автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Разработка модели и алгоритмов управления в АСНИ автономных электроэнергетических систем

На правах рукописи

Волков Юрий Дмитриевич

РАЗРАБОТКА МОДЕЛИ И АЛГОРИТМОВ УПРАВЛЕНИЯ В АСНИ АВТОНОМНЫХ ЭЛЕКТРОЭНЕРГЕТИЧЕСКИХ СИСТЕМ

Специальность: 05.13.06 - Автоматизированные системы

управления

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург - 1996

Работа выполнена в Санкт-Петербургском государственном электротехническом университете имени В.И.Ульянова (Ленина).

Научный руководитель - доктор технических наук, профессор

Советов Б.Я.

Официальные оппоненты: доктор технических наук, профессор Попов С.А. кандидат технических наук, доцент Сергеев Э.В.

Ведущее предприятие - Санкт-Петербургский институт

информатики и автоматизации РАН.

Защита диссертации состоится " 2^ " ИЮН:^ 1 996 г.

в Н час. на заседании диссертационного совета К 063.16.03

Санкт-Петербургского государственного электротехнического

университета им. В.И.Ульянова (Ленина) по адресу: 197376, Санкт-Петербург, ул.Проф.Попова, 5.

С диссертацией можно ознакомиться в библиотеке университета.

Автореферат разослан ■ 22 ■ 199 6 г.

Ученый секретарь диссертационного совета

Кутузов О.И.

- 1 -

ОБЩАЯ ХАРАКТЕРИСТИКА ДИССЕРТАЦИИ Актуальность теш. Автономные электроэнергетические установки относятся к сложным искусотвенным человека --машинным системам, основной функцией которых является бесперебойное снабжение энергией потребителей. Размещение на автономных объектах вычислительного, навигационного, радиолокационного и другого оборудования ведет к ужесточению требований по обеспечению качества электрической энергии, высокой надежности и живучести автономных электроэнергетических систем (АВЭС) при сокращении энергопотерь. Эти обстоятельства вынуждают проводить специальные комплексные исследования по улучшению электромагнитной совместимости автономной сети, преобразователей электроэнергии и бортового вычислительного оборудования, разработке точных методов оценки мощности и энергии в динамических режимах.

Поиск решения данных задач часто осуществляется в условиях вероятностной неопределенности, которая связана со случайным характером нагрузки АВЭС, отказом оборудования, влиянием помех и многими другими факторами. При этом реальная проблемная область комплексных исследований характеризуется настолько большим пространством состояний решаемой задачи, что бывает очень трудно организовать поиск решения известными методами.

Инструментом мощной интеллектуальной поддержки исследователя при решении таких задач могут служить автоматизированные системы научных исследований (АСНИ), построенные на основе достижений информационной технологии и ориентированные на знания о проблемной области. Увеличение уровня интеллектуализации АСНИ ставит ряд проблем.

Возникает необходимость объединения двух подходов: основанного на количественных моделях, характерных для существующих АСНИ; основанного на качественных моделях и используемого на этапе формирования гипотез. Несмотря на наличие многообразия моделей оптимального планирования и управления экспериментом, ни одна из них в полной мере не учитывает сложную иерархическую структуру, динамизм и многозадачность процесса комплексных исследований АВЭС в

условиях вероятностной неопределенности.

Поэтому, создание модели экспериментальных исследований АВЭС и разработка алгоритмов управления экспериментом, обеспечивающих получение достоверной информации, в сочетании с энергосберегающей технологией исследований, является актуальной научной проблемой.

Цель работы - создание комплексной вероятностной модели экспериментальных исследований АВЭС, что позволит наиболее полно и адекватно отразить динамизм объекта исследований, а также разработка алгоритмов управления экспериментом на основе вышеуказанной модели и достижений информационной технологии, что позволит повысить точность, оптимизировать энергопотребление и снизить трудоемкость эксперимента.

Задачи исследования:

1. Построение и анализ модели эксперимента с учетом вероятностной неопределенности;

2. Создание комплексной модели экспериментальных исследований как процесса поиска решения задачи активного эксперимента;

3. Разработка алгоритмов поиска решения задачи и управления экспериментом по критериям, отражающим качественную и количественную стороны эксперимента;

4. Разработка и реализация структуры АСНИ АВЭС как системы, ориентированной на знания.

