Синтез адаптивных систем оптимального управления мехатронными станочными модулями

Лютов, Алексей Германович

Системный анализ, управление и обработка информации (по отраслям)

автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Синтез адаптивных систем оптимального управления мехатронными станочными модулями

доктора технических наук: Лютов, Алексей Германович
город: Уфа
год: 2005
специальность ВАК РФ: 05.13.01
цена: 450 рублей

Диссертация по информатике, вычислительной технике и управлению на тему «Синтез адаптивных систем оптимального управления мехатронными станочными модулями»

Автореферат диссертации по теме "Синтез адаптивных систем оптимального управления мехатронными станочными модулями"

На правах рукописи

ЛЮТОВ Алексей Германович

СИНТЕЗ АДАПТИВНЫХ СИСТЕМ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ МЕХАТРОННЫМИ СТАНОЧНЫМИ МОДУЛЯМИ

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 автоматизированных технологических систем Уфимского государственного авиационного технического университета

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

ЗОРИКТУЕВ Вячеслав Цыденович

Официальные оппоненты — д-р техн. наук, проф.

АФОНИН Вячеслав Леонидович д-р техн. наук, проф. КАЯШЕВ Александр Игнатьевич д-р техн. наук, проф. ЯКИМОВИЧ Борис Анатольевич

Ведущее предприятие — ФГУП ММПП «Салют» (г. Москва)

Защита диссертации сос-">ится ««О» декабря 2005 г. в "^¿Р часов на заседании диссертационного совета Д-212.288.03 Уфимского государственного авиационного технического университета по адресу: 450000, г. Уфа, ул. К. Маркса, 12

С диссертацией можно ознакомиться в библиотеке университета

Автореферат разослан «•/%» ноября 2005 г.

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

Миронов В.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы

Эффективность работы и конкурентоспособность современного машиностроительного производства во многом определяется достигнутым уровнем его автоматизации и характеристиками используемого механообрабатываю-щего оборудования. В настоящее время основная масса изделий машиностроения производится в мехатронных станочных модулях (МСМ), системах и комплексах, в которых основным технологическим процессом является процесс резания (ПР), а системами управления — системы числового программного управления (ЧПУ). Так, применительно к механообрабатывающему производству в авиационной промышленности, доля механообработки по трудоемкости при изготовлении деталей авиадвигателей составляет от 40 до 60 процентов от общего времени изготовления изделия.

Для обеспечения высокой эффективности производства ответственных изделий машиностроения механообрабатывающее оборудование должно иметь высокие показатели по производительности, точности и экономичности; высокое быстродействие; адаптивность характеристик в широком диапазоне изменения режимов ПР и технологических условий; интеллектуальные свойства при функционировании в условиях недостатка априорной и текущей информации.

Одним из наиболее действенных способов повышения эффективности ПР на станках с ЧПУ, особенно при обработке сложнопрофильных деталей из труднообрабатываемых материалов, характерных для производства авиадвигателей, является применение систем автоматического управления (САУ) режимами резания, основными из которых являются системы управления силой и температурой резания. Применение систем управления температурными и силовыми режимами ПР позволяет максимально использовать возможности станка и инструмента, увеличить производительность обработки и снизить ее себестоимость, значительно повысить качество выпускаемой продукции. Большой вклад в решение этих вопросов внесли отечественные ученые Б.С. Балакшин, В.Ф. Безъязычный, В.Л. Заковоротный, В.Ц. Зориктуев, А.Д. Мака-

ров, В.Н. Михелькевич, ВЛ. Подураев, И.Б. Рубашкин, A.A. Рыжкин, С.С. Силин, Ю.М. Соломенцев, В.Л. Сосонкин, М.М. Тверской, В.В. Трусов и др. Данные исследования позволили теоретически обосновать и практически подтвердить возможность формирования требуемых технико-эксплуатационных показателей качества деталей авиадвигателей за счет оптимального управления температурой и силой резания в зоне обработки. В основе используемых методов проектирования САУ ПР, отраженных в перечисленных выше работах, лежат классические методы исследования и синтеза линейных и нелинейных нестационарных систем.

