирских конгрессах по прикладной и индустриальной мате-магике (ИНПРИМ-96,98), г. Новосибирск, 1996,1998 гг.;

• Международном семинаре "Мягкие вычисления-96", ЮТУ, г. Казань, 1996 г.;

• Втором международном научно-техническом семинаре по авиационным двигателям, г. Стамбул, Турция, 1996 г.;

• Китайско-российском симпозиуме по авиационным двигателям, г.Нанкин, Китай, 1997 г.;

• Международной научно-технической конференции "Автоматизированные производственные системы (ASI-97)", г. Будапешт, Венгрия,

1997 г.;

• Международной научной конференции "Нейронные, реляторные и непрерывно-логические сети и модели", г.Ульяновск, 1998 г.;

• Международных научных конференциях "Стратегия жизненного цикла в производственных системах", г. Бремен, Германия, 1998 г.; г. Бордо, Франция, 2000 г.;

• 16-й Европейской конференции по исследованию операций, г. Брюссель, Бельгия, 1998 г.;

• Всероссийских научных конференциях "Нейрокомпьютеры и их применение", Москва, 1999,2002 гг.;

• Российско-Китайском симпозиуме по актуальным проблемам авиа-двигателестроения, УГАТУ-НУАА, г. Уфа, 1999 г.;

• 2-й Всероссийской научно-технической конференции "Нейроин-форматика-2000", Москва, 2000 г.;

• Международной научно-технической конференции "Двигатели XXI века", ЦИАМ, Москва, 2000 г.;

• Международной научной конференции "Идентификация систем и задачи управления (SICPRO-2000)", Москва, 2000 г.;

• Международном симпозиуме по искусственному интеллекту "КИИ-2000 - СГШР и динамические интеллектуальные системы", Москва, 2000 г.;

• 3-6-м Международных семинарах "Компьютерные науки и информационные технологии", г.Уфа (2000,2001,2003 гг.), г. Патры, Греция (2002 г.); г.Будапешт, Венгрия (2004 г.);

• 8-й Международной конференции по нейросетевым информационным технологиям (ICONIP-2001), г. Шанхай, Китай, 2001 г.;

• VIII Четаевской Международной научной конференции "Аналитическая механика, устойчивость и управление движением", г.Казань, 2002 г.;

• V и VI Международных научно-практических конференциях "Информационная безопасность", i. Таганрог, 2003,2004 гг.;

• 9-й Всемирной конференции по систематике, кибернетике и информатике, г. Орландо, США, 2005 г.

Публикации

Результаты диссертационной работы отражены в 124 публикациях, в том числе в 3-х монографиях (в соавторстве), учебном пособии, 30 статьях, в юм числе в 9 статьях в изданиях из списка ВАК, 46 материалах Международных и Российских конференций, 2-х авторских свидетельствах на изобретения, 8 свидетельствах государственной регистрации программ для

овм.

Структура и объем работы

Диссертация состоит из введения, шести шав основного материала, библиографического списка и содержит 275 страниц основного текста. Библиографический список включает 170 наименований литературы.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы исследований в области проектирования иерархических интеллектуальных систем управления сложными динамическими объектами на примере авиационных двигателей. Формулируется цель работы и решаемые в ней задачи, обсуждается научная новизна и практическая ценность выносимых на защиту результатов.

В первой главе проводится анализ существующих подходов к решению задач проектирования интеллектуальных систем управления сложными динамическими объектами.

На основе проведенною анализа принципов, методов и алгоритмов построения интеллектуальных систем управления сложными динамическими объектами (с учетом тенденций развития систем управления ГТД, представляющих собой важный класс этих объектов) сделан вывод о том, что на сегодня в этой области существует целый ряд нерешенных задач, к

которым можно отнести следующие:

• не разработана методология проектирования иерархических ИСУ ГТД в рамках общей теории проектирования ИСУ сложными динамическими объектами, что не позволяет в рамках научно обоснованного системного подхода проектировать эти системы на основе принципа минимальной сложности и парадигмы развиваемых открытых систем;

• не разработаны основы применения методов мягких вычислений, включающих в себя алгоритмы нелинейного управления, нечеткой логики, нейронных сетей, генетические алгоритмы, при построении ИСУ ГТД, что затрудняет их практическое применение при построении систем управления перспективными силовыми установками;

• не разработаны методы структурной оптимизации, позволяющие решать задачи синтеза алгоритмов управления на различных уровнях иерархии ИСУ ГТД с учетом заданных требований к качеству и надежности процессов управления, а также ограничений на располагаемые вычислительные ресурсы бортовой распределенной вычислительной системы.

С учетом вышеизложенного, в работе формулируется концепция построения перспективных ИСУ ГТД, основанная на применении следующих основополагающих системных принципов:

1) принцип функциональной интеграции, предполагающий создание интегрированной системы управления силовой установкой и летательного аппарата (JIA) на основе координации и согласования режимов работы воздухозаборника, ГТД, реактивного сопла и JIA, выбора оптимальных программ управления силовой установкой (исходя из критериев экономии топлива, обеспечения максимальной маневренности, управления в нештатных ситуациях и т.п.);

2) принцип иерархической организации, означающий построение системы управления в классе многоуровневых иерархических систем управления с разделением (декомпозицией) ее на уровни, отличающиеся выбором целей управления и методами реализации:

• уровень планирования, обеспечивающий выбор глобальной цели управления, ее коррекцию при изменении текущей ситуации управления (и, в том числе при возникновении нештатных ситуаций), оптимизацию выбора программ управления и обеспечение информационного обмена с САУ JLA, анализ и прогноз ситуации управления в условиях неопределенности;

• уровень координации, обеспечивающий адаптацию характеристик САУ ГТД к изменениям внешней и внутренней обстановки (условий полета, внешних возмущений, отказов аппаратуры и т.д.), координацию работы подсистем нижнего уровня и реконфигурацию этих подсистем при изменении ситуации управления;

• исполнительный уровень, обеспечивающий управление ГТД как многосвязным нелинейным динамическим объектом и его подсистемами на множестве штатных и возможных нештатных режимов;

3) принцип комплексирования моделей, методов и алгоритмов анализа и синтеза многофункциональных САУ ГТД заключающийся в применении как классических методов теории многосвязных САУ, так и методов интеллектуального управления сложными динамическими объектами на основе нейронных сетей, нечеткой логики, генетических алгоритмов и др.;

4) принцип минимальной сложности, предполагающий выбор наиболее простой структуры алгоритмов ИСУ ГТД с учетом изменения режимов работы ГТД и условий полета ЛА при оптимальном использовании информационных и вычислительных ресурсов системы управления;

5) принцип построения открытых информационных систем в качестве основы интеллектуализации и стандартизации технологий обработки информации на различных этапах жизненного цикла ИСУ ГТД. Показано, что для корректной постановки и решения задач проектирования интегрированных ИСУ ГТД в рамках предложенной концепции требуется разработка универсальных моделей, алгоритмов и методик анализа, синтеза и исследования этих систем, обеспечивающих минимизацию сложности проектных решений на основе энтропийного подхода к оценке и оптимизации показателей качества и сложности алгоритмов управления ГТД..

Для обеспечения заданной надежности и эффективности функционирования интегрированных ИСУ ГТД на всех этапах их жизненного цикла при этом необходима разработка методов и алгоритмов управления ресурсами бортовой распределенной вычислительной системы на основе много-агентного подхода, структурной верификации программного обеспечения на основе сетевых динамических моделей и построения механизмов защиты информации в БЦВМ, удовлетворяющих базовым положениям САЬБ-технологии и концепции открытых информационных систем.

Во второй главе развивается общий подход к проектированию интеллектуальных систем управления сложными динамическими объектами на основе принципа минимальной сложности и энтропийного подхода.

Рассматриваются методологические основы проектирования интеллектуальных систем управления сложными динамическими объектами в классе иерархических систем управления на основе энтропийного подхода, что позволяет с единых позиций обеспечить требуемое качество проектных решений при ограничении на сложность их реализации. Вводится понятие проектного пространства ИСУ динамическим объектом, его топология и метрика. Предложен обобщенный критерий сложности проектных решений на основе энтропийного подхода, что позволяет на основе скалярного критерия оценить комплексную сложность проектных решений Рассматриваются подходы к определению энтропии алгоритмов управления на исполнительном уровне, уровне координации и уровне планирования ИСУ. Исследуется задача сравнительной оценки сложности алгорит-

мов многосвязного управления, синтезированных с применением нейронных сетей и нечеткой логики.

Для анализа особенностей каждого из иерархических уровней ИСУ сложным динамическим объектом как информационных каналов передачи, хранения и обработки информации разработана обобщенная информационная модель ИСУ в виде виртуальной вычислительной машины, включающей в себя память, вычислитель и каналы обмена информацией.

На рисунке 1 представлены основные компоненты обобщенной информационной модели ИСУ, где Ьъс - длина виртуальной программы, с помощью которой генерируются состояния окружающей среды (делается допущение, что она конечна); 5вс - код состояния внешней среды; £в -длина программы, осуществляющей сбор информации об окружающей среде, т е. измерение внешних возмущений (£в < 1вс); 5в - код состояния внешней среды, доступной для распознавания; £р - длина программы, генерирующей множество состояний ИСУ динамическим объектом (алгоритм управления); 5Р - код состояния ИСУ; Ь0 - длина программы, генерирующей состояния динамического объекта; 50 - код состояния САУ динамическим объектом; Ь^ - длина программы, осуществляющей сбор (измерение) информации о состоянии динамического объекта; 5$ - код наблюдаемого состояния динамического объекта; В - виртуальный вычислитель, выполняющий коды программ Ьв, Ьр, .

Управляющая часть ИСУ

Рисунок 1 - Информационная модель ИСУ динамическим объектом

Предложенная информационная модель ИСУ динамическим объектом позволяет рассматривать решение задач управления с точки зрения их информационного содержания, а также оценить комбинаторную сложность состояния внешней среды, алгоритмическую сложность ИСУ и объекта управления и сформулировать, в конечном итоге, требования к обобщенным информационным характеристикам проектируемой ИСУ динамическим объектом.

В работе ставится задача построения отображения % из пространства ситуаций управления (множество ситуаций управления определяется состоянием объекта управления, состоянием внешней среды и целью управления) в пространство алгоритмов управления ИСУ динамическим объектом. Отображение п=(п], я2, щ) характеризует процедуру синтеза управляющих алгоритмов ИСУ сложным динамическим объектом с декомпозицией ее на основе принципа ТРШ на три соподчиненных уровня управления:

< Объект управления > ^ < Алгоритмы исполнительного уровня (ИУ) >, Л1

< Внешняя среда > ^ < Алгоритмы уровня координации (УК) >;

"1

< Цель управления> < Алгоритмы уровня планирования (УП) >.

Сложность полученных проектных решений ИСУ при этом должна соответствовать сложности рассматриваемой ситуации управления. В качестве меры сложности ситуации управления в данном случае можно воспользоваться энтропийными оценками:

Я|: Н(У/и,Р~) —> Сложность алгоритмов ИУ Энтропия как мера

7Г2-Н(Р) -> Сложность алгоритмов УК => сложности проектного ку. Н((3) —» Сложность алгоритмов УП ) решения

Здесь ЩуПЦ7) - энтропия процессов управления динамическим объектом на ИУ ИСУ; Н(Г) - энтропия изменения внешней среды; Н(О) - энтропия изменения целей управления; - соответственно векторы измеряе-

мых параметров ГТД, управляющих воздействий, внешних возмущений, целей.

Энтропия вектора выходных параметров ГТД в данном случае определяется как Н{УШ,Е) = -\р{У 1и,Р)\пр(¥Ш,Р)с1Г,гяе р(УШ.Р) - плот-

Г,

ность распределения вероятностей компонент вектора У. Энтропия изменения состояния внешней среды оценивается выражением

, где р(Р') - плотность распределения вероят-

г>

ностей вектора внешних возмущений F Энтропия целей управления H(G) оценивается аналогично.

С учетом вышеизложенного, задача оптимального синтеза 3-х уров-невой ИСУ сложным динамическим объектом на основе энтропийного подхода формулируется следующим образом.

Постановка задачи. Требуется найти такой способ построения ИСУ: IIор, — fi Y,F, G), т.е. определить состав алгоритмов управления, структуру базы данных (БД) и базы знаний (БЗ) на различных уровнях системы управления, чтобы выполнялось требование ЦК - G| < е, где G - вектор целей управления; е - заданная погрешность поддержания выходных координат объекта по отношению к компонентам вектора целей G, при соблюдении ограничения

Hi{Ä) -» min. (1)

Здесь Hi(A) - суммарная энтропия множества управляющих алгоритмов (А) для всех уровней управления ИСУ, которая в силу относительной независимости и разнотемповостя этих уровней может быть подсчитана как IUA) = Н(А)т + Н(А)УК + Н(Л)У[1, (2)

где Н(АИу), //(Лук), ЩАт) - соответственно значения энтропии (вычислительной сложности) алгоритмов управления, реализуемых на ИУ, УК и УП ИСУ.

Предложенная методика решения задачи синтеза ИСУ динамическим объектом основана на использовании энтропийного подхода и заключается в следующем.

Шаг 1. Задаются цели управления G~G и состояние внешней среды

F=F'.

Шаг 2. Выполняется синтез алгоритмов управления ИУ ИСУ из условия минимума энтропии Н(А)т —> min и ограничения на величину энтропии вектора выходов объекта: H(YIU,f)< Н, ао„'УХ е Гx;Ye Г\ .U е Г, , где Я) ä0„ - допустимый уровень энтропии, определяемый требованиями к точности поддержания режимов работы объекта; Г^, Г,. и Г, - соответственно области переменных состояния объекта для нормальных (штатных) режимов его функционирования область возможных значений выходных параметров объекта управления при его нормальном функционировании, а также область возможных (допустимых) управлений.