Методы исследования базируются на элементах теории вероятностей и линейной алгебры, дискретной математики, использовании методов и алгоритмов информационной технологии.

Научная новизна. В диссертации получены новые результаты:

1. Создана комплексная вероятностная модель, отличающаяся от известных двухуровневым представлением эксперимента как процесса поиска решения проблемы о учетом вероятностной неопределенности в пространстве задач и пространстве состояний, что отражает динамизм объекта исследований и позволяет выбирать наилучшее представление в процессе поиска.

2. Синтезированы алгоритмы поиска решения и управления

экспериментом, в отличие от известных основанные на двухуровневой модели активного эксперимента с использованием оценочной функции общего вида, что позволяет:

- осуществлять постановку проблемы, гибко реагируя на изменение цели и задачи без значительных затрат:

- производить редукцию проблемы на верхних уровнях представления с использованием существующей иерархии полученных подзадач;

- организовать поиск решения по критериям, отражающим качественную и количественную стороны оптимизации (максимум достоверности, минимум энергозатрат).

3. Разработана виртуальная макроструктура АСНИ АВЭС, реализующая комплексную модель поиска и ориентированная на знания о проблемной области исследований, что позволяет создавать на ее основе проблемно-ориентированные системы, в которых заложена возможность развития при появлении новых задач с учетом изменений требований к системе и программы эксперимента.

Практическая ценность работы заключается в следующем:

На основе предложенной макроструктуры АСНИ АВЭС разработан программно-аппаратный комплекс автоматизации исследований динамики мобильных энергоустановок на базе компьютера IBH PC/AT и аналого-цифрового интерфейса L205 со специализированными модулями управления экспериментом, который может быть использован для:

- заводских приемо-сдаточных испытаний АВЭС и подсистем (двигатели внутреннего сгорания, электрические машины, статические преобразователи электроэнергии);

исследований динамических характеристик и электромагнитной совместимости подсистем АВЭС.

Внедрение результатов работы в промышленность. Результаты работы внедрены в НПО "Силовая электроника", г.Саранск, а также использовались при выполнении НИР N53/9A-92 "Разработка метода и приборного средства регистрации мощности и энергии мобильного сельскохозяйственного агрегата" в Мордовском государственном университете. Результаты внедрения работы подтверадены соответствующими актами.

Апробация. Основные положения и результаты диссертации докладывались на следующих конференциях и семинарах:

XII совместном научно-методическом семинаре "Автоматизация . проектирования в энергетике и электротехнике" и научном семинаре "Методы комплексной оптимизации установок по преобразованию тепловой и атомной энергии в электрическую", г.Иваново 1988 г.

- межреспубликанской научно-технической конференции "Методы и средства управления технологическими процессами", г.Саранск, 1989 г.;

- научно-технической конференции "Проблемы и прикладные вопросы физики", г.Саранок, 1993 г.

- межреспубликанской научно-технической конференции "Применение прогрессивных технологий, композиционных материалов и покрытий с целью повышения долговечности сборочных единиц при изготовлении и ремонте машин", г.Саранск, 1994 г.

- Второй научно-технической конференции "Использование научно-технических достижений в демонстрационном эксперименте и постановка лабораторных практикумов", г.Саранск, 1994г.

научно-технических конференциях профессорско-преподавательского состава Мордовского госуниверситета им. Н.П.Огарева (Огаревские чтения 1988-1995гг).

Публикации. По материалам диссертации опубликовано 7 печатных работ: 2 статьи, 2 депонированных рукописи и 3 -тезисы докладов.

Структура и объем работы: диссертация состоит из введения, четырех глав, заключения, списка литературы, включающего 98 наименований, 3 приложений. Основная часть работы изложена на 132 страницах машинописного текста. Работа содержит 4 таблицы, 22 рисунка.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность теш, сформулирована цель и задачи диссертации, перечислены методы исследования, научная новизна и практическая ценность работы.