В тоже время с точки зрения теории управления процесс резания является сложным техническим объектом, к основным особенностям которого можно отнести: многорежимность, многомерность (многоканальность), нестационарность, стохастичность, нелинейность, параметрическую и структурную неопределенность, значительные возмущения, большое число не поддающихся точной оценке факторов, определяющих условия обработки, малый объем априорной информации о внутренних и внешних связях ПР. С совершенствованием технологии и оборудования сложность ПР как объекта управления возрастает. Одновременное повышение требований к качеству управления ПР приводит к необходимости использовать более сложные структурные схемы и алгоритмы управления данными объектами.

При этом одной из наиболее существенных проблем при построении высококачественных систем управления ПР является неопределенность характеристик объекта управления и внешних воздействий, т.е. неполнота априорной и текущей информации об этих характеристиках, обусловленная такими факторами, как изменение режимов работы оборудования, нестабильность характеристик материалов заготовок и режущего инструмента, нестабильность характеристик и износ оборудования, износ режущего инструмента и т.д. Действие вышеперечисленных факторов приводит к неконтролируемым изменениям температурной и силовой нагрузки на мехатронную систему. Существующие методы построения систем управления ПР не позволяют добиться требуемого качества и надежности их работы или решают это лишь частично. В частности, режимы резания при разработке управляющих программ на

станках с ЧПУ назначаются, исходя из наиболее нагруженных в температурном или силовом отношении режимов, которые в общем времени обработки могут занимать сравнительно небольшую часть. При этом в остальную часть времени обработка происходит на существенно заниженных по интенсивности режимах. Это резко снижает эффективность использования МСМ, что недопустимо при их высокой стоимости.

Системы управления современными и перспективными процессами механообработки должны проектироваться в классе многорежимных многоканальных систем с параметрической и структурной неопределенностью, обеспечивающих высокое качество управления в широком диапазоне изменения внешних условий обработки и режимов ПР. Это влечет за собой существенное усложнение процедуры их проектирования и, как следствие, необходимость разработки новых методов исследования и проектирования, адекватных данному классу систем, применения современных подходов, в том числе на основе методов и средств искусственного интеллекта.

Среди работ отечественных и зарубежных исследователей, посвященных проблемам управления сложными динамическими системами, функционирующими в условиях неопределенности, следует отметить работы ученых УГАТУ Б .Г. Ильясова, В.И. Васильева, Ю.М. Гусева, В.Н. Ефанова, Ю.С. Ка-бальнова, В.Г. Крымского, Г.Г. Куликова, В .В. Миронова, Н.И. Юсуповой и др. В данных работах, внесших большой вклад в теорию данного класса систем, отражены различные аспекты сложной и многогранной проблемы управления в условиях неопределенности. Применительно к системам управления МСМ дальнейшего развития требуют такие направления, как решение оптимизационных задач для систем с параметрической и структурной неопределенностью, адаптивная оптимизация систем в условиях неопределенности, решение задач координации в условиях неопределенности свойств объекта и характеристик возмущающих воздействий, оперативная оптимизация программ управления САУ МСМ.

Отмеченные выше нерешенные вопросы создания систем управления МСМ в условиях неопределенности приводят к возрастанию затрат и сроков

на проектирование САУ МСМ, существенному снижению их эффективности на этапе эксплуатации.

Таким образом, решаемая в настоящей диссертационной работе проблема адаптивной оптимизации многорежимных многоканальных САУ МСМ в условиях неопределенности, которая позволяет строго формализовать и, тем самым, облегчить автоматизацию и сократить сроки выполнения предварительных этапов проектирования систем управления ПР, а также обеспечить в этих условиях получение более высоких показателей качества процессов управления механической обработкой, является актуальной.