Шаг 3. Фиксируется G=G\ принимается: F е TF , где Г/г - область возможных значений возмущающих воздействий

Шаг 4. Производится синтез алгоритмов УК ИСУ из условия:

11{А)ук -> min и ограничений на величину энтропии вектора выходов объекта: f/(Y/UyF) < Н2 до„;>?ХеГх ;YеГ^-,17 еГ„, где Н2 ¿0„ - допустимый уровень энтропии вектора выходов Y, определяемый требованиями к точности процессов регулирования в заданном диапазоне изменения внешней среды (F е Гут); Г^.Г^ - соответственно область критических (потенциально опасных) режимов и область возможных значений выход-

ных параметров объекта управления при функционировании его в области критических режимов.

Шаг 5. Производится синтез алгоритмов УП ИСУ из условия

ЩЛ)уп-мшп и ограничения Н(У/иор,^~) < Нздоп;, \/Х еГГу;Уе Г; ,,,

Г/ е Ги, F е е Га где Н3до„ - допустимый уровень энтропии вектора выходов Ус учетом неопределенности целей управления (С еГ0); Г^.Г^ -соответственно область опасных режимов работы динамического объекта и область возможных значений выходных параметров объекта управления при функционировании его в области опасных режимов работы. Предполагается, что Я, ао„ <Н2дт <НЪйвп, I Шаг 6. Производится оценка суммарной сложности алгоритмов ИСУ

динамическим объектом: НТ(А) = Н(А)цу + Н(А)ук + Н(А)уи и оценка выполнения поставленной цели. ¡' Примечание I. Так как задача выбора проектного решения ИСУ ди-

намическим объектом относится к классу обратных задач, то процесс решения этой задачи является циклическим (итеративным).

Примечание 2 Необходима библиотека типовых проектных решений с оценкой энтропийной сложности алгоритмов управления на различных уровнях иерархии ИСУ.

Примечание 3 Необходимо использовать универсальные процедуры оптимизации параметров (например, на основе генетических алгоритмов) и имитационного моделирования ИСУ (например, на основе метода планирования эксперимента).

Примечание 4. Необходимо разделение (на каждом уровне) этапов структурного и параметрического синтеза алгоритмов управления.

Отмечается, что при поиске проектных решений на различных уровнях ИСУ активно используются нелинейные многорежимные модели ди-> намических объектов. В качестве базовых при построении этих моделей

могут использоваться алгоритмы интерполяции характеристик ГТД, реализуемые на основе кусочно-линейной интерполяции, нейросетевой интер-^ поляции или интерполяции на основе нечеткой логики. На основе сравни-

тельного анализа указанных подходов делается вывод о том, что наиболее перспективным с точки зрения содержания задач проектирования и анализа ИСУ ГТД является построение моделей ГТД на основе нейросетевой интерполяции.

В третьей главе исследуется задача синтеза нелинейных алгоритмов управления многорежимными ГТД, основанных на описании динамики двигателя с помощью кусочно-линейных моделей в пространстве состояний.

Разработана информационная модель исполнительного уровня ИСУ ГТД, позволяющая оценить сложность алгоритмов управления этого уровня.

Предлагаемая процедура синтеза нелинейного регулятора ГТД состоит из следующих этапов.

На первом этапе из условия получения заданной точности аппроксимации статических и динамических характеристик ГТД формируется упорядоченное множество линейных динамических моделей, описывающих поведение ГТД как нелинейного многосвязного объекта управления во всем диапазоне его работы:

х = А,х-*В,и, (3)

где х е Я" - вектор переменных состояния ГТД; А, е Я""", В1 е Я"""; и е Я" -вектор управления (элементами которого являются переменные, определяющие изменения расхода топлива, площади критического сечения сопла и т.п.); / = 1, Л. Здесь Я - количество учитываемых рабочих режимов, каждому из которых ставится в соответствие /'-я рабочая точка, связанная со статическими характеристиками ГТД.

На втором этапе, исходя из заданных технических требований - заданной скорости затухания переходных процессов и размеров области притяжения, т.е. границы области допустимых начальных отклонений, -выбирается матрица канонического базиса замкнутой системы с, составленная из собственных векторов и желаемый спектр (т.е. значения собственных чисел) системы в виде множества функций (/5(х).

На третьем этапе для каждой /-й линейной системы вида (3) проверяется условие управляемости собственных векторов и собственных чисел (В,В; Е)(М,сЛа8(Л), - А,М,С) = О, (4)

где В* = (ВГВ)''ВТ - псевдообратная матрица; Е- единичная матрица; dlag(X)¡ - диагональная матрица, элементами которой являются собственные числа; / - номер модели (3). Из выражения, определяющего указанное условие управляемости, ищется диагональная матрица diag(Я)l. В работе рассмотрены следующие возможные случаи: а) условие управляемости (4) не выполняется; б) вещественные части диагональных элементов - положительные; в) условие управляемости выполняется; г) диагональная матрица - с преобладающими диагональными элементами (т.е. вещественная часть диагонального элемента /-Й строки - отрицательная и по модулю больше суммы внедиагональных элементов этой строки).

В первых 2-х случаях необходимо вернуться ко второму этапу процедуры синтеза и выбрать новую матрицу канонического базиса М^ В третьем и четвертом случаях переходим к следующему этапу синтеза.

На четвертом этапе ищется управление в виде и=кр, где элементы матрицы коэффициентов к, определяются с помощью следующего выражения

к, = в;М]\ -А,) = 0. (5)

На пятом этапе синтеза решается задача интерполяции значений матриц коэффициентов для формирования матрицы К(х) размерности т х п. Интерполяция искомых коэффициентов выполняется в работе с помощью алгоритмов нейросетевой интерполяции.

Приведены примеры синтеза многомерного нелинейного регулятора ГТД в пространстве состояний с использованием предлагаемого подхода. Результаты моделирования, полученные в среде моделирования МайаЬ, свидетельствуют об обеспечении требуемого качества переходных процессов в САУ ГТД на режимах частичной приемистости.

Преимуществом предлагаемого подхода к синтезу многорежимного нелинейного регулятора ГТД является его простота и невысокая алгоритмическая сложность процедуры синтеза.

В четвертой главе диссертации рассмотрены вопросы построения нейросетевых моделей ГТД и нейросетевых многорежимных регуляторов, предназначенных для использования на ИУ ИСУ ГТД.

Разработана информационная модель исполнительного уровня ИСУ ГТД, необходимая для анализа вычислительной сложности алгоритмов этого уровня. Анализ сложности алгоритмов ИУ с использованием этой модели показал, что она в значительной мере зависит от сложности алгоритмов обучения, а также от требуемого объема памяти для хранения обучающей выборки данных, используемых для настройки синантических весов нейросетевых моделей и нейросетевых регуляторов.

Рисунок 2 - Построение нейросетевой модели ГТД на основе динамической характеристики

Выполненные исследования по применению нейронных сетей для построения нелинейных динамических моделей ГТД показали возможность их использования при решении задач анализа и синтеза нейросетевых алгоритмов управления с обучением на ИУ ИСУ ГТД. На рисунке 2 представлена общая схема построения нейросетевой модели одновального ГТД на основе обучающей выборки, составленной из дискретных отсчетов значений динамической характеристики СТпр = /(ппр,п„р).

Здесь Стт „р, ппр, пщ1 - соответственно относительные приведенные значения расхода топлива в камеру сгорания, частоты вращения и ускорения вала ротора двигателя. П - сигнал "помпажа", принимающий значение "истина" (логическая "1"), если режим работы двигателя выходит

"истина" (логическая "1"), если режим работы двигателя выходит на границу газодинамической устойчивости (область I), или "ложь" (логический "О"), если помпажный режим отсутствует; А - оператор временной задержки. Данная нейросетевая модель обеспечивает требуемую точность вычислений и имеет достаточно простую структуру, что позволяет использовать ее при решении задач синтеза алгоритмов управления.

В работе рассмотрен новый класс нейросетевых многорежимных динамических моделей ГТД, в качестве ядра которых используется 3-хслойный персептрон. Сложность и точность данной модели зависит, прежде всего, от количества нейронов в скрытом слое. Описание предложенной модели имеет следующий вид:

х = А(х)(х -хст) + В(х){и -и"),

у = С(х){х -хст) + D{x)(u -ист), (6)

um=Q{x),

C{x) = {fw?fXvv) + 5i\D{x) = {YJW:fi{col71) + d*), <=i н

S(x) = (£ W,5f, ((0,7)) + ), Q{x) = {^f,{co,v) + Sb)

где УХ ) - функция активации нейрона; W' - настраиваемые веса нейронной сети; 8 - смещения в отдельных слоях нейронной сети, / = 1,Z ( Z - количество нейронов в скрытом слое персептрона); 7 = 1,6, xeR" - вектор переменных состояния ГТД; ye R' - вектор измеряемых параметров двигателя; и <=Rm - вектор управляющих воздействий; хст, ит - значения векторов х и и, лежащих на статической характеристике ГТД; со, - ;-й элемент вектора синаптических весов Q.

На рисунке 3 представлена нейронная сеть, являющаяся ядром рассматриваемого типа моделей (6) для многорежимного ГТД ("изд.21"), где tj = rj{x) - скалярный параметр, характеризующий текущий режим работы ГТД как функция от вектора состояния х ~ (иьл2); и п2 - частоты вращения роторов компрессоров низкого и высокого давления; W - матрица синаптических связей нейронной сети.

В работе приведены примеры применения предложенного подхода для построения многорежимных нейросетевых моделей "изд.21" и воздушного винта турбовинтовентиляторного двигателя (ТВВД) Д-27 транспортного самолета АН-70. Данные модели обеспечивают заданную точ-

ность аппроксимации при минимальной алгоритмической сложности и могут быть легко переобучены в случае необходимости.

В{п1,п2)

Рисунок 3

Входной Скрытый Ваюйнай спой елсц ежи

Нейронная сеть, используемая при построении многорежимной динамической модели

Показано, что использование энтропийного подхода при обучении нейр0се1свых моделей позволяет выбрать оптимальную структуру нейронной сети на основе компромисса между сложностью и точностью модели.

Предложен метод синтеза многорежимно! о нелинейного регулятора ГТД с использованием метода динамической инверсии. При этом на осно-, ве обучаемой нейронной сети реализуются характеристики инверсной не-

линейной динамической модели ГТД, после включения которой в контур управления обеспечивается компенсация нелинейностей характеристик I ГТД и облегчается задача формирования желаемых динамических свойств

САУ в целом.

В работе обсуждается формализованная постановка задачи синтеза многорежимного нейросетевого регулятора ГТД на основе критерия минимальной сложности при заданных требованиях к точности, устойчивости и качеству процессов управления на заданном множестве режимов работы двигателя.

Решается задача синтеза многосвязного нейросетевого регулятора, обеспечивающего управление авиационным двигателем, при соблюдении следующих требований к синтезируемой системе: а) астатизм 1-го порядка (нулевая статическая ошибка); б) устойчивость и заданное качество процессов управления на фиксированном множестве режимов работы ГТД; в) физическая реализуемость регулятора; г) минимальная структурная сложность регулятора.

Будем полагать, что динамические свойства ГТД как многомерного объекта управления описываются дифференциальными уравнениями "вход - выход" вида

(7)

где м = (м,(/), и2(/),...,ид,(г)) и У = (у1 С), у2(0,-,Уу(0,) - соответственно векторы входов (управляющих воздействий) и выходов (управляемых переменных); тип- максимальные порядки производных и/'', >>/;1 для входных и выходных переменных и1(/) и уе(1),(т < п); М - число каналов управления ГТД, т.е. размерность САУ; <р{:)- нелинейная вектор-функция. Будем также полагать, что для ГТД выполняется условие управляемости и наблюдаемости.

В качестве базовой структуры нейросетевого регулятора принята динамическая (рекуррентная) нейронная сеть в виде персептрона. На рисунке 4 показан фрагмент сети (канал управления), связывающийй вход у;[к\ с г'-м выходом регулятора и{к]\ к - дискретное время (¿ = 0,1,2,...).

Исследуемая схема включает в себя р} элементов задержки во входном слое и элементов задержки в выходном слое нейронной сети. Общее число нейронов здесь равно (р} + <?, + о + 2), где о - число нейронов в скрытом слое. Настройка сети на получение желаемого соотношения "вход vJ —» выход и," осуществляв!ся путем корректировки (обучения) значений весов синаптических связей IV, ^ нейронной сети.

Рисунок 4 - Базовая структура канала нейросетевого регулятора ГТД

В работе показано, что при выборе структуры нейросетевого регулятора (рисунок 4) должно учитываться следующее условие

где R - число базовых рабочих режимов ГТД, N - число управляющих воздействий ГТД. Полученное соотношение позволяет определить требуемое число элементов задержки и число нейронов в скрытом слое при выполнении поставленных требований к синтезируемому регулятору.

Приведены примеры синтеза нейросетевых регуляторов для одно-вального ГТД и двухвального "изд.21", показывающие эффективность применения предложенного подхода к синтезу многомерных регуляторов, обеспечивающих требуемые показатели качества переходных процессов в широком диапазоне изменения режимов работы двигателя.

В пятой главе решается задача проектирования алгоритмов управления на уровне координации ИСУ ГТД.

Показано, что данный уровень представляет собой систему принятия решений в режиме on-line, причем в качестве критерия при выборе альтернативы могут использоваться энтропийные оценки принимаемых решений. Основа УК - координатор выступающий в роли посредника (промежуточного звена) между уровнем планирования ИСУ ГТД, выполняющим директивные (обязательные для исполнения) функции, и исполнительным уровнем, непосредственно контактирующим с ГТД как объектом управления путем формирования управляющих воздействий на его исполнительные органы. Отличительной особенностью уровня координации является наличие базы знаний (БЗ), содержащей информацию о возможном поведении подсистем управления ГТД и изменении характера их взаимодействия (реконфигурации системы) при возникновении тех или иных ситуаций (в том числе нештатных).