В первой главе отмечены широкая распространенность и многообразие вариантов построения АВЭС, проанализированы особенности АВЭС, усложняющие исследования. Подчеркнуто влияние на изучаемые процессы вероятностного фактора. Обосновывается необходимость комплексных исследований систем, состоящих из математической модели и элементов, реализованных в виде физического объекта. Из множества задач комплексных исследований выделены задачи активного вкслеримента комбинаторного типа. Выполнен обзор методов решения поисковых задач, сделан вывод о перспективности применения информационной технологии. Отмечена целесообразность использования обобщенной стратегии, основанной на декомпозиции основной задачи и поиске в пространстве состояний. Общие принципы данного подхода рассматривались Дж.Гвида, М.Сомальвико, обобщение на нечеткий случай содержится в работах Д.А.Поспелова и А.Н.Аверкина.

Анализ проблемной области и литературных источников показал, что существенным отличием от вышеуказанных подходов является использование вероятностного характера процессов поиска, в основу которого предложена математическая формализация А.Н.Колмогорова.

Во второй главе эксперимент представлен как процесс поиска решения задачи в условиях вероятностной неопределенности, теоретически обоснована возможность редукции основной задачи и ее полезность, разработана комплексная модель поиска в следующей интерпретации.

Пусть целью эксперимента является подтверждение или опровержение одной из гипотез, выдвигаемых относительно объекта исследований, а именно: будем считать, что относительно объекта исследований выдвинута полная группа из n-попарно несовместных гипотез с ...с , удовлетворяющих

1 П

условию £ л с = а при i * к, с вероятностями Р( е }, в сумме 1 к к

дающих значение У Р{е, } = 1, ке{1,п}. Множеству гипотез

V u

поставим в соответствие упорядоченную последовательность

(vaa.....V — ап)' {0;1},

которая описывает состояния процесса поиска и является элементом пространства состояний S

Se{(w • an)- a„ e t0'1)}- (1)

Тогда SQ = (at,a2.....a^), где ak=1, kc{1,n}, отражает

исходную неопределенность в виде полной группы из п-попарно несовместных гипотез е ___е . Конечное состояние

1 п

представлено одним из наборов:

ек = (0,0,..., jj,0) - "1" на к-месте, соответствует принятию гипотезы ек и отклонению всех остальных гипотез;

О = (0.0.....0) - ни одна из гипотез не подтвердилась. Далее, процесс эксперимента характеризуется пространством выходных сигналов Y, которое разбивается отношением эквивалентности R на конечное число

параллелепипедов Y = |y ,k€{1,n}L Это позволяет

V. Va" n J

выделить совокупность возможных "атомарных" действий

qiJk= ( X, х Yj х wj, Ie{1,m}, Je{1,h}, ke{1,n}, (2)

связанных с подачей управляющих воздействий ^ на экспериментальную установку, измерением параметров Y^ и первичной обработкой информации Wk. Эту совокупность будем считать элементарным вкспериментом и обозначим просто q . Таким

образом получим пространство элементарных экспериментов

л л С = X х Y х V,

составленное из множества {q^, ie{1,m}, где m - число интервалов разбиения эксперимента. Сконструированное пространство позволяет задачи, решаемые в ходе эксперимента, отнести к классу комбинаторных. Однако, при решении сложных поисковых задач применение методов полного перебора неприемлемо. Возникает вопрос оптимизации процесса поиска. С втой целью образуем пространство элементарных событий

,...,Ит|, где иj есть события, заключающиеся в

проведении q1 эксперимента, что связано с возможным

попаданием измеренных значений параметров в 3-класс

л л

пространства Y при определенных значениях X!. На Я зададим

соответствующим образом сигма-алгебру Е и вероятностную меру

Р, с помощью которой используется информация, полученная

ранее. Получим дискретное вероятностное пространство

( О, Е, Р ) (3)

где индекс и указывает на проблемную ориентацию модели. Дополним вероятностную модель механизмом поиска решения задач.