Диссертационная работа выполнена на кафедре автоматизированных технологических систем Уфимского государственного авиационного технического университета в соответствии с координационными планами НИР АН РФ, программой «Конверсия и высокие технологии 1997-2000 г.г. », федеральной целевой программой «Государственная поддержка интеграции высшего образования и фундаментальной науки на 1997-2007 г.г.», а также в соответствии с планами научно-исследовательских работ кафедры автоматизированных технологических систем Уфимского государственного авиационного технического университета и выполнением ряда хоздоговорных и госбюджетных НИР, в том числе: «Разработка концепции и методов организации мультиагентных интеллектуальных систем управления роботизированными технологическими процессами» (№ г.р. 012000307625).

Цель работы

Целью работы является разработка методологических и теоретических основ синтеза адаптивных систем оптимального управления МСМ, позволяющих повысить эффективность процессов проектирования и управления МСМ в условиях параметрической и структурной неопределенности.

Задачи исследования

Для достижения поставленной цели в работе решены следующие задачи:

управления в широком диапазоне изменения технологических условий и режимов механообработки.

2. Разработка оптимизационного метода синтеза локальных подсистем управления ИР, обеспечивающих устойчивость и гарантируемое качество процессов управления, а также физическую реализуемость регуляторов в условиях параметрической и структурной неопределенности ПР.

3. Разработка метода совмещенного синтеза локальных подсистем управления ПР, обеспечивающих требуемое качество процессов управления в условиях неопределенности свойств объекта и изменяемой цели управления.

4. Разработка метода синтеза нейросетевых регуляторов параметрического управления ПР, обеспечивающих устойчивость контуров самонастройки и требуемое качество отработки параметрических возмущений в условиях неопределенности характеристик последних.

5. Разработка методов анализа и синтеза нейросетевого координированного управления выходными координатами ПР, обеспечивающих поддержание заданных функциональных соотношений между ними в условиях неопределенности свойств локальных подсистем.

6. Разработка модели знаний, метода и алгоритмов оперативной оптимизации программ управления режимами ПР в условиях неопределенности на основе методов искусственного интеллекта.

7. Исследование эффективности разработанных методов, алгоритмов и структурных решений методом математического моделирования, использование полученных теоретических результатов применительно к задачам проектирования и эксплуатации современных и перспективных систем управления МСМ.

Методика исследований

Поставленные в работе задачи решены методами системного анализа, методами теории оптимального и адаптивного управления, теории резания, теории информации, теории идентификации, методами нечеткой логики, искусственных нейронных сетей, математического программирования и моделирования.

Научная новизна

В диссертации, на основании выполненных автором исследований и разработок, получено решение с позиций системного подхода проблемы оптимизации, адаптации и координации многорежимных многоканальных САУ МСМ, функционирующих в условиях параметрической и структурной неопределенности, разработаны методы построения САУ МСМ, сохраняющих устойчивость и высокое качество управления при действии сигнальных, параметрических и структурных возмущений. В процессе исследований были получены следующие результаты, обладающие научной новизной:

1. Оптимизационный метод синтеза локальных подсистем управления ПР, обеспечивающий устойчивость и гарантируемое качество переходных процессов, физическую реализуемость регуляторов координатного управления в условиях параметрической и структурной неопределенности ПР и позволяющий обоснованно формировать области возможных значений весовых коэффициентов минимизируемого функционала.

2. Метод совмещенного синтеза локальных подсистем управления ПР, позволяющий формировать оптимальные управления в реальном времени в процессе функционирования системы и позволяющий обеспечить требуемые показатели качества процессов управления в условиях неопределенности свойств объекта и меняющейся цели управления.

3. Метод синтеза нейросетевых алгоритмов параметрического управления для обобщенного настраиваемого объекта локальной подсистемы управления ПР, позволяющий значительно упростить процедуру синтеза регулятора параметрического управления и обеспечить парирование значительных по величине быстрых параметрических возмущений.