В качестве базового критерия при построении алгоритмов уровня УК выбрана энтропийная оценка надежности подсистем управления ГТД что позволяет обеспечить максимальную надежность (отказоустойчивость) системы в реальном масштабе времени. Отмечается, что сложность реализации алгоритмов этого уровня определяется не только алгоритмической сложностью алгоритмов управления, но и сложностью БД и БЗ этого уровня.

Рассмотрена обобщенная структура нечеткой отказоустойчивой системы управления САУ ГТД (рисунок 5), где е - вектор ошибки управления; Д е- вектор производной ошибки; и - вектор управляющих воздействий; g -вектор задающих воздействий; у - вектор измеряемых параметров ГТД; Д -блок датчиков измеряемых параметров; ИМ - блок исполнительных механизмов ГТД.

(8)

Рисунок 5 - Нечеткая отказоустойчивая система управления ГТД

Обеспечение отказоустойчивости САУ достигается за счет анализа значений векторов е,Ае,и,у с помощью блока нечеткого контроля, формирующего энтропийную оценку состояния канала управления, а также блока адаптации и реконфигурации, осуществляющего сбор и анализ информации для обновления базы правил нечеткого регулятора. Блок нечеткого контроля передает значение оценки энтропии I, на вход интеллектуального селектора, который использует ее при выборе канала управления. На ИУ системы управления реализуются блок фаззификации в котором выполняется перевод значений элементов векторов е,Ае в значения лингвистических переменных; машина логического вывода, осуществляющая вывод на знаниях; блок деффазификации, в котором выполняется перевод значений лингвистических переменных в значения вектора управляющих воздействий и; база правил, содержащая нечеткие правила принятия решений в зависимости от ситуации-управления.

не,

vim ui vn

щжщш

I

ж

Нормальное функционирование

Область предотгазного

Обметь огазоа

Область

неопределенное™

Рисунок 6 - Расширенная таблица решений (база правил) нечеткого регулятора

На рисунке 6 представлен возможный вид расширенной таблицы решений (базы правил) отказоустойчивой САУ, представляющей собой набор нечетких правил "ЕСЛИ-ТО" для /-го канала управления ИУ САУ ГТД, где VLN,VN,MN,SN,Z,SP,MP,LP,VLP - набор значений лингвистических переменных (Z-Zero, SP=Small Positive, SN=Small Negative и т.д). Для конкретной таблицы решений возможна оценка ее энтропии на режимах нормального функционирования САУ, ее предотказного состояния, состояния отказа и состояния неопределенности (т.е. случая нерасчетных соотношений для сигналов е, и Ае,).

В работе предложен оригинальный подход к построению моделей отказов системы управления ГТД в виде набора продукционных правил. Данные модели строятся на основе извлечения правил (знаний) из графиков переходных процессов, представляющих собой обучающую выборку, полученную при имитации отказов конкретных датчиков или исполнительных механизмов. В качестве алгоритмов извлечения знаний при этом используются алгоритмы интеллектуального анализа временных рядов.

Рисунок 7 - Образ отказа еп\ =f(n°, dejdl)

Рассмотрен пример построения модели отказа, связанного с потерей управляемости исполнительного механизма подачи расхода топлива (7Т в канале частоты вращения ротора компрессора низкого давления щ.

На рисунке 7 представлен "образ" отказа еп\ =/(иД с1еп]1Ж), где еп] -изменение ошибки управления в канале частоты вращения с1еп\1Ж - производная сигнала ошибки; щ" - сигнал уставки на входе подсистемы управления«!.

В таблице 1 представлены результаты процедуры извлечения знаний из данных, представленных на рисунке 7.

Полученные модели отказов хранятся в БЗ УК и используются при оценке ситуации управления, с целью формирования управляющих воздействий на переключение каналов управления ГТД.

В работе приведен пример применения нечеткого регулятора ГТД для обеспечения отказоустойчивости САУ при отказе датчика частоты вращения ротора компрессора.

Таблица 1 - Модель отказа в виде продукционных правил

Модель отказа в виде набора продукционных правил (отказ исполнительного механизма подачи топлива Н=0, М=0)

Правило 1: if (и,0 > 0.70522) and {dejdt <= -0.00034)

then е„] = 4.765197 - 7.27и,° - 0.4 dejdt Правило 2: if(«,°> 0.71) and (л,°<= 1.05587)

then ел1 =-1.10676 + п° Правило 3: if (и,°> 1.05587)

then e„i = -1.129564 + 1.02 ща Правило 4: if (п,° <= 0.70522) and (dejdt <= -0.00034) then е„\ =■ -6.446346 + 9.74 и,0 + 0.66 dejdt Правило 5: if (и,0 <= 0.71) and (dejdt > -0.00034)

then e„, = -0.002101 + 0.38 n° + 0.13 dejdt

В шестой главе выполнен анализ основных задач и алгоритмов уровня планирования ИСУ ГТД. Разработана информационная модель уровня планирования ИСУ ГТД, позволяющая оценить сложность соответствующих алгоритмов.

Основной особенностью алгоритмов на уровне планирования ИСУ является активное использование знаний, т.е. активное взаимодействие с распределенной БЗ и машиной логического вывода. Предложен общий подход к организации уровня планирования на основе многоагентных программных систем. Решается задача структурной верификации программного обеспечения на основе сетей Петри, выполняется анализ основных задач защиты информации в распределенной бортовой вычислительной системе.

Показано, что концептуальная модель алгоритмов принятия решений для достижения целей этого уровня может быть представлена в виде множества виртуальных вычислительных машин (см. рисунок 8). Машина б„ обеспечивающая решение задач, соответствующих /"-й цели, соединена по каналу обмена информацией (КОИ) с машиной Вр обеспечивающей решение задач для достижения j-й цели. При этом осуществляется взаимодействие с распределенной базой данных (РБЗ), являющейся хранилищем информации, накопленной на протяжении всего жизненного цикла изделий этой серии.

Отмечается, что при данной организации вычислительного процесса обеспечивается параллельная (асинхронная) обработка информационных потоков. При этом используются алгоритмы накопления знаний, осуществляющие сбор информации, излечение знаний, сжатие информации На основе анализа информации, представленной в БЗ, корректируется модель

внешней среды и объекта управления, что позволяет обеспечить оптимальное использование ресурсов ИСУ ГТД. Делается вывод, что на уровне планирования присутствуют классифицирующие признаки самоорганизующихся систем, которые в зависимости от состояния окружающей среды изменяют свою структуру для достижения своей цели.

1« <

I I I М I I I I I I I I I I 1

м 1 мим

Г I 11 Т7ТУ111 Г~П

И I I I I I I I I I II I I

кои

Рисунок 8 - Информационная модель уровня планирования ИСУ ГТД

Уровень координации

Исполнительный уровень

л

1

ГТД

Рисунок 9 - Многоагентная организация уровня планирования ИСУ ГТД

Предлагается архитектура многоагентной организации уровня планирования ИСУ ГТД, позволяющая обеспечить решение комплекса поставленных задач в рамках парадигмы открытых систем. Отмечается, что особенностью многоагентных систем является возможность динамического изменения состава программных агентов и решение оптимизационных задач на основе алгоритмов принятия решений. На рисунке 9 представлена исследуемая архитектура многоагентной системы уровня планирования ИСУ ГТД, где ПА, - /-й программный агент; БЗ, - база знаний г'-го агента; МЛВ - машина логического вывода; ЯИ - языковой интерфейс (система поддержки протоколов обмена знаниями с другими агентами); Контейнер - программная оболочка агента, реализованная на языке высокого уровня; ВС - вычислительная среда; КОИ - канал обмена информацией между подсистемами уровня планирования и другими программными агентами. БЗ программного агента содержит продукционные правила на основе нечеткой ло! ики, функциональные зависимости в виде аналитических зависимостей или нейронных сетей. Много-агентная реализация УП позволяет обеспечить высокую надежность программной реализации в соответствии с требованиями стандарта реализации программного обеспечения АН.ГЫС653.

Проведен анализ основных угроз информационной безопасности ИСУ ГТД. Предложено решение задачи обеспечения защиты информации в бортовой распределенной вычислительной системе на основе многоагентной организации системы. Обсуждаются особенности программной реализации многоагентной системы анализа защищенности вычислительных процессов УП ИСУ ГТД. Показано, что применение энтропийно! о подхода позволяет оптимизировать структуру многоагентной системы анализа защищенности.

Решается задача повышения надежности программного обеспечения бортовой вычислительной системы на основе структурной верификации программной реализации алгоритмов управления с применением динамических сетей (сетей Петри), обеспечивающих обнаружение структурных дефектов.

Предлагается подход к энтропийной оценке сложности (надежности) программного обеспечения ИСУ ГТД. В качестве меры сложности (надежности) используется энтропия возможных состояний виртуальною автомата, реализуемого программой управления. Использование предложенного в работе алгоритма структурной верификации програм-

мы с помощью сети Петри позволяет оценить точное число возможных состояний вычислительного процесса. Если в качестве такого состояния выбирается позиция в сети Петри, то энтропия программы в этом случае равна Я = ln(card(P)), где card(P) - мощность множества возможных состояний, моделируемых позициями сети Петри. Приводится пример применения предложенного подхода, иллюстрирующий его практическую эффективность.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. Поставлена и решена проблема разработки методологических и теоретических основ проектирования интеллектуальных систем управления сложными динамическими объектами на основе системного анализа и структурной оптимизации иерархических уровней управления с использованием энтропийных оценок сложности, а также реализации предложенных подходов при построении интеллектуальных систем управления авиационными двигателями на основе принципа минимальной сложности.

2. Разработан теоретико-информационный подход к оценке сложности проектных решений на уровне планирования, координации и исполнительном уровне ИСУ сложного динамического объекта, базирующийся на энтропийных оценках сложности алгоритмов управления, что позволяет оптимизировать процедуру принятия проектных решений в рамках парадигмы открытых информационных систем.

3. Разработаны методы и алгоритмы синтеза алгоритмов управления на исполнительном уровне ИСУ ГТД, основанные на комбинированном применении алгоритмов многорежимного нелинейног о управления с алгоритмами интеллектуального управления на базе нейронных сетей и нечеткой логики, что позволяет получить гарантируемое качество процессов управления в широком диапазоне изменения режимов работы ГТД и условий полета.

4. Разработаны методы и алгоритмы синтеза алгоритмов уровня координации ИСУ ГТД, основанные на on-line обучении нейросетевых алгоритмов управления исполнительного уровня, а также селектирова-нии каналов управления ГТД по величине оценки их энтропии, что позволяет достичь оптимального соотношения между сложностью, качеством и надежностью каналов управления.

5. Предложен способ организации уровня планирования ИСУ ГТД, основанный на применении многоагентного подхода при принятой оперативных решений для различных ситуаций управления с целью обеспечения динамической реконфигурации архитектуры системы в условиях неопределенности.

6. Разработаны алгоритмы структурной верификации прикладного программного обеспечения ИСУ на базе сетей Петри, а также алгоритмы анализа и адаптации уровня информационной безопасности бортовой распределенной вычислительной системы, обеспечивающие повышение ее функциональной надежности.

7. 11редложенные в работе теоретические положения реализованы в виде методик, алгоритмов и прикладного программного обеспечения процесса проектирования систем управления современными и перспективными ГТД. Результаты диссертационной работы внедрены на ФГУП НИИ Автоматической аппаратуры им. акад. В.С.Ссменихина (г. Москва), ФГУП УНПП "Молния" (г. Уфа), ХТЦ УАИ (г. Уфа), а также в учебном процессе Уфимского государственного авиационного технического университета.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

Монографии

1 Валеев С.С. Алгоритмы интеллектуального управления сложными динамическими объектами в условиях неопределенности (Глава 6) //Управление динамическими системами в условиях неопределенности /Под ред. С.Т. Кусимова, Б.Г. Ильясова, В.И. Васильева. - М.: Наука, 1998. -С. 283-337.

2. Валеев С.С. Интеллектуальные системы управления 1ТД (Глава 8) //Проблемы проектирования и развития систем автоматического управления и контроля ГТД /Под ред. С.Т. Кусимова, Б.Г. Ильясова, В.И. Васильева. - М.: Машиностроение, 1999,- С. 432-492.

3. Валеев С.С. Управление силовой установкой летательного аппарата (Глава 3), Управление взлетом, посадкой и маневрированием летательного аппарата (Глава 4) //Нейрокомпьютеры в авиации (самолеты) / Под ред В.И Васильева, Б.Г. Ильясова, С.Т. Кусимова. - М.: Радиотехника, 2003. - С. 105-155; 156-172.

Учебное пособие

4. Валеев С.С. Особенности программной и аппаратной реализации нейронных сетей. Нейрокомпьютер (Глава 4) //Интеллектуальные системы управления с использованием нейронных сетей- Учебное пособие /В.И. Васильев, Б.Г. Ильясова, С.С. Валеев, С.В. Жернаков - Уфа: Изд-во УГЛТУ, 1997.-С. 73-88.

Публикации в периодических изданиях из списка ВАК:

5. Валеев С.С., Васильев В.И., Ильясов Б.Г., Сун Жан-Гуо Отказоустойчивые системы управления сложными динамическими объектами с использованием искусственных нейронных сетей // Нейрокомпьютеры разработка, применение. - М.: Радиотехника, №1,2000. - С.32-35.

6. Галушкин А.И., Кусимов С.Т., Ильясов Б.Г., Васильев В.И., Валеев С.С. Нейрокомпьютеры в авиации. //Нейрокомпьютеры. Разработка, применение. - М.: Радиотехника, № 4-5, 2001. - С. 5-9.

7. Васильев В.И., Валеев С.С., Шилоносов A.A. К выбору структуры нейрорсгулятора в системе управления динамическим объектом //Нейрокомпьютеры. Разработка, применение. - М.: Радиотехника, №4-5, 2001,- С. 52-60.

8. Фатихов И.И., Валеев С.С. Интеллектуальная система защиты информации в VPN-сетях на основе мультиагентных технологий // Известия ТРТУ. Тематический выпуск "Информационная безопасность". - Таганрог: Изд-во ТРТУ, № 4, 2003. - С. 179-180.