Осуществление элементарного вксперимента q^ переводит процесс поиска из состояния SjC S в состояние Sj+1« индуцируя отображение

«J!SJ—*SJ.i' sj*icsr (4)

Геометрически S можно представить вершинами единичного

n-мерного куба с координатами а2» » anj. ak е {0:1} и базисом в ...е . Результат j-го вксперимента изображается

1 1с

проекцией грани S , то есть одной из граней S меньшей размерности. Тогда отображение (4) можно связать с оператором ортогонального проектирования

f :S (e1>...,0k)-4 S (Bj.....вь), (о1,...,вь)е(в1,...,вк),

Ь<к. С другой стороны процесс эксперимента изображается в виде пути на графе пространства состояний из исходного состояния Sfl€ S в одно из {е^} е s как конечной последовательности

п«г К- м v« w.....Wi* = eJ- чт°

f (S ) = S, , для j = (l,h). S e {e }.

Последовательное выполнение експериментов a,q„_____ q

12 h

интерпретируется как композиция © отображений Таким

образом получена алгебраическая система Г=<{Г^},о> со свойствами замкнутости, ассоциативности, идемпотентности, необратимости. Дополнив модель (3) системой F, действующей в (S.E.P) образуем вероятностную модель активного эксперимента

й = { <Р.о>, (5, Е, Л.С . (5)

Модель (5) позволяет сформулировать оптимизационную задачу (проблему), решсемую в процессе исследований

с(г4) * С(Х2) *...* С(Г^)-» МАХ(ЫШ), (6)

где Б0, в - соответственно начальное и конечное состояния; {I } - совокупность отображений, доставляющая решение задаче (6); С(Г^)-качество решения на 3-шаге; "*" - символ операции аддитивной или мультипликативной функции качества решения.

При решении проблемы (6) модель (5) имеет пространство

(С!,Е,Р) сложной структуры, систему с высокой

размерностью, что затрудняет ее реализацию на практике. В том случае, когда задача (6) имеет иерархическую структуру, можно применить метод редукции.

Данный подход реализован в модели, основанной на

редукции начальной проблемы и0

0 = [ и, и0, Г/И", Ш*}, Р ], (7)

где и - пространство проблем, в котором: и0- начальная

проблема; Г - множество отображений у, представляющих

проблемы и-* в виде цепочки подпроблем И = и-)*1...и-, + 1,

1 к

к€{1,п}, з'б{0,11}; Г/Еи- отношение иерархии йи на множестве ГхГ; {и^}— конечные (элементарные) проблемы с известной схемой решения хк; Р^ вероятность получения решения проблемы и-1 из решений подпроблем нижнего уровня иерархии.

Пространство проблем и и отношения между проблемами представлено направленным графом И/ИЛИ, в котором вершины соответствуют множеству задач, а дуги - отношению уеГ/Р". Решение задачи есть конечная последовательность, ведущая из начальной проблемы И0 € У в некоторое подмножество множества {и£} с и, чему соответствует граф-дерево с корневой вершиной и0. Однако на практике и0 не всегда допускает полную редукцию, у<некоторых подзадач отсутствует готовая схема решения. Редукция применима на верхнем уровне модели задачи, а на нижнем предпочтительнее поиск в пространстве 5.

Учитывая вышесказанное и принципы, заложенные в моделях (5) и (7), можно получить комплексную стратегию поиска. Для этого исходная задача и0 определена в виде ис-проблемы (6) с отвечающей ей моделью эксперимента (5). Проведено исследование о возможности разбиения проблемы и° на совокупность независимых подпроблем. Показано, что в случае декомпозиции задачи (6) на к-подзадач модель (5) имеет структуру "прямой суммы и "прямого произведения

вероятностных пространств"

В результате получена комплексная модель, которая на верхних уровнях представления имеет вид редукционной, а на нижнем уровне - модели поиска в пространстве состояний

|и° }, и0, Г/И", И, Р

где {и ) - множество проблем эксперимента, причем и €

(8) О)0};

И. - импликативная сеть, состоящая из множества импликативных

и.

схем Ь = П, У, Р где П = подггроблем, У - отображение из х множество решений проблемы и^ о символически изображено на схеме:

..и.

композиция

1 * *2 *•■

Хи в х

,1

вероятностями PJ, что

3 + 1 !'

13 + 1 ,1..

и

3 + 1 р. ' г

1з + 1.