4. Методы нейросетевого координированного управления локальными подсистемами ПР, обеспечивающие поддержание заданных функциональных соотношений между выходными координатами локальных подсистем в условиях действия сигнальных и параметрических возмущений.

5. Модель знаний, метод и алгоритмы оптимизации программ управления режимами ПР в условиях параметрической неопределенности на основе методов нечеткой логики и нейросетей.

На защиту выносятся

1. Оптимизационный метод синтеза локальных подсистем управления ПР в условиях интервальной параметрической и структурной неопределенности.

2. Метод совмещенного синтеза локальных подсистем управления ПР в условиях неопределенности.

3. Метод синтеза нейросетевых регуляторов параметрического управления ПР в условиях интервальной параметрической неопределенности.

4. Методы анализа и синтеза нейросетевых алгоритмов координированного управления выходными координатами ПР.

5. Метод и алгоритмы оптимизации программ управления режимами ПР в условиях неопределенности на основе методов искусственного интеллекта.

Практическая ценность и реализация работы

Полученные в работе результаты составляют алгоритмическую основу для создания САПР интеллектуальных многорежимных многоканальных САУ МСМ, функционирующих в условиях неопределенности и удовлетворяющих заданному комплексу требований к качеству управления в широком диапазоне изменения технологических условий и режимов механообработки. Вычислительные алгоритмы и процедуры имеют достаточно общий, универсальный характер и могут быть использованы как на этапе проектирования, так и эксплуатации систем управления МСМ. Предложен ряд технических решений для систем управления ПР, позволяющих повысить эффективность процедур практической реализации САУ МСМ. Проведенные исследования позволяют повысить эффективность процесса проектирования и управления МСМ, что способствует повышению технико-экономических характеристик используемого оборудования и эксплуатационных характеристик изделий механообра-батывающего производства.

Полученные результаты использовались при создании: микропроцессорных САУ ПР на станках ТЛ-1000 с УЧПУ типа СИС 2Р32М; микропроцессорных систем управления температурно-силовыми режимами обработки на многоцелевых станках с УЧПУ типа РСЫС. Результаты работы апробированы на предприятиях: ММПО им. В.В. Чернышева, РПО «Электромеханика»,

ЛНПО «Электронмаш», ОАО «САВМА», ФГУП УАП «Гидравлика», ОАО УМПО, ОАО «Стерлитамак-М.Т.Е.», где используются при проектировании систем управления МСМ.

Кроме этого, материалы диссертационной работы внедрены в учебный процесс в Уфимском государственном авиационном техническом университете, где используются при чтении соответствующих курсов лекций (в частности, по направлению 220200 «Автоматизация и управление» и специальности 220301 «Автоматизация технологических процессов и производств), в курсовом и дипломном проектировании. Результаты диссертационной работы нашли отражение при написании монографии, изданной в МАИ, а также учебного пособия (с грифом Министерства образования РФ), изданного в УГАТУ.

Апробация работы

блемы производства летательных аппаратов и двигателей» (Казань, 1993); «Технология и оборудование современного машиностроения» (Уфа, 1994); «Модели механики сплошной среды» (С -Петербург, 1995); «Информационные и кибернетические системы управления и их элементы» (Уфа, 1997); «Технология и оборудование современного машиностроения» (Уфа, 1998); «Проблемы авиации и космонавтики и роль ученых в их решении» (Уфа,

1998); «Компьютерные технологии в науке, проектировании и производстве» (Н. Новгород, 1999); «Повышение эффективности механообработки на основе аналитического и экспериментального моделирования процессов» (Рыбинск,

1999); «Интеллектуальное управление в сложных системах» (Уфа, 1999); «Новые технологии управления движением технических объектов (Новочеркасск, 1999); «Проблемы трансфера технологий» (Уфа-Патрас, 1999); «Технологии третьего тысячелетия» (С.-Петербург, 2001); «Аэрокосмичекие технологии образование на рубеже веков» (Рыбинск, 2002); «Системный анализ в проектировании и управлении» (С.-Петербург, 2004); «Оптимизация и управление процессом резания, мехатронные станочные системы» (Уфа, 2004); «Меха-троника, автоматизация, управление» (Уфа, 2005); выездном заседании головного совета «Машиностроение» ВАК (Уфа, 2004).