9. Валеев С.С., Погорелов Д.Н. Информационная безопасность в CALS-технологиях // Известия ТРТУ. Тематический выпуск "Информационная безопасность". - Таганрог: Изд-во ТРТУ, № 4, 2003- С. 120-121.

10. Валеев С.С., Бакиров Т.К., Камалетдинов Т.Р. Многоагентная система анализа защищенности вычислительных сетей // Известия ТРТУ. Тематический выпуск "Информационная безопасность",- Таганрог: Изд-во ТРТУ, № 4, 2003. - С. 242-243.

11. Васильев В.И., Валеев С.С., Шилоносов A.A. Синтез многосвязной адаптивной системы управления ГТД на основе нейронных сетей // Авиакосмическое приборостроение, 2003, № 7. - С. 36-41.

12. Васильев В.И., Валеев С.С., Шилоносов A.A. Алгоритмы идентификации и многорежимного управления ГТД на основе нейронных сетей //Вестник УГАТУ. - Уфа: Изд-во УГАТУ, Т.5, №1(9), 2004.-С.118-125.

13. Васильев В.И., Валеев С.С. Оценка сложности нейросетевых моделей на основе энтропийного подхода // Нейрокомпьютеры, разработка, применение. - М.: Радиотехника. № 9,2004.- С.10-16.

Другие публикации:

14. Валеев С.С. Решение полной проблемы собственных значений для однородной вектор-функции // Автоматизация разработки авиационных двигателей / Межвуз. научн. сб. - Уфа: Изд-во УГАТУ, 1989. - С. 122-124.

15. Валеев С.С. Программа вычисления собственного числа для однородной вектор-функции // Свидетельство об официальной регистрации программы для ЭВМ № 940462 от 24.10.1994. - M.: РосАПО.

16. Валеев С.С. Программа вычисления базиса Гребнера с помощью левых обобщенных элементарных преобразований // Свидетельство об официальной регистрации программы для ЭВМ № 950062 от 17.02.1995.

- М.: РосАПО.

17. Васильев В.И., Ильясов Б.Г., Валеев С.С. Интеллектуальные системы управления ГТД // Проектирование ГТД: Тр. 2-й научн. техн. конф., Стамбул, Турция, 1996.- С.71-78. (На англ. языке.)

18. Валеев С.С., Валеева А.Ф., Чуен Лин Оптимальное планирование работ в вычислительных системах реального времени // Интеллектуальные автономные системы / Науч. изд-е. - Уфа: Изд-во УГАТУ, 1996 -С. 135-139.

19. Валеев С.С, Шен Чун Лин Расчет оптимальной траектории движения автономного транспортного средства в условиях неопределенности // Интеллектуальные автономные системы / Науч. изд-е. - Уфа: Изд-во УГАТУ, Уфа, 1996.-С. 139-143.

20. Валеев С.С., Козырев C.B., Янгалин Р. Интерпретатор языка ЛИСП //Свидетельство об официальной регистрации программы для ЭВМ. № 970259, 13.06.97. - М.: РосАПО.

21. Сун Ж.Г., Ильясов Б.Г., Васильев В.И., Валеев С.С. Нечеткие отказоустойчивые системы управления ГТД //Авиационные двигатели: Тр. Китайско-Российского симпозиума, 8-30 июня 1997, Нанкин, Китай.

- С. 72-78. (На англ. языке.)

22. Васильев В.И., Ильясов Б.Г., Валеев С.С., Юсупова Н.И. Применение искусственного интеллекта на различных этапах жизненного цикла сложных динамических объектов // Стратегия жизненного цикла для производственных систем: Тр. Междунар. конф. ASI'97, 1997, Будапешт, Венгрия. - С. 448-459. (На англ. языке.)

23. Васильев В.И., Валеев С.С. Системы управления ГТД на основе нечеткой логики // Актуальные проблемы авиадвигателестроения: Межвуз. научн. сб. - Уфа: Изд-во УГАТУ, 1998.- С. 256-260.

24. Валеев С.С. Поиск квазиоптимальных решений задачи оптимального распределения ресурсов // Стратегия жизненного цикла для производственных систем: Тр. Междунар. конф. ASI'98, 1998, Бремен, Германия. - С. 339-340. (На англ. языке.)

25. Валеев С.С., Васильев В.И., Ильясов Б.Г. Отказоустойчивые системы правления сложными динамическими объектами с использованием искусственных нейронных сетей //Нейрокомпьютеры и их применение: Материалы V Всероссийской конф., Москва, 17-18 февраля 1999. -С. 169-172.

26. Валеев С.С., Шилоносов A.A. Нейросетевая интерполяция характеристик ТВВД // Проблемы проектирования авиационных двигателей: Тр. Междунар. симпоз. - Уфа, 1999. - С. 111-114. (На англ. языке.)

27. Валеев С.С., Шилоносов A.A., Каримов И.А. Нейросетевая модель ТВВД реального времени //Вычислительная техника и новые информационные технологии: Межвуз. научн. сб. - Уфа: Изд-во УГАТУ, 1999. -С. 160-169.

28 Валеев С.С., Шилоносов A.A., Каримов И.А. Нейросетевая интерполяция характеристик ТВВД // Актуальные проблемы авиадвигателе-строения: Тр. Российско-Китайского симпоз.. - Уфа, 1999. - С. 111-115.

29. Валеев С.С. Обобщение знаний на предпроектном этапе жизненного цикла САУ сложных технических объектов с применением мягких вычислений // Интеллектуальное управление в сложных системах - 99: Материалы Респуб. науч. техн. конф. - Уфа, 1999.- С. 77-79.

30. Валеев С.С. Алгоритм синтеза управления для нелинейных систем с использованием постоянных собственных векторов и базиса Грёбнера //Моделирование, вычисления, проектирование в условиях неопределенности - 2000: Тр. Междунар. науч. конф. - Уфа, 2000,- С. 352-355.

31. Валеев С.С., Сагидуллин Р.Ф. Многоагентная система моделирования жизненного цикла сложных динамических объектов// Моделирование, вычисления, проектирование в условиях неопределенности - 2000: Тр. Междунар. науч. конф. - Уфа, 2000 .- С. 360-362.

32. Валеев С.С., Сагидуллин Р.Ф. Многоагентная технология моделирования сложных распределенных динамических систем // Проблемы техники и технологии телекоммуникаций: Материалы Междунар. науч. техн. конф. - Уфа, 2000. - С. 31-34.

33. Валеев С.С., Васильев В.И., Козырев C.B., Шилоносов A.A. Структурное проектирование интеллектуальных систем управления сложными техническими объектами // Системы принятия проектных решений и

шений и динамические интеллектуальные системы: Тр. симпозиума по искусственному интеллекту КИИ-2000. -М.: РАН, 2000. - С. 624-633.

34. Валеев С.С., Васильев В.И., Шилоносов A.A., Каримов И.А. Применение нейросетевых моделей реального времени в системах управления ГТД// Нейроинформатика-2000: Тр. 2-й Всероссийской науч. техн. конф., 4.1.- М.:МИФИ, 2000.- С. 236-242.

35. Ильясов Б.Г., Васильев В.И., Валеев С.С. Интеллектуальные системы управления и контроля ГТД// Двигатели XXI века: Тр. Междунар. науч. конф., Ч 1. - М.: ЦИАМ, 2000. - С. 352-354.

36. Васильев В.И., Валеев С.С., Шилоносов A.A. Интеллектуальная система автоматического управления газотурбинным двигателем // Идентификация систем и задачи управления: Тр. Междунар. конф. - М.: ИПУ РАН,2000.-С. 1404-1410.

37 Шилоносов A.A., Васильев В.И., Валеев С.С. Применение нейронных сетей для решения задач идентификации и управления авиационными двигателями // Стратегия жизненного цикла для производственных систем: Тр. Междунар. конф. ASI-2000, Бордо, Франция, 2000. С.333-339. (На англ. языке.)

38 Валеев С.С. Верификация многоагентных систем с применением базисов Грёбнера и сетей Петри// Проблемы техники и технологии телекоммуникаций' Материалы Междунар. науч. icxh. конф. - Уфа. Изд-во УГАТУ, 2000.-С. 91-93.

39. Валеев С.С. Алгоритм синтеза управления для нелинейных систем с использованием постоянных собственных векторов и базиса Грёбнера // Моделирование, вычисления, проектирование в условиях неопределенности - 2000: Тр. Международ, науч. конф. - Уфа: Ид-во УГАТУ, 2000. -С 352-355.

40. Валеев С.С., Орлов A.JI. Структурная верификация программ, написанных на языке Pascal с помощью блок-схем и сетей Петри / Свидетельство об официальной регистрации программ для ЭВМ № 2001610231 от 5.03.2001,-М.: РОСПАТЕНТ.

41. Сагидуллин Р.Ф., Валеев С.С. Мноагентная среда моделирования управления полетом самолета // Свидетельство об официальной регистрации программ для ЭВМ № 2001610348 от 29.03.2001,-М.: РОСПАТЕНТ.

42. Сагидуллин Р.Ф., Валеев С.С. Поиск субоптимального пути методом муравьиной колонии II Свидетельство об официальной регистрации программ для ЭВМ № 2001610603 от 25.05.2001, - М.: РОСПАТЕНТ.

43. Валеев С.С., Сагидуллин Р.Ф. Моделирование жизненного цикла сложных динамических систем на базе многоагентной систем // Компьютерные науки и информационные технологии: Тр. 3-го Междунар. семинара CSIT'2001, Т.1. -Уфа: Изд-во УГАТУ, 2001,- С. 200-203. (На англ. языке.)

44. Имаев М.Л., Валеев С.С. Мультиагентная система мониторинга и оптимизации дискового пространства рабочей станции //Свидетельство об официальной регистрации программ для ЭВМ № 2001610626 от 29.05.2001, - М.: РОСПАТЕНТ.

45. Васильев В.И., Валеев С.С., Шилоносов A.A. Синтез нейрорегуля-тора для многорежимного управления 1ТД //Нейросетевая обработка информации: Тр. 8-й Междунар. конф. ICONIP'2001, 14-18 ноября 2001, Шанхай, Китай, Т.2., 2001. - С. 746-750. (На англ. языке.)

46. Васильев В.И., Ильясов Б.Г., Валеев С.С. Применение нейронных сетей в системах управления силовых установок летательных аппаратов //Нейрокомпьютеры и их применение: Тр. VIII Всероссийской конф. НКП-2002,- М.: ИПУ РАН, 2002. - С. 304-310.

47. Валеев С.С., Сагидуллин Р.Ф. Нейроагенты и моделирование сложных динамических объектов // Нейрокомпьютеры и их применение: Тр. VIII Всероссийской конф. НКП-2002. - М.: ИПУ РАН, 2002. - С. 459-464.

48. Валеев С.С., Сагидуллин Р.Ф. Многоагентный подход оптимизации динамической системы на основе алгоритма муравьиной колонии // Компьютерные науки и информационные технологии: Тр. 4-го Международ. сем. CSIT'2002, 18-20 сентября 2002, Патры, Греция. Электронная версия на CD (файл 164.pdf) (На англ. языке.)

49. Валеев С.С. Анализ гибридных динамических систем на основе постоянных собственных векторов и базисов Гребнера // Компьютерные науки и информационные технологии: Труды 4-го Международ, сем. CSIT'2002, 18-20 сентября 2002, Патры, Греция. Электронная версия на CD (файл 96.pdf) (На англ. языке.)

50. Валеев С.С. Анализ динамических систем аппроксимированных нейронными сетями // Проблемы техники и технологии телекоммуникаций: Материалы 3-й междунар. науч. техн. конф. - Уфа: Изд-во УГАТУ, 2002.-С. 123-126.

51. Валеев С.С. Анализ интеллектуальных гибридных систем на основе постоянных собственных векторов // Компьютерные науки и информа-

ционные технологии: Тр. 5-го международ, сем. CSIT'2003. - Уфа: Изд-во УГАТУ. - С. 233- 236. (На англ. языке.)

52. Валеев С.С. Верификация многоагентных систем управления // Проблемы техники и технологии телекоммуникаций: Материалы 4-ой Междуиар. науч. техн. конф. - Уфа: Изд-во УГАТУ, 2003. - С. 85-87.

53. Валеев С.С., Погорелов Д.Н. Система поддержки принятия решений при динамическом формировании профиля безопасности // Вычислительная техника и новые информационные технологии: Межвуз. науч. сб. - Уфа: Изд-во УГАТУ, 2003. - С. 129-135.

54. Васильев В.И., Валеев С.С. Оценка сложности нейросетевых моделей на основе энтропийного подхода //Компьютерные науки и информационные технологии: Тр. 6-го междунар. сем. CSIT'2004, 17-19 октября 2004. - Будапешт, Венгрия, 2004. - С. 38-42. (На англ. языке.)

55. Бакиров Т.К., Валеев С.С. Анализ информационной безопасности компьютерных сетей на основе многоагентной технологии // Компьютерные науки и информационные технологии: Тр. 6-го междунар. сем. CSIT'2004, 17-19 октября 2004. - Будапешт, Венгрия, 2004. - С. 140-143. (На англ. языке.)

56. Васильев В.И, Валеев С.С., Сун Ж.Г. Идентификация сложных технических объектов на базе нейросетевых моделей и энтропийного подхода // Систематика, кибернетика и информатика: Тр. Междунар. конф., 10-13 июля 2005, Т. IX - Орландо, США . - С. 83-93. (На англ. языке.)

Диссертант

Валеев С С.

ВАЛЕЕВ Сагит Сабитович

ПРОЕКТИРОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ НА ОСНОВЕ ПРИНЦИПА МИНИМАЛЬНОЙ СЛОЖНОСТИ (на примере авиационных двигателей)

Специальность: 05Л3.01 - Системный анализ, управление и обработка информации

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Подписано к печати 22.09.2005. Формат 60x84 1/16. Бумага офсетная. Печать плоская. Усл. печ. л. 2,25. Усл. кр.-отт. 2,0. Уч.-изд. л. 2,0. Тираж 100 экз. Заказ № 436.