■ X X

и

3 + 1

¿г-

и

и

_2_

1

-> XJ

л

Предложен механизм формирования правил декомпозиции по результатам эксперимента на основе корреляционного анализа. Показано, что декомпозиция проблемы и0 на К-независимых подггроблем позволяет перейти от пространства состояний размерностью п( х^* ... х»к к пространствам состояний подпроблем с суммарной размерностью п(+ па+...+ пиВ третьей главе для оценки качества решения выбрана достоверность эксперимента Б (вероятность правильного решения задачи эксперимента в соответствии с выбранной стратегией управления). Ввиду вероятностного характера пространства 5 для оценки достоверности всей программы эксперимента, состоящей из п-ветвей, использована средневзвешенная вероятность, получаемая как математическое ожидание величины Б,

О = Ы { | =£Ивк) * Р^ек/ ке(1,п), 3«{0,Ы,

(9)

где Р{е.} к

априорная вероятность к-гипотезы.

апостериорная вероятность, характеризующая достоверность подтверждения е^ при условии получения решающего дерева о корнем в ¿-ой вершине.

1

Эффективность эксперимента характеризуется энергозатратами c(qj), учитиваицими полную мощность экспериментальной установки N в j-ом режиме и время на проведение

гт

эксперимента c(q )=| N *dt. В качестве показателя J о J

энергетических затрат выбрано математическое ожидание затрат Ск на проведение эксперимента по синтезированному алгоритму

С = Ы | Ck | = * с(аз), ке{1,n}, 3e{0,h) (10)

к

Определены правила выбора и комбинирования по

каждому показателю для вершин решающего графа. Цель оптимизации заключается в нахождении решающего дерева с МАХ

11,111 MIN иэ воех Деревьев, которые можно

построить на графе. Решение этой задачи основано на введении оценочной функции Cv общего вида.

Пусть Cv(Sj) - действительная неотрицательная функция, определенная в S х О, оценивающая качество решения в некотором промежуточном состоянии S^. Разложим оценочную функцию на составляющие

ov(Sj) = cgj * ± а(сжр}, (11)

через Cgj обозначена цена реализации последовательности экспериментов Q^ 1 на прохождение пути от вершины sQ до вершины Bj, "*" - символ операции аддитивной или мультипликативной функции качества, в ее роли может выступать функция полезности или затрат. Выражение в скобках есть оценка верхней (нижней) границы функции полезности (затрат) на реализацию тути от вершины s^ до {ek>, M(Chj) -математическое ожидание, а о2(С}1^) - дисперсия этой величины. Знак "+" в формуле (11) выбирается в том случае, если в качестве критерия выступает функция полезности (в нашем случае достоверность D) и знак при выборе функции затрат. Показано, что функция Cv монотонна, например, для функции затрат из S^ следует Cv(Sj+j) а Cv(Sj).

Используя оценочную функцию, построен алгоритм А, в основу которого положены процедуры поиска в пространстве проблем At и пространстве состояний Аа, отражающие двухуровневое построение модели (8).

{и0}, и0,г/ии,и_,р1 . и0, и* ...и,'} -

Набор, составляющий начальную структуризацию и базу

знаний, определен согласно модели

Элементами модели являются: {1)с} = „ ___

1 к

множество проблем; Г/йи={у) - совокупность операторов редукции, к€{1,п}. Априорная информация о ¿-ой проблеме исчерпывается набором

и^^.С^.Б —♦ {{б^Ые^}.....€ |ис|,

в котором Б^ сформировано в виде полной группы событий с указанием априорных РО^), С^с О - список допустимых экспериментов с известными ценами с(ч), ошибками первого а и второго р рода. При этом г = к - уровень иерархии, Су -оценочная функция, ЗсСОД). В целом комплексная стратегия осуществляется алгоритмом А £ и х х поиска решения х поставленных задач и^с и. Основные втапы реализации комплексной стратегии и соответствующие процедуры приведены ниже.