Публикации

По теме диссертации опубликовано 65 работ, в том числе 1 монография, 1 учебное пособие (с грифом Министерства образования РФ), 34 статьи, 5 научно-технических отчетов, получено 2 авторских свидетельства. Структура и содержание работы

Диссертация состоит из введения, семи глав, заключения, списка литературы и приложений, изложенных на 388 страницах и содержит 85 рисунков, 12 таблиц, библиографический список из 525 наименований.

Во введении обосновывается актуальность исследуемой проблемы синтеза адаптивных систем оптимального управления МСМ и повышения эффективности управления ПР в условиях неопределенности, формулируется цель и задачи диссертационной работы, дается краткая характеристика ее основных разделов и полученных результатов.

В первой главе дается общая характеристика современных и перспективных систем управления МСМ. Рассматриваются особенности ПР как объектов управления, выявляются основные факторы, оказывающие влияние на показатели качества и эффективности САУ ПР. Проведен анализ существующих подходов к синтезу САУ ПР в условиях неопределенности. Показывается, что одной из наиболее существенных проблем при построении высококачественных систем управления ПР является неопределенность характеристик объекта управления и внешних воздействий, обусловленных такими факторами, как изменение режимов работы оборудования, нестабильность характеристик материала заготовок и режущего инструмента, нестабильность характеристик и износ оборудования, износ режущего инструмента и т.д. Излагаются общие принципы построения многорежимных многоканальных САУ ПР в классе многоуровневых систем. Разрабатывается с позиций системного подхода методология оптимизации данного класса систем, основанная на учете фактора неопределенности как на стадии проектирования, так и в процессе функционирования системы для каждого из уровней ее организации. В соответствии с предложенной методологией сформулированы основные задачи диссертационной работы, решение которых ориентировано на создание теоретических и методологических основ адаптивной оптимизации многорежимных многоканальных САУ ПР в условиях структурно-параметрической неопределенности, а также на исследование эффективности полученных результатов.

Во второй главе посвящена вопросам оптимизации локальных подсистем управления ПР в условиях интервальной параметрической и структурной неопределенности объекта управления.

Задача оптимального синтеза рассмотрена применительно к замкнутым линеаризованным подсистемам с объектами управления, передаточная функция которых имеет интервальную параметрическую неопределенность:

#*(*) = "Г*-'>™<п; а, ,я*,.], Ък е\Ък (1)

XV'

где к — номер локальной подсистемы. При этом передаточная функция ¿-той замкнутой локальной подсистемы управления ПР определяется выражением Фк($)=Нк(5)[1 + Нк(.у)/^(•?)]"', где Я^) и Я* (я) - передаточные функции регулятора и объекта управления соответственно. Требуется определить физически реализуемую передаточную функцию ■/?*($) оптимального в

смысле выбранного критерия качества регулятора, обеспечивающего устойчивость и гарантированный уровень качества управления (не хуже некоторого определенного значения критерия оптимальности). Так как при известной передаточной функции объекта Я4(з) передаточная функция полностью определяет искомую передаточную функцию Л (у) регулятора, то задачу синтеза можно свести к определению оптимальной в смысле выбранного критерия качества передаточной функции Ф^(^) подсистемы.

Задачу синтеза оптимальной подсистемы в условиях интервальной параметрической неопределенности предлагается решать в несколько этапов.