Уфимский I осударственный авиационный технический университет Центр оперативной полиграфии 450000, Уфа-центр, ул. К.Маркса, 12

с

!

t i

у

ь

И 8 6 8 7

РНБ Русский фонд

2006-4 16558

СПИСОК ИСПОЛЬЗУЕМЫХ СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ ПОДХОДОВ К ПОСТРОЕНИЮ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ ГАЗОТУРБИННЫМИ ДВИГАТЕЛЯМИ (ИСУ ГТД).

1. 1 Общие принципы построения интеллектуальных систем управления динамическими объектами.

1.2 Цели и задачи проектирования систем автоматического управления современными и перспективными ГТД.

1.3 Особенности анализа и синтеза интеллектуальных систем управления ГТД на основе мягких вычислений.

1.4 Требования к технической реализации алгоритмов интеллектуального управления ГТД в рамках САЬ8-технологий.

1.5 Концепция построения ИСУ ГТД.

Выводы по первой главе. Задачи, решаемые в диссертационной работе.

ГЛАВА 2. ПРОЕКТИРОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ НА ОСНОВЕ ЭНТРОПИЙНОГО ПОДХОДА

2.1 Обобщенная модель архитектуры ИСУ динамического объекта.

2.2 Теоретико-информационная модель ИСУ динамического объекта.

2.3 Ситуация управления. Априорная информация, необходимая для проектирования ИСУ динамического объекта.

2.4 Энтропийная оценка ситуации управления динамического объекта.

2.4.1 Энтропия вектора выходных параметров динамического объекта.

2.4.2 Энтропия внешней среды.

2.4.3 Энтропия цели управления.

2.5 Постановка задачи синтеза ИСУ ДО с использованием энтропийного подхода.

2.5.1 Задача оптимального синтеза ИСУ динамического объекта.

2.5.2 Методика синтеза ИСУ динамического объекта.

2.6 Мера сложности ситуации управления и алгоритмов многоуровневого управления динамического объекта.

2.7 Общая процедура проектирования алгоритмов управления ИСУ ДО.

2.8 Энтропийная оценка алгоритмов управления.

2.8.1 Энтропия как мера сложности решений в нейросетевом базисе.

2.8.2 Сравнительная оценка сложности различных вариантов аппроксимации модели ГТД.

2.8.3 Энтропийная оценка сложности сплайн-интерполяции.

2.8.4 Энтропийная оценка сложности нейросетевой интерполяции.

2.8.5 Энтропийная оценка сложности интерполяции на основе нечеткой логики.

Выводы по второй главе.

ГЛАВА 3. СИНТЕЗ НЕЛИНЕЙНЫХ АЛГОРИТМОВ МНОГОРЕЖИМНОГО УПРАВЛЕНИЯ ГТД В ПРОСТРАНСТВЕ СОСТОЯНИЙ

3.1 Особенности синтеза алгоритмов исполнительного уровня ИСУ ГТД.

3.2 Анализ современных подходов к синтезу алгоритмов нелинейного управления исполнительного уровня ИСУ ГТД.

3.3 Матричные методы синтеза нелинейного управления ГТД в пространстве состояний.

3.3.1 Алгоритмы синтеза управления ГТД в пространстве состояний.

3.3.2 Синтез нелинейных САУ ГТД, заданных точечно-линейными моделями.

3.3.3 Алгоритм синтеза управления для нелинейных систем с использованием постоянных собственных векторов.

3.4 Анализ линейных систем управления с применением базисов Гребнера.128 3.4.1 Алгоритм определения всех собственных векторов и собственных значений с применением базисов Гребнера.

3.4.2 Алгоритм вычисления передаточных матриц с использованием базиса Гребнера.130.

3.5 Синтез нелинейного многорежимного управления в пространстве состояний.

Выводы по третьей главе.

ГЛАВА 4. СИНТЕЗ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ МНОГОРЕЖИМНОГО УПРАВЛЕНИЯ ГТД

4.1 Синтез алгоритмов управления с обучением на исполнительном уровне ИСУ ГТД.

4.2 Нейросетевые модели ГТД с обучением.

4.2.1 Задача построения обучаемых моделей ГТД с применением НС.

4.2.2 Задача аппроксимации нелинейных характеристик ГТД.

4.2.3 Построение динамической характеристики ГТД на основе НС.

4.2.4 Идентификация параметров воздушных винтов ТВВД.

4.2.5 Построение НС-модели ГТД на основе энтропийного подхода.

4.3 Задача синтеза алгоритмов многорежимного управления ГТД с помощью НС.

4.3.1 Синтез многорежимного НС-регулятора ГТД на основе метода динамической инверсии.

4.3.2 Синтез структуры нейросетевого многорежимного регулятора ГТД минимальной сложности.

4.3.3 Пример синтеза НС-регулятора минимальной сложности.

4.3.4 Процедура обучения НС-регулятора.

4.3.5 Многомерная постановка задачи синтеза НС-регулятора.

4.3.6 Пример синтеза многомерного нейросетевого регулятора двухвального

Выводы по четвертой главе.

ГЛАВА 5. СИНТЕЗ АЛГОРИТМОВ КООРДИНАЦИИ ИСУ ГТД

5.1 Концепция построения уровня координации ИСУ ГТД.

5.2 Информационная модель ИСУ ГТД на уровне координации.

5.3 Задача проектирования отказоустойчивой ИСУ ГТД.

5.3.1 Синтез отказоустойчивой нечеткой системы управления ГТД.

5.3.2 Синтез отказоустойчивой нейросетевой системы управления ГТД.

5.3.3 Проектирование отказоустойчивой САУ ГТД с моделями отказов в виде продукционных правил.

Выводы по пятой главе.

ГЛАВА 6. ПРОЕКТИРОВАНИЕ ИСУ ГТД НА УРОВНЕ ПЛАНИРОВАНИЯ

6.1 Задачи, решаемые на уровне планирования.

6.2 Информационная модель на уровне планирования.

6.3 Задача организации уровня планирования на основе многоагентного подхода.

6.4 Многоагентная система поддержки ЖЦ ИСУ ГТД.

6.4.1 Многоагентная система моделирования ИСУ ГТД.

6.4.2 Многоагентная система управления информационной безопасностью в рамках САЬ8-технологий.

6.4.3 Многоагентная система анализа защищенности РБВС.

6.5 Задача структурной верификации на уровне планирования ИСУ ГТД.

6.5.1 Алгоритм структурной верификации программы.

6.5.2 Энтропийная оценка надежности программного обеспечения САУ ГТД.

Выводы по шестой главе.

Актуальность проблемы

В настоящее время проблема проектирования систем автоматического управления динамическими объектами характеризуется переходом от парадигмы адаптивного управления к парадигме интеллектуального управления. Это вызвано как непрерывным усложнением объектов управления и условий их функционирования, появлением новых классов вычислительных средств (в частности, распределенных вычислительных систем), высокопроизводительных каналов телекоммуникаций, так и резким повышением требований к надежности и эффективности процессов управления в условиях существенной априорной и апостериорной неопределенности. Учет вышеперечисленных факторов является возможным только на основе перехода от "жестких" алгоритмов параметрической и структурной адаптации к антропоморфному принципу формирования управления.

Фундаментальные научные результаты в области разработки интеллектуальных систем управления (ИСУ) динамическими объектами отражены в работах отечественных и зарубежных ученых: Васильева В.И., Васильева С.Н., Галушкина А.И., Зверева Г.Н., Ильясова Б.Г., Крымского В.Г., Куликова Г.Г., Лебедева Г.Н., Лохина В.М., Макарова И.М., Пупкова К.А., Теряева Е.Д., Тимофеева A.B., Федосова Е.А., Федунова Б.Е., Юсупова P.M., Юсуповой Н.И., Вер-боса П., Нарендры К.С., Саридиса Дж. и др.

Интеллектуальное управление является междисциплинарной предметной областью, в которой тесно переплетаются задачи и методы их решения, разработанные в теории исследования операций, современной теории управления сложными динамическими объектами и теории искусственного интеллекта, что обуславливает внутреннюю сложность решения проблем в данной предметной области, т.к. в ней не только сохраняются проблемы научных областей "доноров", но и появляются новые нерешенные проблемы, вызванные синергетическим эффектом их взаимодействия.

Одним из перспективных направлений в теории ИСУ динамическими объектами является разработка теоретико-информационного подхода к построению этих систем на основе принципа IPDI {Increasing Precision with Decreasing Intelligence), предложенного Дж.Саридисом (США), суть которого заключается в декомпозиции целей и задач управления сложным динамическим объектом в зависимости от требуемой точности и интеллектуальности выработки управляющих воздействий. При этом, чем выше требуемая точность управления на иерархическом уровне, тем ниже его уровень интеллектуальности; и наоборот, чем выше требуемый уровень интеллектуальности, тем ниже требуемая точность выработки управления.

Что касается концепции, методологии и методов проектирования ИСУ современными и перспективными ГТД, представляющими собой. классический пример сложных динамических объектов, то они до настоящего времени практически не разработаны. К нерешенным задачам здесь можно отнести задачи обоснования иерархической декомпозиции ИСУ ГТД в рамках подхода IPDI и обеспечения оптимального взаимодействия между различными уровнями иерархии ИСУ. Не разработаны принципы комбинированного применения классических (как правило, линейных) алгоритмов управления и интеллектуальных алгоритмов, основанных на использовании нечеткой логики, нейронных сетей, генетических алгоритмов, при построении ИСУ ГТД. Не решена задача оптимизации структуры и параметров интеллектуальных регуляторов на различных уровнях иерархии ИСУ ГТД. Учитывая гибридный характер проектных решений, оценку эффективности иерархической ИСУ ГТД как проектного решения в целом также можно отнести к нерешенным задачам в рассматриваемом контексте.

При использовании известных подходов к проектированию отдельных подсистем ИСУ динамическими объектами, к основным обобщенным характеристикам системы автоматического управления (САУ) обычно относят: цели управления; качество достижения этих целей; вычислительные ресурсы, требуемые для достижения поставленных целей с заданным качеством, или сложность СА У; объем трудозатрат (сроки), необходимые для разработки САУ, или сложность процесса проектирования СА У. Поскольку требования к характеристикам САУ перспективных ГТД постоянно растут, то показатели сложности системы и сложности процесса ее проектирования становятся ключевыми характеристиками, определяющими в конечном итоге качество проектных решений и эффективность функционирования ИСУ ГТД.

Исследования в области оценки и оптимизации сложности САУ динамическими объектами имеют полувековую историю. Впервые это понятие ввел У.Р.Эшби, предложивший так называемый принцип необходимого разнообразия в качестве базового принципа построения САУ. В работах В.В.Солодовникова эта идея получила свое дальнейшее развитие в виде принципа минимальной сложности, составляющего основу проектирования САУ динамическими объектами. В.И.Васильевым и Ф.А.Шаймардановым данный принцип был использован при разработке метода порядкового отображения для синтеза многосвязных линейных САУ. Вместе с тем, перечисленные подходы, определяя необходимые направления исследований применительно к САУ динамическими объектами, не указывают формальных алгоритмов и методик синтеза ИСУ ГТД на основе критерия минимальной сложности при выполнении заданных требований к качеству процессов управления в условиях неопределенности режимов работы ГТД и изменения внешней среды.

Реализация ИСУ сложными динамическими объектами в классе бортовых распределенных вычислительных систем должна базироваться на концепции открытых информационных систем, построенных на основе унификации набора функций, спецификаций и иерархической организации протоколов взаимодействия между различными уровнями системы управления. Примером применения идеи открытых систем являются современные CALS-технологии, основанные на применении стандартов обмена информацией на различных этапах жизненного цикла сложных технических объектов. Перспективность данного подхода определяется также тем, что построение ИСУ ГТД в рамках открытых систем позволит обеспечить комплексирование различных подходов в рамках универсальных методов и алгоритмов обработки информации, а также развитие и модернизацию эксплуатируемых систем управления.

Таким образом, проблема разработки методологии и теории проектирования ИСУ сложными динамическими объектами и построения на их основе ИСУ авиационными двигателями является актуальной и своевременной.

Цель и задачи исследования

Целью диссертационной работы является разработка методологических и теоретических основ проектирования интеллектуальных систем управления сложными динамическими объектами на основе системного анализа и структурной оптимизации иерархических уровней управления с использованием принципа минимальной сложности, а также реализация предложенных подходов при построении интеллектуальных систем управления авиационными двигателями.

Для достижения указанной цели в работе поставлены и решены следующие задачи:

1. Разработка концепции построения иерархических интеллектуальных систем управления сложными динамическими объектами, функционирующими в условиях существенной неопределенности.

2. Разработка методов и алгоритмов оценки и оптимизации сложности проектных решений на различных уровнях иерархии ИСУ динамическими объектами на основе энтропийного подхода и принципа минимальной сложности.

3. Разработка методов, алгоритмов и методик синтеза алгоритмов управления исполнительного уровня ИСУ ГТД на основе нелинейных регуляторов, нейронных сетей и нечеткой логики.

4. Разработка методов, алгоритмов и методик синтеза алгоритмов управления на уровне координации ИСУ ГТД на основе принципов адаптации и самоорганизации системы.

5. Разработка методов и алгоритмов принятия оперативных решений на уровне планирования ИСУ ГТД на основе многоагентного подхода.

6. Реализация и внедрение полученных теоретических результатов в виде методик, моделей, алгоритмов и прикладных программ анализа и синтеза ИСУ ГТД в рамках CALS-технологий, обеспечивающих оптимизацию жизненного цикла САУ ГТД.

Методы исследования

При работе над диссертацией использовались: методы системного анализа и теории управления - для решения задач анализа и синтеза иерархической ИСУ ГТД; основные положения теории информации - при выборе и оптимизации сложности САУ на основе понятия энтропии; методы линейной алгебры - при синтезе нелинейных алгоритмов управления ГТД в пространстве состояний; теория искусственного интеллекта - при разработке методов синтеза алгоритмов нейросетевого и нечеткого управления ГТД; теория сетей Петри - при разработке алгоритмов верификации прикладного программного обеспечения САУ ГТД. Для оценки эффективности полученных результатов использовались методы математического и имитационного моделирования систем управления.