Этап 1. На верхнем уровне производится преобразование представления задачи из пространства 5 в пространство и с использованием критерия и поиск базового решения на основе оценочной функции Су. Процедура А определена на и°хй_. Пусто И = {и} - множество вершин, кандидатов на генерацию; 1К - множество уже сгенерированных вершин; V - множество импликант и, раскрываемых на данном шаге. Процедура А} состоит из следующих шагов:

1°. Положить * = {и3}. И = в;

2°. Раскрыть V. Для этого:

2е. 1. Выбрать такие {7} с Г/Ни, что 7:и]—> и*1 • и*, причем - 1, г + г.= р,;

ь а С <1 ]

2°.2. Для каждой ветви, образованной >(и-'), вычислить Су(>);

2°.3. Выбрать и пометить такое 7, что Су(7) = МАХ(МШ);

3°. Пусть П = ...и^*1 цепочка подпроблем, связанных, с вершиной и-1. Если все € Ш^}, то выполнить разметку решающего графа и выход. Иначе Уг= П;

4°. Положить Н:= Н и (и-1), V : = (И и У)\(Н. Если V = а и

{и!*},то передать и1+1на нижний уровень.Иначе к шагу 2. к к к

Результатом работы алгоритма на верхнем уровне является план решениячастично представляющий импликативную сеть и отличающийся наличием подзадач, которые могут быть решены с некоторой вероятностью на никнем уровне. Этот план является оптимальным в классе АВЛ-деревьев и служит базовым для процедуры А2.

Этап 2. Процедура нижнего уровня Аа, задаваемая на 5 * О, осуществляет поиск решения в пространстве 5, используя модифицированный метод ветвей и границ. На вход процедуры поступает представленная проблема и-1 = С^, {©к>, Р^

Каждый чей^ вносится в граф решений, образуя отдельную ветвь на подмножестве Б^. Выбор ветви производится по критерию Сч сравнением с базовым решением и последующим развитием перспективных вариантов. Таким образом на каждом конечном шаге ветвления сужается область поиска оптимального решения.

ОСНОВНОЕ УТВЕРЖДЕНИЕ. Алгоритм поиска с оценочной функцией (11) обладает свойствами алгоритма Харта, Нильсона и Рафаэля, причем объем перебора не более объема, достигаемого в известных методах.

Предлагаемый алгоритм может быть применен на этапах планирования и управления экспериментом. На этапе планирования результатом решения является решающее дерево, на этапе управления производится поиск и реализация элементарных ч, что изображается в виде пути на графе 5.

Рассмотрены особенности управления экспериментом по каждому из критериев Б и С, причем после проведения полного эксперимента происходит пополнение и обновление базы знаний.

Произведен анализ информационных и энергетических процессов на виртуальном уровне проектирования. В результате сформирована функциональная древовидная модель АСНИ АВЭС, как системы ориентированной на знания. Структура АСНИ, реализующей основные и дополнительные функции, приведена на рис.1.

Конкретная структура программно-аппаратных средств АСНИ определяется на физическом уровне проектирования, исходя из проблемной ориентации эксперимента.

ИССЛЕДОВАТЕЛЬ

Рис.1. Общая структура АСНИ АВЭС

В четвертой главе описывается пример применения разработанных средств АСНИ АВЭС при выполнении НИР И53/9А--92 в Мордовском государственном университете.

Объектом исследования являлись мобильные энергоустановки, выполненные по схеме: двигатель внутреннего сгорания (ДВС) - генератор - нагрузка. Вследствие влияния параметров ДВС на параметры энергоустановки в динамических режимах, одной из целей комплексных исследований являлась проверка адекватности математической модели динамики ДВС. Модель представлена механической цепью из сосредоточенных элементов, расположенных в порядке передачи воздействия реальной системы ДВС - ИПМ - СТЕНД, где: ИПМ - измерительный преобразователь момента, выполнен в виде составного маховика: СТЕНД - нагружающий стенд КИ-5543 ГОСНИТИ, доработанный о учетом специфики решаемых задач.

Произведен анализ модели, получены выражения для амплитудно - и фазо-частотных характеристик в точке соединения стенда о двигателем. Поставлены задачи экспериментального исследования системы ДВС - ИПМ - СТЕНД.

В соответствии с комплексной моделью (8) сформулирована проблема поиска. С помощью синтезированных алгоритмов получены решающие подграфы, оптимизированные по критериям г^, максимума достоверности и минимума средних энергозатрат.