На первом этапе определяются базовые передаточные функции объекта управления и Нф), доставляющие соответственно минимум и макси-

мум значению /. функционала качества ¿-той локальной подсистемы со-

"шш

гласно выражениям (с учетом перехода в частотную область):

При этом предполагается, что вид входного воздействия на подсистему и весовые коэффициенты функционала неизменны.

В качестве критерия оптимальности локальных подсистем в работе рассмотрены квадратичные функционалы вида

о о / = 0

где £к(0, ик(0> — ошибка управления и управляющее воздействие в А-той замкнутой локальной подсистеме; ук(р) — весовой полином, задающий желаемое поведение выходной координаты подсистемы; с* — весовой коэффициент, определяющий степень учета ограничения функционала. Первое слагаемое в (3) представляет собой улучшенную интегральную квадратичную оценку качества управления; второе слагаемое характеризует энергетические возможности исполнительных механизмов подсистемы и выступает в качестве ограничивающего фактора при оптимизации.

На втором этапе синтеза определяется компенсационная часть регулятора исходя из минимума специально сформированного функционала

*(/<4 + Кк6в>)Нк(/а>)\1 -1 + Як6<»)Ккве>)Т1}\<1<й> (4)

характеризующего разброс динамических свойств замкнутой подсистемы и являющегося мерой компенсации динамических свойств объекта в условиях интервальной параметрической неопределенности. Путем минимизации функционала (4), при рассмотрении Л (_/а))в качестве варьируемой компоненты, определено выражение для передаточной функции Н к (5), которую необходимо использовать в компенсационной части регулятора (в соответствии с методом обратных операторов), чтобы обеспечить минимум разброса свойств интервальной подсистемы:

Нк(з) = (н„(зЖк(з))°^ (5)

На третьем этапе синтеза производится выбор такого полинома весовых коэффициентов ук(р), при котором обеспечиваются устойчивость и желаемые динамические характеристики подсистемы при всех возможных сочетаниях значений коэффициентов полиномов числителя и знаменателя Нк{з) из интервалов (1). Показано, что анализ устойчивости может быть осуществлен по выражению для частотной передаточной функции разомкнутой подсистемы Wk(fr) = Й-¿^j^aWkU<йШtyb^U<*^)-'t^{<>)) • (6)

Очевидно, что этого всегда можно достичь, выбирая значения коэффициентов весового полинома ук(р), которые обеспечивают устойчивость синтезируемой системы. Таким образом, анализ выражения (6) позволяет определить области возможного расположения весовых коэффициентов полинома ук(р).

Четвертый этап синтеза предусматривает предварительное аналитическое выделение параметрического множества передаточных функций ф* (в) из выражения

ф"* (*) Ф! (-*) = У* (0) я * (*)Нк (-*)[у* 0)У * (з)Нк {-з) + с, *(-*)]"' (7)

путем применения операции факторизации и последующую численную оптимизацию Фк (я) в пространстве варьируемых параметров. Передаточная функция регулятора подсистемы далее определяется в соответствии с выражением

(8)

Таким образом, синтез в условиях интервальной параметрической неопределенности можно осуществлять аналогично синтезу неинтервальных систем, если в качестве передаточной функции объекта Н^) использовать базовую передаточную функцию Нк{я), определяемую в соответствии с выражением (2), в компенсационной части регулятора использовать передаточную функцию Я*(я) (согласно выражению (5)), а весовой полином Ук(р) выбирать из условия устойчивости интервальной системы (с использованием выражения (6)). В случае неинтервального объекта управления, когда ~ ~ Нк(5)> результаты оптимизации будут совпадать с результа-

тами, полученными при оптимизации неинтервальных систем. Все это позволяет рассматривать предлагаемый подход как развитие известного метода оптимизации на синтез систем с интервальной параметрической неопределенностью.