Основные научные результаты, полученные автором и выносимые на защиту

1. Предложена концепция построения интеллектуальных систем управления сложными динамическими объектами, основанная на вертикальной и горизонтальной декомпозиции процессов управления в рамках архитектуры открытых информационных систем. В отличие от известных подходов, данный подход позволяет обеспечить достижение цели управления на основе принципа минимальной сложности (минимальной энтропии) путем перераспределения ресурсов системы в условиях их дефицита, а также адаптации характеристик системы при изменении ситуации управления на основе самообучения и самоорганизации ИСУ.

2. Разработан теоретико-информационный подход к оптимизации проектных решений, осуществляемых на уровнях планирования, координации и исполнительном уровне ИСУ динамическим объектом, основанный на энтропийной оценке сложности алгоритмов управления, что, в отличие от известных подходов, позволяет формализовать процедуру структурной оптимизации ИСУ в рамках концепции открытых систем.

3. Предложены методы синтеза алгоритмов управления исполнительного уровня ИСУ ГТД, основанные на совместном применении нелинейных алгоритмов управления ГТД в пространстве состояний и алгоритмов интеллектуального управления ГТД на основе нейронных сетей и нечеткой логики, что позволяет, в отличие от известных подходов, обеспечить более высокие показатели качества процессов управления в широком диапазоне изменения режимов работы ГТД и условий полета.

4. Предложены методы синтеза алгоритмов управления на уровне координации ИСУ ГТД, основанные на on-line обучении нейросетевых алгоритмов управления ГТД, а также селектировании каналов управления ГТД по величине оценки их энтропии исходя из получения заданных показателей качества и надежности подсистем управления, что позволяет, в отличие от известных подходов, обеспечить оптимальное соотношение между сложностью, качеством и на-. дежностью процессов управления ГТД.

5. Предложен способ организации уровня планирования ИСУ ГТД, основанный на многоагентном подходе к принятию оперативных решений в штатных и нештатных ситуациях управления, что позволяет; в отличие от известных подходов, выбрать наилучшую стратегию управления ГТД в условиях существенной неопределенности внешней среды.

6. Предложены алгоритмы структурной верификации программного обеспечения на основе сетей Петри, алгоритмов анализа и адаптации уровня информационной безопасности ИСУ ГТД в рамках САЬ8-технологии и использования многоагентного подхода.

Обоснованность и достоверность результатов диссертации

Обоснованность результатов, полученных в диссертационной работе, базируется на использовании апробированных научных положений и методов исследования, корректном применении математического аппарата, согласовании новых результатов с известными теоретическими положениями.

Достоверность полученных теоретических положений и выводов подтверждается результатами расчета характеристик, имитационного моделирования, апробации и промышленного внедрения предложенных алгоритмов управления и методик проектирования ИСУ ГТД.

Практическая значимость результатов

Практическая ценность результатов, полученных в диссертации, заключается в разработке:

• методологии проектирования интеллектуальных систем управления ГТД, обеспечивающей повышение качества и эффективности процессов управления за счет оптимального распределения ресурсов на различных уровнях иерархии управления, а также возможность самообучения и самоорганизации ИСУ ГТД;

• методике нейросетевой идентификации ГТД, обеспечивающей минимальную алгоритмическую сложность и требуемую точность описания характеристик ГТД;

• методике синтеза многорежимных нелинейных регуляторов на исполнительном уровне ИСУ ГТД, основанной на оценке значений собственных векторов, а также использовании нейронных сетей и нечеткой логики, позволяющей гарантировать требуемое качество процессов управления ГТД в заданном диапазоне режимов его функционирования и условий полета;

• методике синтеза отказоустойчивых регуляторов ГТД, обеспечивающих сохранение работоспособности системы при отказе датчиков и исполнительных механизмов САУ ГТД;

• методике оптимизации характеристик бортовой распределенной вычислительной системы, обеспечивающей выполнение заданных требований к ее производительности и информационной безопасности;

• методического, алгоритмического и программного обеспечения процесса проектирования ИСУ ГТД, позволяющего сократить в 1,5-2 раза сроки проектирования и повысить показатели качества и эффективности проектируемых систем управления современными и перспективными авиационными двигателями.

Результаты диссертационной работы внедрены в виде методов, алгоритмов, методик и программного обеспечения на ФГУП НИИ Автоматической аппаратуры им. акад. В.С.Семенихина (г. Москва), ФГУП УНПП "Молния" (г. Уфа), "ХТЦ УАИ" (г. Уфа), а также в учебном процессе Уфимского государственного авиационного технического университета.

Связь исследований с научными программами

Исследования выполнялись в течение более 20 лет (с 1984 по 2005 гг.) на кафедрах авиационного приборостроения, вычислительной техники и защиты информации Уфимского государственного авиационного технического университета в рамках:

• ряда научно-исследовательских хоздоговорных работ по заказу предприятия Уфимское агрегатное конструкторское бюро "Молния" (1984- 1990 гг);

• договора о творческом содружестве с ЛНПО им. Климова, г. Санкт-Петербург (1988-1990 гг.);

• Федеральной целевой программы "Государственная поддержка интеграции высшего образования и фундаментальных наук на 1997-2005 гг.";

• гранта Министерства образования Российской Федерации по фундаментальным исследованиям в области технических наук ТОО-6.8-925 по теме "Адаптивные и интеллектуальные системы управления авиационными газотурбинными двигателями" (2000-2002 гг.);

• гранта РФФИ №04-01-975 "Разработка моделирующего комплекса для испытания, контроля и диагностики интеллектуальных систем управления силовыми установками перспективных летательных аппаратов" (2004-2005 г.);

• договора о творческом содружестве между Уфимским государственным авиационным техническим университетом и Нанкинским аэрокосмическим университетом (г.Нанкин, Китай) (1996-2004 гг.);

• гранта НТП Министерства образования Российской Федерации по научно-технической программе "Научные исследования высшей школы по приоритетным направлениям науки и техники. Программа: 205. Новые авиационные космические и транспортные технологии" (2003-2004 гг.);

• Европейской научно-технической программы АМЕТМА8-ЫОЕ (19981999 гг.);

• международного гранта № 0039.1270 "Фундаментальные исследования и новые технологии проектирования сложных технических систем " (2003-2004 гг.);

• гранта НАТО "Интеллектуальные средства для обеспечения отказоустойчивости информационно-управляющих систем" (2002-2004 гг.).

Апробация работы

Основные научные и практические результаты диссертации докладывались и обсуждались на Международных и Российских научных совещаниях и конференциях, в том числе на:

• I Российском совещании "Новые направления в теории систем с обратной связью", г. Уфа, 1993 г.;

• III-IV Всероссийских семинарах "Нейроинформатика и ее приложения", г. Красноярск, 1995,1997 гг.;

• Международной научно-технической конференции "Актуальные проблемы математического моделирования и автоматизированного проектирования в машиностроении: Модель-проект 95", г. Казань, 1995 г.;

• Международной научно-технической конференции "Современные научно-технические проблемы гражданской авиации", МИИГА, Москва, 1996 г.;

• IV Всероссийской научно-технической конференции "Проблемы совершенствования робототехнических и интеллектуальных систем ДА", МАИ, Москва, 1996 г.;

• II-III Сибирских конгрессах по прикладной и индустриальной математике (ИНПРИМ-96,98), г. Новосибирск, 1996,1998 гг.;

• Международном семинаре "Мягкие вычисления-96", КГТУ, г. Казань, 1996 г.;

• Втором международном научно-техническом семинаре по авиационным двигателям, г. Стамбул, Турция, 1996 г.;

• Китайско-российском симпозиуме по авиационным двигателям, г.Нанкин, Китай, 1997 г.;

• Международной научно-технической конференции "Автоматизированные производственные системы (ASI-97)", г. Будапешт, Венгрия, 1997 г.;

• Международной научной конференции "Нейронные, реляторные и непрерывно-логические сети и модели", г.Ульяновск, 1998 г.;

• Международных научных конференциях "Стратегия жизненного цикла в производственных системах", г. Бремен, Германия, 1998 г.; г. Бордо, Франция, 2000 г.;

• 16-й Европейской конференции по исследованию операций, г. Брюссель, Бельгия, 1998 г.;

• Всероссийских научных конференциях "Нейрокомпьютеры и их применение", Москва, 1999,2002 гг.;

• Российско-Китайском симпозиуме по актуальным проблемам авиадвига-телестроения, УГАТУ-НУАА, г. Уфа, 1999 г.;

• 2-й Всероссийской научно-технической конференции "Нейроинформати-ка-2000", Москва, 2000 г.;

• Международной научно-технической конференции "Двигатели XXI века", ЦИАМ, Москва, 2000 г.;

• Международной научной конференции "Идентификация систем и задачи управления (SICPRO-2000)", Москва, 2000 г.;

• Международном симпозиуме по искусственному интеллекту "КИИ-2000 -СППР и динамические интеллектуальные системы", Москва, 2000 г.;

• 3-6-м Международных семинарах "Компьютерные науки и информационные технологии", г.Уфа (2000,2001,2003 гг.), г. Патры, Греция (2002 г.); г.Будапешт, Венгрия (2004 г.);

• 8-й Международной конференции по нейросетевым информационным технологиям (ICONIP-2001), г. Шанхай, Китай, 2001 г.;

• VIII Четаевской Международной научной конференции "Аналитическая механика, устойчивость и управление движением", г.Казань, 2002 г.;

• V и VI Международных научно-практических конференциях "Информационная безопасность", г. Таганрог, 2003,2004 гг.;

• 9-й Всемирной конференции по систематике, кибернетике и информатике, г. Орландо, США, 2005 г.

Публикации

Результаты диссертационной работы отражены в 124 публикациях, в том числе в 3-х монографиях (в соавторстве), учебном пособии, 30 статьях, в том числе в 9 статьях в изданиях из списка ВАК, 46 материалах Международных и Российских конференций, 2-х авторских свидетельствах на изобретения, 8 свидетельствах государственной регистрации программ для ЭВМ.

Структура и объем работы

Диссертация состоит из введения, шести глав основного материала, библиографического списка и содержит 275 страниц основного текста. Библиографический список включает 170 наименований литературы.

Выводы по шестой главе

1. Предложена информационная модель уровня планирования ИСУ ГТД, позволяющая оценить алгоритмическую сложность этого уровня. Как следует из анализа этой модели, основной особенностью УП является активное использование знаний, т.е. активное взаимодействие с БЗ и МЛВ.

2. Предложена организация уровня планирования на основе много-агентного подхода, позволяющего обеспечить развитие УП в рамках парадигмы открытых систем.

3. Предложена архитектура MAC моделирования ИСУ ГТД, обеспечивающая поддержку процесса моделирования различных ситуаций управления. Реализация подобных систем позволит значительно сократить расходы на доводку ИСУ ГТД.

4. Предложена архитектура MAC анализа защищенности ТРВС и РБВС. Реализация подобных систем для перспективных ИСУ ГТД позволит выполнить аудит информационной безопасности и обеспечить надежность ее функционирования.

5. Предложен алгоритм структурной идентификации программных реализаций алгоритмов управления на базе сетей Петри, позволяющий выявить дефекты ПО в виде зацикливания и нарушения структурной целостности. На основе предложенного алгоритма верификации возможно оценить энтропию состояния программы управления.

В работе поставлена и решена проблема разработки алгоритмов и методов проектирования интеллектуальных систем управления сложными динамическими объектами (на примере ГТД).

При решении данной проблемы получены следующие результаты и выводы:

1. Поставлена и решена проблема разработки методологических и теоретических основ проектирования интеллектуальных систем управления сложными динамическими объектами на основе системного анализа и структурной оптимизации иерархических уровней управления с использованием энтропийных оценок сложности, а также реализации предложенных подходов при построении интеллектуальных систем управления авиационными двигателями на основе принципа минимальной сложности.

2. Разработан теоретико-информационный подход к оценке сложности проектных решений на уровне планирования, координации и исполнительном уровне ИСУ сложного динамического объекта, базирующийся на энтропийных оценках сложности алгоритмов управления, что позволяет оптимизировать процедуру принятия проектных решений в рамках парадигмы открытых информационных систем.

3. Разработаны методы и алгоритмы синтеза алгоритмов управления на исполнительном уровне ИСУ ГТД, основанные на комбинированном применении алгоритмов многорежимного нелинейного управления с алгоритмами интеллектуального управления на базе нейронных сетей и нечеткой логики, что позволяет получить гарантируемое качество процессов управления в широком диапазоне изменения режимов работы ГТД и условий полета.

4. Разработаны методы и алгоритмы синтеза алгоритмов уровня координации ИСУ ГТД, основанные на on-line обучении нейросетевых алгоритмов управления исполнительного уровня, а также селектировании каналов управления ГТД по величине оценки их энтропии, что позволяет достичь оптимального соотношения между сложностью, качеством и надежностью каналов управления.

5. Предложен способ организации уровня планирования ИСУ ГТД, основанный на применении многоагентного подхода при принятии оперативных решений для различных ситуаций управления с целью обеспечения динамической реконфигурации архитектуры системы в условиях неопределенности.

6. Разработаны алгоритмы структурной верификации прикладного программного обеспечения ИСУ на базе сетей Петри, а также алгоритмы анализа и адаптации уровня информационной безопасности бортовой распределенной вычислительной системы, обеспечивающие повышение ее функциональной надежности.

7. Предложенные в работе теоретические положения реализованы в виде методик, алгоритмов и прикладного программного обеспечения процесса проектирования систем управления современными и перспективными ГТД. Результаты диссертационной работы внедрены на ФГУП НИИ Автоматической аппаратуры им. акад. В.С.Семенихина (г. Москва), ФГУП УНПП "Молния" (г. Уфа), ХТЦ УАИ (г. Уфа), а также в учебном процессе Уфимского государственного авиационного технического университета.