Применение научных и практических результатов при выполнении данной НИР на этапе создания и уточнения математической модели оценки динамики мощности позволило:

- повысить точность модели энергооценки в переходном реме свободного разгона ДВС до 2 % ;

- сократить энергопотребление испытаний двигателя Д-240Л на 14 % за счет сокращения времени исследований на этапе идентификации модели оценки динамики;

- определить и оптимизировать основные характеристики создаваемого прибора регистрации мощности и энергии (число каналов, быстродействие, разрядность, объем памяти).

В заключении сформулированы основные выводы, полученные в результате проведенной работы.

1. Произведено построение и анализ вероятностной модели эксперимента, в основу которой положена математическая формализация А.Н.Колмогорова.

2. Создана комплексная вероятностная модель, отличающаяся от известных двухуровневым представлением эксперимента как процесса поиска решения проблемы с учетом вероятностной неопределенности в пространстве задач и пространстве состояний, что отражает динамизм объекта исследований и позволяет выбирать наилучшее представление в процессе поиска.

3. Синтезированы алгоритмы поиска решения и управления • экспериментом, в отличие от известных основанные на двухуровневой модели активного эксперимента с использованием оценочной функции общего вида, что позволяет:

- осуществлять постановку проблемы, гибко реагируя на изменение цели и задачи без значительных затрат;

- производить редукцию проблемы на верхних уровнях представления о использованием существующей иерархии полученных подзадач:

организовать поиск решения по критериям, отражающим качественную и количественную стороны оптимизации (максимум достоверности, минимум энергозатрат).

4. Разработана виртуальная макроструктура АСНИ АВЭС, реализующая комплексную модель поиска и ориентированная на знания о проблемной области исследований, что позволяет создавать на ее основе проблемно-ориентированные системы, в которых заложена возможность развития при появлении новых задач с учетом изменений требований к системе и программы эксперимента.

5. Разработан программно-аппаратный комплекс автоматизации исследований динамики мобильных энергоустановок, реализующий предлагаемую структуру АСНИ. Применение программно-аппаратного комплекса при выполнении НИР М53/9А-92 на этапе проверки адекватности математической модели динамики позволило повысить точность модели до 2 % и снизить энергопотребление эксперимента на 14 %.

В приложении приведено: описание библиотеки прикладных программ для поиска решения задач активного эксперимента, материалы внедрения.

Автор выражает глубокую благодарность своему научному руководителю, профессору Б.Я.Советову.

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Волков Ю.Д. Исследование качества электроэнергии в АСНИ автономных энергосистем //Тезисы докладов межреспубликанской научной конференции "Методы и средства управления технологическими процессами". Саранск, 1989. с.67-68.

2. Волков Ю.Д. Алгоритмы управления экспериментом в АСНИ автономных внергосистем.- Саранск, 1992.- 13с.- Мордов. ун-т, Деп. в ВИНИТИ N 2716-В92 от 04.09.92.

3. Вантюсов Ю.А., Волков Ю.Д., Левцев А.П. Автоматизация вксперимента - объектно-ориентированный подход //Тезисы докладов научно-технической конференции "Проблемы и прикладные вопросы физики". Саранск, 1993. с.112.

4. Волков Ю.Д. Поиск оптимальных структур на графе.-Алгоритмы и программы задач сельской электрификации: учебное пособие/Ю. А.Вантюсов, Ю.Д.Волков и др.; Под ред. Ю.А.Вангюоова. -Саранск, Изд-во Мордов. ун-та,1993, с.5-18.

5. Вантюсов Ю.А., Савельев А.П., Волков Ю.Д. и др. Автоматизация экспериментальных исследований мобильных с/х энергетических средств //Тезисы докладов второй научно-технической конференции "Использование научно-технических достижений в демонстрационном эксперименте и постановка лабораторных практикумов". Саранск, 1994. с.211.

6. Волков Ю.Д. Вероятностная модель активного эксперимента. СО. науч. трудов Мордов. ун-та. "Техническое обеспечение перспективных технологий". Саранск, 1995. с.41-47.

7. Волков Ю.Д. Комплексная модель поиска решения задач активного эксперимента,- Дифференциальные уравнения и методы их решения: Меквуз. сб. науч. тр./Мордов. ун-т -Саранск. Деп. в ВИНИТИ N 3224-В95 от 05.12.95.