Предложенный метод обобщен на класс систем со структурно-параметрической неопределенностью. Исследована возможность синтеза не-перестраиваемых регуляторов, обеспечивающих квазиоптимальность локальной подсистемы в условиях структурных возмущений объекта управления.

Процедура оптимизации гарантирует устойчивость и физическую реализуемость регулятора системы для любых возможных структур и значений параметров объекта. Можно утверждать, что предлагаемый подход принципиально (в силу используемого метода оптимизации) обеспечивает достижимость решения задачи оптимизации, т.е. существование совместной области устойчивости для возможных структурных состояний подсистемы управления.

На примере синтеза квазиоптимального управления для ПР исследована эффективность предлагаемого подхода. Отмечается, что разброс свойств синтезируемой системы в условиях неопределенности может быть еще более уменьшен путем переноса процедуры выбора весовых коэффициентов минимизируемого функционала (3) с этапа синтеза на этап функционирования системы и организации адаптивной настройки весовых коэффициентов с целью коррекции динамических свойств системы в сторону желаемых.

Третья глава посвящена разработке метода совмещенного синтеза локальных подсистем управления ПР, под которым понимается синтез оптимальных управлений в реальном времени в процессе функционирования системы (т.е. совмещение процессов синтеза и управления). Предложен новый подход к совмещенному синтезу локальных подсистем управления ПР, который позволяет обеспечить ее оптимальность в условиях неопределенности свойств объекта и меняющейся цели управления. Предлагаемый подход основан на адаптивной коррекции параметров функционала (его весовых коэффициентов) исходя из минимума вторичного показателя качества, отражающего технические требования к системе.

В рамках этого подхода предложено формирование критериев оптимизации осуществлять на основе функционалов с мультипликативной функцией затрат на управление:

I = у[Х((г)]+■ щи( о,*]л. (9)

г,

Здесь V — функция конечного состояния управляемого процесса х(12 ); и и — скалярные функции вектора состояния х(() и вектора управления и(0 соответственно, а также времени X. Применение данных функционалов дает возможность получения аналитических выражений, напрямую связывающих ве-

совые коэффициенты данного класса функционалов с коэффициентами эквивалентных уравнений синтезируемой системы. При этом сложная традиционная процедура оптимального синтеза производится только один раз на стадии проектирования системы с целью определения структуры и начальных параметров регулятора. В дальнейшем осуществляется лишь простая процедура целенаправленного формирования оптимальных показателей качества управления в системе путем коррекции коэффициентов ее регулятора через полученные заранее уравнения связи этих коэффициентов с весовыми коэффициентами минимизируемого функционала.

Функционал (9) может быть определен методом подстановки

/ = Р/5с(92 )7 + 6 (Ю)

е.

путем замены в нем независимой переменной / на новую переменную 0, связанную с / дифференциальным соотношением

¿9 = и[и((), (И)

где 5с(9) — вектор состояния управляемого процесса, соответствующий новым уравнениям состояния для 0, полученным из исходных в соответствии с правилами замены переменных в дифференциальных выражениях.

Полученное таким образом выражение функционала (10) является эквивалентным исходному выражению (9) с точки зрения решаемой задачи оптимизации, но в отличие от (9) не содержит £/[м(/),/] в явном виде. Это важное обстоятельство позволило для некоторых классов динамических систем получить аналитические выражения, связывающие весовые коэффициенты минимизируемого функционала с коэффициентами уравнений оптимизируемой системы, что существенно упрощает решение задачи совмещенного синтеза.

В частности, классический функционал с аддитивной функцией затрат на управление может быть приведен к форме функционала с мультипликативной функцией затрат:

/ = У[х(12)] + )<2[х(0,+ )и[и(о,<М = и/х(02)7 + /£/х(9),(12)

/, /, о,

где с/8 = {/ + 11[и(0,1Шх(0, .