1. Автоматический контроль и диагностика систем управления силовыми установками летательных аппаратов /В.И.Васильев, Ю.М.Гусев, А.И.Иванов и др. -М.: Машиностроение, 1989. 240 с.

2. Адаптивные системы управления газотурбинными двигателями летательных аппаратов / В.Ю.Рутковский, Б.Г.Ильясов, Ю.С.Кабальнов и др. М.: МАИ, 1994. 224 с.

3. Ахметгалеев И.И. Устойчивость систем с однородными отображениями //Метод функций Ляпунова и его приложения. Новосибирск, 1984, с. 126137.

4. Ахметгалеев И.И., Валеев С.С. Пакет прикладных программ для исследования систем автоматического управления. Межвуз. научн. сб. "Системы управления энергетическими установками и комплексами преобразования энергии", Уфа, УАИ, 1990, с.70-72.

5. Валеев С.С. Алгоритмический метод решения полной проблемы собственных значений для однородной вектор-функции. Межвуз. научн. сб. "Теория и проектирование систем автоматического управления и их элементов", Уфа, УАИ, 1989. с. 70-72.

6. Валеев С.С. Программа вычисления собственного числа для однородной вектор-функции. Свидетельство об официальной регистрации программы для ЭВМ №940462 от 24.10.1994, РосАПО, Москва, 1994.

7. Ю.Валеев С.С. Решение полной проблемы собственных значений для однородной вектор-функции. Межвуз. научн. сб."Автоматизация разработки авиационных двигателей", Уфа, УАИ, 1989, с.122-124.

8. Валеев С.С., Васильев В.И., Ильясов Б.Г., Сун Жан-Гуо. Отказоустойчивые системы управления сложными динамическими объектами с использованием искусственных нейронных сетей // Нейрокомпьютеры: разработка, применение, №1.2000 . - С. 32-35.

9. Валеев С.С., Васильев В.И., Шилоносов A.A., Каримов И.А. Применениенейросетевых моделей реального времени в системах управления ГТД. Труды 2-й Всероссийской научно-техническорй конференции "Нейроин-форматика-2000",Ч.1.М.:МИФИ,2000. С.236-242.

10. Валеев С.С., Шилоносов A.A., Каримов И.А. Нейросетевая интерполяция характеристик ТВВД //Труды Российско-китайского симпозиума по актуальным проблемам авиадвигателестроения, УГАТУ -НУАА, Уфа, 1999. С.111-115с.

11. Валеев С.С., Шилоносов A.A., Каримов И.А. Нейросетевая модель ТВВД реального времени //Межвуз. науч. сборник: "Вычислительная техника и новые информационные технологии". Вып.З. УГАТУ, Уфа, 1999. С.160-169.

12. Васильев В.И., Валеев С.С. Оценка сложности нейросетевых моделей на основе энтропийного подхода. Нейрокомпьютеры, разработка, применение. №9, Москва, Радиотехника, 2004, С. 10-16.

13. Васильев В.И., Валеев С.С. Применение нейросетевых моделей для обеспечения отказоустойчивости САУ ГТД //Материалы Республиканской НТК "Интеллектуальное управление в сложных системах99",УГАТУ, 1999. С. 54-56.

14. Васильев В.И., Валеев С.С., Перельман В.И. Нейросетевые нелинейные динамические модели газотурбинных двигателей //Тезисы докладов Всесоюзной науч.-техн. конф., г.Тамбов, 1997, с. ?

15. Васильев В.И., Валеев С.С., Шилоносов A.A. Алгоритмы идентификации и многорежимного управления ГТД на основе нейронных сетей. Вестник УГАТУ, Том.5, №1(9), Изд-во УГАТУ, 2004. С.118-125.

16. Васильев В.И., Валеев С.С., Шилоносов A.A. К выбору структуры нейрорегулятора в системе управления динамическим объектом. //Нейрокомпьютеры. Разработка, применение, №4-5, 2001, Радиотехника, Москва. -С. 52-60.

17. Васильев В.И., Валеев С.С., Шилоносов A.A. Синтез многосвязной адаптивной системы управления ГТД на основе нейронных сетей // Авиакосмическое приборостроение, 2003, №7.-С. 36-41.

18. Васильев В.И., Валеев С.С., Шилоносов А.А.Интеллектуальная система автоматического управления газотурбинным двигателем // Труды Между народной конференции "Идентификация систем и задачи управления", ИЛУ РАН, Москва, 2000. С .1404-1410.

19. Васильев В.И., Гусев Ю.М., Крымский Ю.Г. Синтез регулятора простой структуры многосвязной системы, устойчивой при бесконечных коэффициентах усиления //Изв. вузов. Приборостроение. 1984. №2. С.21-26.

20. Васильев В.И., Гусев Ю.М., Левашев A.B. Структурный синтез многомерных дискретных систем автоматического управления //Изв. Вузов "Приборостроение", 1985,№1, с.22-27.

21. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием нечеткой логики: Учеб. пособие. Уфа: УГАТУ, 1995.-100 с

22. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием генетических алгоритмов. Учебное пособие. Изд-во УГА1. ТУ.-Уфа, 1999.- 105 с.

23. Васильев В.И., Ильясов Б.Г., Валеев С.С., Жернаков С.В. Интеллектуальные системы управления с использованием нейронных сетей: Учеб. пособие.: Уфа: УГАТУ, 1997.-92 с.

24. Васильев В.И., Шаймарданов Ф.А. Синтез многосвязных автоматических систем методом порядкового отображения. М.: Наука, 1983. - 126 с.

25. Веревкин А.П., Кирюшин О.В. Теория систем: Учебное пособие. Уфа: Изд-во УГНТУ, 2003.

26. Галушкин А.И. Нейрокомпьютеры в разработках военной техники США (Обзор по материалам открытой печати) М.: НЦ НК РАН. 1995. - 154 с.

27. Галушкин А.И. Нейрокомпьютеры. Кн. 2: Серия "Нейрокомпьютеры и их применение". - М.: ИПРЖР. - 2000. - 358 с.

28. Галушкин А.И. Теория нейронных сетей. Кн.1: Учеб.пособие для вузов. Серия "Нейрокомпьютеры и их применение". - М.: ИПРЖР. 2000. - 416 с.

29. Галушкин А.И., Кусимов С.Т., Ильясов Б.Г., Васильев В.И., Валеев С.С. Нейрокомпьютеры в авиации. //Нейрокомпьютеры. Разработка, применение, №4-5, 2001, Радиотехника, Москва. С. 5-9.

30. Глазунов Л.П., Грабовецкий В.П. Надежность автоматических систем управления. Л.: Энергоатомиздат, 1984.

31. Голинкевич Т.А. Прикладная теория надежности. М.: Высшая школа, 1989.

32. Головко В.А. Нейронные сети: обучение, организация и применение. Кн.4 : Учеб.пособие для вузов / Под общ.ред. А.И.Галушкина . М.: ИПРЖР. -2001.-256 с.

33. Гринберг A.C., Горбачев H.H., Тепляков A.A. Защита информационных ресурсов государственного управления. М.: ЮНИТИ, Москва, 2003. -327 с.

34. Гуляев В.А. Техническая диагностика управляющих систем. Киев: Наукова думка, 1993.

35. Денисов A.A., Колесников Д.М. Теория больших систем управления. J1: Энергоиздат, 1982.

36. Динамика авиационных ГТД / Г.В.Добрянский, Т.С.Мартьянова. М.: Машиностроение, 1989. 240 с.

37. Дружинин Г.В. Надежность автоматизированных производственных систем. М.: Энергоатомиздат, 1989.

38. Ефанов В.Н., Котенко П.С., АН-70: Взлет в XXI век прогноз и реальность //Мир авионики, №2 1998, С. 47-55.

39. Ильясов Б.Г., Васильев В.И., Валеев С.С. Интеллектуальные системы управления и контроля ГТД /Труды международной научной конференции. Часть 1. "Двигатели XXI века", ЦИАМ, М., 2000. С.352-354.

40. Интегральные системы автоматического управления силовыми установками самолетов / Под ред. А.А.Шевякова. М. Машиностроение, 1983. -283 с.

41. Интегрированное управление силовой установкой многорежимного самолета / О.С.Гуревич, Ф.Д.Гольберг, О.Д.Селиванов; Под общ. ред. О.С.Гуревича. М.: Машиностроение, 1993. - 304 с.

42. Интеллектуальные системы автоматического управления / Под ред. И.М.Макарова, В.М.Лохина. М.: ФИЗМАТЛИТ, 2001. - 576 с.

43. История развития теории нейронных сетей /Под ред. Я.З. Цыпкина и А.И.Галушкина. Кн.6: Серия "Нейрокомпьютеры и их применение".- М.: ИПРЖР. 2001.

44. Иыуду К.А., Надежность, контроль и диагностика вычислительных машин и систем. М.: Высшая школа, 1989.

45. Калман Р., Фалб П., Арбиб М. Очерки по математической теории систем: Пер. с англ. /Под ред. Я.З.Цыпкина. Изд. 2-е, -М.:Едиториал УРСС, 2004. -400 с.

46. Коганов A.B. Понятие энтропии в структуре моделей времени // Тезисы круглого стола. Семинар "Изучение феномена времени", МГУ, 19 октября 1999 г.

47. Кожинская Л.И., Ворновицкий А.Э. Управление качеством систем. М.: Машиностроение, 1979.

48. Колмогоров А.Н. Три подхода к определению понятия «количество информации» // Проблемы передачи информации, №1, 1965. —С. 3-11.

49. Комарцова Л.Г., Максимов A.B. Нейрокомпьютеры: Учеб.пособие для вузов. М.: МГТУ им.Баумана. 2002. - 320 с.

50. Кузовков Н.Т. Модальное управление и наблюдающие устройства. М.: Машиностроение, 1970.

51. Куликов Г.Г. Динамические модели авиационных газотурбинных двигателей для создания и эксплуатации систем автоматического управления // Вестник УГАТУ, Уфа, №2, 2000, С. 157-164.

52. Куликов Г.Г., П.Дж.Флеминг, Брейкин Т.В., Арьков В.Ю. Марковские модели сложных динамическиъх систем: идентификация, моделирование и контроль состояния. Учебное пособие. Изд-во УГАТУ. Уфа, 1998 - 104 с.

53. Куликов Г.Г. Принципы построения цифровых систем управления ГТД.

54. Математические модели, используемые в САПР двигателей и двигательной автоматики //Черкасов Б.А. Автоматика и регулирование воздушно-реактивных двигателей. М.: Машиностроение, 1988. С.285-307,323-343.

55. Лебедев Г.Н. и др. Интеллектуальные обратные связи в системе управления полётом. Теория и системы управления. «Известия РАН», 1998, №4 и №6,с:21-26.

56. Лебедев Г.Н. Интеллектуальные системы управления и их обучение с помощью методов оптимизации: Учебное пособие. — М.: Изд-во МАИ, 2000. -112 с.

57. Лебедев Г.Н. Методы принятия оперативных решений в задачах управления и контроля. Учебное пособие. -М.: Изд-во МАИ, 1992.

58. Лебедев Г.Н., Сергеев Г.Н., Фирсов С.П. Проблема самообучения и приобретения знаний в интеллектуальной системе управления маршрутным полетом. Материалы 12-й НТК "Экстремальная робототехника", Санкт-Петербург, 2001.

59. Липаев В.В. Документирование и управление конфигурацией программных средств. Методы и стандарты. Серия "Информатизация России на пороге XXI века". М.: СИНТЕГ, 1998, 220 с.

60. Липаев В.В. Качество программного обеспечения. М.: Финансы и статистика, 1983, 263 с.

61. Липаев В.В. Надежность программного обеспечения АСУ. -М.: Энергоиздат, 1981. 240 с.

62. Липаев В.В. Надежность программных средств //Серия "Информатизация России на пороге XXI века". М.: СИНТЕГ, 1998. -232 с.

63. Матросов В.М. Метод векторных функций Ляпунова: анализ динамических свойств нелинейных систем. -М.: ФИЗМАТЛИТ, 2001.-384с.

64. Машинные методы решения прикладных задач. Алгебра, приближение функций /Молчанов И.Н. Киев: Наук, думка, 1987. -288 с.

65. Мелса Д., Джонс С. Программы в помощь изучающим теорию линейных систем управления. М.: Машиностроение, 1981.

66. Методы оптимизации испытаний и моделирования систем управления газотурбинными двигателями/ Дедеш В.Т., Герман В.М., Августинович В.Г. и др.; Под общ. ред. Дедеша В.Т. М.Машиностроение, 1990. - 160 с.

67. Методы робастного, нейронечеткого и адаптивного управления: Учебник / Под ред. Н.Д.Егупова. М.: Изд-во МГТУ им. Н.Э.Баумана, 2002.- 744 с.

68. Многоуровневое управление динамическими объектами /В.И. Васильев, Ю.М. Гусев, В.Н. Ефанов, В.Г.Крымский, В.Ю.Рутковский, В.А.Семеран; Под ред. В.Ю.Рутковского и С.Д.Землякова. М.: Наука, 1987. 309 с.

69. Надежность автоматизированных систем управления /Под ред. А.Я Хета-гурова. М.: Высшая школа, 1988.

70. Нариньяни A.C. Недоопределенность в системе представления и обработки знаний // Известия АН СССР. Техническая кибернетика. № 5. - 1986. - С.3-28.

71. Нейрокомпьютеры в авиации (самолеты) / Под ред. В.И. Васильева, Б.Г. Ильясова, С.Т. Кусимова. Кн. 14: Учебное пособие для вузов. М.: Радиотехника, 2003. -496 с. (Научная cepnz "Нейрокомпьютеры и их применение", ред. А.И.Галушкин), (повтор №20)

72. Нейроматематика. Кн.6: Учеб. пособие для вузов / Агеев А.Д., Балухто А.Н., Бычков A.B. и др.; Общая ред. А.И.Галушкина. -М.: ИПРЖР,2002.~ 448 с.

73. Николис Г., Пргожин И. Познание сложного. 2-е изд. / Пер. с англ. - М.: Едиториал УРСС, 2003.

74. Новицкий П.В. Основы информационной теории измерительных устройств. JL: Энергия, 1968. 248 с.

75. Пальчун Б.П. Мозаичная модель надежности программ //ЦИВТИ МО, Д.7087,7088, УПИМ, 1985, №2.

76. Перегудов Ф.И., Тарасенко Ф.Л. Введение в системный анализ М:ВШ, 1989.

77. Петерсон Дж. Теория сетей Петри и моделирование систем: Пер. с англ. -М.: Мир, 1984,264 с.

78. Петров Б.Н., Викторов В.А., Лункин Б.В., Совлухов A.C. Принцип инвариантности в измерительной технике. М.: Наука, 1976. - 243 с.

79. Петров Б.Н., Рутковский В.Ю., Земляков С.Д. Адаптивное координатно-параметрическое управление нестационарными оъектами. М.: Наука, 1980. 244 с.

80. Петров Б.Н., Уланов ГМ., Гольденблат И.И., Ульянов C.B. Теория моделей в процессах управления. М.:Наука, 1978. 223 с.

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

82. Поваров Г.Н. Введение науч. редактора к книге Н.Винера "Кибернетика" -М: Наука, 1989.

83. Позняк A.C. Основы робастного управления теория). М.:МФТИ, 1991.-128 с.

84. Прангвишвили И.В. Системный подход и общественные закономерности. М.: СИНТЕГ, 2000. - 528 с.

85. Пригожин И., Стенгерс И. Порядок из хаоса. Новый диалог человека с природой. 2-е изд. /Пер. с англ. - М.: Едиториал УРСС, 2003. - 312 с.

86. Проблемы проектирования и развития систем автоматического управления и контроля ГТД / С.Т.Кусимов, Б.Г.Ильясов, В.И.Васильев, С.С.Валеев и др. М.:Машиностроение, 1999. - 609 с.

87. Распопов Е.В., Каримов И.А. Система автоматического управления силовой установки самолета АН-70 //Мир авионики, №3, 1998, С. 31-36.

88. Ржевский Дж. Мультиагентные системы в логистике и е-коммерции. http://www.madi.ru/logistics/ccl/resourses/clauses.htm

89. Рапопорт Э.Я. Структурное моделирование объектов и систем управления с распределенными параметрами. М.: Высшая школа, 2003.

90. Рапопорт Э.Я. Анализ и синтез систем управления с распределенными параметрами. М.: Высшая школа, 2005.

91. Солодовников В.В., Тумаркин В.И. Теория сложности и проектирование систем управления. -М.: Наука, 1990, 168 с.

92. Теряев Е.Д., Шамриков Б.М. Цифровые системы и поэтапное адаптивное управление, 1999. 330 с.

93. Уколов И.С., Бек В.В., Махлин А.Р. Интегрированные системы активного управления. М.: Наука, 1986. 180 с.

94. Управление динамическими системами в условиях неопределенности

95. С.Т.Кусимов, Б.Г.Ильясов, В.И.Васильев, С.С.Валеев и др. М.:Наука,1998. 452 с.

96. Управление качеством электронных средств /Под ред. О.П. Глудкина. М.: Высшая школа, 1994.

97. Федунов Б.Е. Проблемы разработки бортовых оперативно-советующих экспертных систем для антропоцентрических объектов //.Известия РАН. Теория и системы управления. -1996.- № 5. С. 147-159.

98. Фрид А.И. Адаптивные системы автоматического управления авиационными двигателями с селектированием режимов (Анализ, синтез, техническая реализация). Автореферат диссертации на соискание ученой, степени доктора технических наук. УГАТУ, Уфа, 1999, 36 с.

99. Черкасов Б.А. Автоматика и регулирование воздушно-реактивных двигателей: Учебник для вузов по специальности «Авиационные двигатели». 3-е изд. М.: Машиностроение, 1988. - 360с.

100. Чернавский Д.С. Синергетика и информация (динамическая теория информации). М.: Едиториал УРСС, 2004. - 288 с.

101. Шеннон К.Э. Работы по теории информации и кибернетике. /Пер. с англ.-М., ИЛ, 1963.

102. Эйкхофф П. Основы идентификации систем управления. М.: Мир, 1975.- 685 с.

103. Эшби У.Р. Введение в кибернетику /Пер. с англ. М.: Изд-во иностр. лит., 1959.

104. Эшби У.Р. Конструкция мозга/Пер. с англ. М.: Изд-во иностр. лит., 1962.

105. Югов O.K., Селиванов О.Д., Дружинин Л.Н. Оптимальное управлениесиловой установкой самолета. М.: Машиностроение, 1978. 204 с.

106. Abdullahi Н., Kurpjuhn В., Reiser М., Spirkl A. Sand ingestion tests on the MTR390 turboshaft engine, Proc. of the European Rotocraft Forum, 1998.

107. Ahmetghaleev I.I. Eigenvectors and systems stability //The Lyapunov functions and applications, P.В orne and V.Matrosov (editors), J.C.Baltzer AG, Scientific Publishing Co., IMACS, 1990, pp.45-49.

108. Austin S. Priority Setting for Future NASA Aeronautics. A Symposium on Aeronautics, Innovation, and the Public Good, June 28, 2004.

109. Buchberger B. An algorithms for finding a basis for the residue class ring of a zero-dimensional polynomial ideal (in German). Ph. D. Thesis, Univ Innsbruck, 1965.

110. Chen Z., Voulgaris G. Decentralized Design for Integrated Flight //Propulsion Control of Aircraft. Journal of Guidance, Control, and Dynamics, Vol. 23, No.6, November-December, 2000, pp. 1037-1044.

111. Chipperfield A.J., Fleming P.J. Systems integration using evolutionary algorithms. Proc. Of the UKACC International Conference on CONTROL'96, 2-5 September, 1996, England, P.705-710.

112. Cybenko G. Approximation by Superpositions of a Sigmoidal Functions. Mathematical Control Signals Systems, 1989, 2, p.303-314.

113. Galushkin A.I. Supercomputers and Neurocomputers. // Neural Informationf h

114. Processing (ICONIP'2001): Proceedings of the 8 International Conference •.China, Shanghai. November 14-18. 2001. Vol.3. - P.1231-1236.

115. Garg S, Schmidt P.H. Application of Controller Partitioning Optimization Procedure to Integrated Flight/ Propulsion Control Design for a STOVL Aircraft, 1993 AIAA Guidance, Navigation, and Control Conference, Aug. 911,1993, CA.

116. Garg S. Robust Integrated Flight/Propulsion Control Design for a STOVL Aircraft using H-Infinity Control Design Techniques, Automatica, Vol.29, No.l, 1993, pp.129-145.

117. Gatley S.L., Bates D.G., Postlethwaite I. A Partitioned Integrated Flight and

118. Propulsion Control System with Engine Safety Limiting //IFAC Journal of Control Engineering Practice, Vol.8, No. 8, 2000, pp.845-857.

119. Ha C.M. Integrated Flight/Propulsion Control System Design Via Neural Network. Proc. of the IEEE Intern. Symp. on Intelligent Control, Chicago, August, 1993.-P. 116-121.

120. Hornick K.M., Stinchcombe M., Write H. Multi-Laeyr Feedforward Networks are Universal Approximators //Neural Networks. Vol.2. NO.5. - 1989. -P.359-366.

121. IEE Proc. of the Colloquium on Integrated Systems in Aerospace, Digest No. 015, 1997.

122. Jordan M.I., Rumelhart D.E. Forward Models : Supervised Learning with a Distant Teacher // Cognitive Science. Vol. 16,1990. P. 313-355.

123. Jugov O.K., Selivanov O.D., Karasev V.N., Pokoteello P.L. Methods of Integrated Aircraft Propulsion Control Program Definition. AIAA Paper 3268, 1988.

124. Lin S.T., Lee C.M. Multivariate Control of the J-85 Turbojet Engine for Full Flight Envelope Operation //Journal of Guidance, Control and Dynamics, Vol.19, No.4, 1996. -P. 913-920.

125. Liu H.H.T. and Ruiter A., "Control Integration Process in Aircraft Systems Development", Proceedings of the 23rd International Congress of Aeronautical Sciences (ICAS), Toronto, Canada, September 8-13,2002.

126. Mamdani E.H. Applications of Fuzzy Algorithm for Control of Simple Dynamic Plant, Proc. of the IEEE, Vol. 121, 1974, No.12, P.1585-1588.

127. Mclnroy J.E., Saridis G.N. Reliability-Based Control and Sensing Design for Intelligent Machines // in: Reliability Analysis / Ed. J.H.Graham, Elsevier North Holland, N.Y., 1991.

128. Menon P.K., Iragavarapu V.R., Garg S. Enhancing Aircraft Performance Through Flight/Propulsion System Integration, Optimal Synthesis, 1996, pp.l-25.

129. Narendra K.S. Parasarathy K. Identification and Control of Dynamical Ststems Using Neural Networks // IEEE Trans. Neural Networks. Vol.1. -No.l. 1990. - P. 4-27.

130. Rzevski G. Designing complex engineering systems . Труды VI Международной конференции "Проблемы управления и моделирования в сложных системах, Самара: Изд-во СНЦ РАН, 2004, с. 1-4.

131. Saridis G. Entropy in Control Engineering, World Scientific/ Series in Intelligent Control and Intelligent Automation, Vol. 12, 2004.

132. Saridis G.N. Architectures of Intelligent Controls, Intelligent Control Systems / Ed. M.M.Gupta, N.Sinh, IEEE Press, 1995.

133. Saridis G.N. Entropy Formulation of Optimal and Adaptive Control, IEEE Transactions on Automatic Control, Vol. 33, N0.8, August 1988, pp.713-721.

134. Saridis G.N. Entropy in Control Engineering, World Scientific Pub., Singapore, 2001.- 134 p.

135. Saridis G.N. Hierarchically Intelligent machines, World Scientific Pub., Singapore,2001. 126 p.

136. Schmidt D.K. Integrated Control of Hypersonic Vehicles A Necessity Not just a Possibility, AIAA Guidance, Navigation, and Control Conference, Aug. 9-11,1993, CA.

137. Shilonosov A.A., Vasilyev V.I., Valeyev S.S., Neural Networks Application in the Problems of Identification and Control of Aero-Engines// International Conference ASI-2000, France, Bordeaux, Sept. 18-20, 2000, pp. 333-339.

138. Song Q., Grimble M.J. Design of a Multivariable Neural Controller and Its

139. Application to Gas Turbines. Journal of Dynamics Systems, Measurement and Control, Vol.119, 1997. -P.565-567.

140. Toprak S., Erkmen A.M., Akmador I.S. Identification and Control of a Radial Turbojet with Neural Network and Fuzzy Logic. 36th Aerospace Sciences Meeting, Reno, USA, 1998,AIAA-98-1016, p.9.

141. Turner M.C., Bates G.D., Postlethwaite I. Input/Output Conditioning of Robust Integrated Flight and Propulsion Controller. Journal of Guidance, Control, and Dynamics, Vol.24, No.6, November-December, 2001, pp. 1089-1099.

142. Valeyev S.S. Analysis of Intelligent Hybrid Dynamical Systems with Application of Constant Eigenvectors. Proceedings of the 5th International Workshop on Computer Science and Information Technologies, Ufa, USATU CSIT'2003.

143. Valeyev S.S. Analysis of dynamical systems approximated by neural networks. Proceedings of the 3rd International conference "Telecomunication: Design and Technologies", 26-27 November, 2002, USATU, Ufa, pp. 123126.

144. Valeyev S.S., Shilonosov A.A. Neural Networks for Interpolation of Characteristics of Turbo-Prop-Fan Engines //Proc. of Symposium on Actual Problems of Aircraft Engines Construction, April 12-13, Ufa, 1999, pp.111114.

145. Vasilyev V.I., Ilyasov B.G. Design of Intelligent Control Systems with use of Soft Computing: conceptions and methods. Proceedings of the 2000 IEEE International Symposium on Intelligent Control, Patras, Greece, 2000. pp. 103108.

146. Vasilyev V.l., Ilyasov B.G., Valeyev S.S. Intelligent Control Systems for Gas Turbine Engines //Proceedings of the Second Scientific-technical seminar on GT engines, 21-23 Sept. 1996, ITU, Istanbul, Turkey, pp.71-78.

147. Vasilyev V.l., Valeyev S.S. Estimation of Neural Network Models Complexity on the Basis of Entropy Approavh. Proceedings of the Workshop "Computer Science and Information Technologies (CSIT'2004), Budapest, October 17-19, Vol.1, 2004. pp.38-42.

148. Werbos P.J. Backpropagation Through Time: What It Does and How to Do It, Proceedings of the IEEE, Vol.78, Oct. 1990. P. 1550-1560.

149. Widrow B., Gupta N. and Maitra S. Punish/Reward : Learning with a Critic in Adaptive Threshold Systems //IEEE Transactions on Systems, Man and Cybernetics, Vol.3, -No.5. 1996. - P.455-465.

150. Xianghua H., Jianguo S., Ilyasov B.G., Vasilyev V.l. Analytical Redundancy Based on Autoassociative Neural Network for Aeroengine Sensors //Journal of Aerospace Power, Vol.14, 1999. P. 433-436.

151. Xianghua H., Jianguo S., Ilyasov B.G., Vasilyev V.l. Engine Sensor Fault Diagnosis Using Main Decentralized Neural Networks //Chinese Journal of Aeronautics, Vol.1 l,No.4, 1998.-P. 293-296.

152. Zadeh, L.A. Fuzzy Sets //Information and Control, Vol. 12, 1968, -P.94-102.

153. Zinn B.T. Mite Program Overview, Army Research Office MURI, (Multid-isciplinary University Research Initiative) on Intelligent Turbine Engines. MITE Workshop on Goals and Technologies of Future Turbine Engines, December 4, 2000.