Разработан метод линеаризованной подстановки, который для функционала с мультипликативной функцией затрат на управление позволяет путем перехода в них к новой независимой переменной получить из исходных дифференциальных уравнений замкнутой системы эквивалентные (в общем случае нелинейные) дифференциальные уравнения. После линеаризации этих уравнений коэффициенты полиномов соответствующих эквивалентных передаточных функций замкнутой системы становятся функциями от весовых коэффициентов функционала, что позволяет избежать традиционной процедуры численной параметрической оптимизации и рассматривать данные весовые коэффициенты как настраиваемые параметры оптимального регулятора.

Предложенный приближенный метод позволяет значительно сократить вычислительные затраты в процессе синтеза оптимальных управлений и автоматизировать процедуру выбора весовых коэффициентов минимизируемого функционала путем их адаптивной настройки в процессе функционирования системы.

Разработана методика оптимизации локальных подсистем управления ПР с использованием функционалов с мультипликативной функцией затрат. Практическое применение данной методики рассмотрено на примере решения задачи оптимизации с использованием квадратичного функционала качества (3) с одним весовым коэффициентом а (т.е. при у(р)-1 и с=а>0).

Первоочередной задачей синтеза при этом является определение оптимальной передаточной функции Ф*(«) замкнутой подсистемы и ее регулятора Л*(«) из условия минимума функционала (3), в которые весовой коэффициент а (или некоторая функция этого коэффициента Р=Р(а)) входил бы в качестве прямого параметра.

В соответствии с предложенным выше подходом эквивалентное дифференциальное уравнение подсистемы, записанное для ошибки управления е и полученное из исходного дифференциального уравнения замкнутой подсистемы путем замены независимой переменной, будет иметь вид:

" [ф'(9)]" dQT [ м [tp'C©)] L JJ d&

Здесь Л[ф', ф".---]. i=l> .... и-1 - функции перекрестных произведений

производных <р\ ф".....взятых по 9. При этом предполагается, что на вход

подсистемы подается типовое ступенчатое или импульсное воздействие. После линеаризации уравнения (13) в окрестностях установившегося состояния е(оо) = ¿(оо) = ё(оо) =... = 0 и возврату к реальному времени соответствующая оптимальная эквивалентная передаточная функция подсистемы (при нулевых начальных условиях) в общем случае будет иметь вид

ф* (s ß) =_д-д + + _

экв^ (1 + ß)-(1 + (2и + l)ß>" +... + (1 + ß)2(1 + 7ß>3 +

(14)

+г>-(1+рХ1+5р>2 +ь;(1+зр>+г>о где 3 = ак2, к-сотг, Ь°а,Ъ°{.....6° — начальные значения параметров знаменателя передаточной функции, определяемые при малых значениях весового коэффициента а .

Таким образом, эквивалентная передаточная функция (14) замкнутой подсистемы является приближенным оптимальным решением задачи минимизации функционала (3) и определяет однопараметрическое множество

|ф*(£,р)| устойчивых (при 0<Э<оо) передаточных функций локальных подсистем, обеспечивающих физическую реализуемость передаточных функций /?*(я,Р ) регуляторов. При этом динамические свойства Ф*(л,р ) полностью определяются при известной передаточной функции Н(з) объекта заданием одного весового коэффициента Р . Полученное выражение (14) для эквивалентной передаточной функции замкнутой системы позволяет отказаться от процедуры факторизации дробно-рационального выражения в правой части (7) (связанной с численным решением системы нелинейных уравнений) и осуществлять параметрическую оптимизацию путем варьирования коэффициента

Р , входящего в качестве параметра в (14). Это не только значительно повышает эффективность параметрической оптимизации, но и дает возможность реализовать процедуру адаптивной оптимизации системы с использованием беспоисковых методов.

Разработаны алгоритмы беспоисковой адаптации локальных подсистем управления ПР с использованием градиентного метода для настройки параметров оптимального регулятора, в качестве которых выступают весовые коэффициенты минимизируемого функционала. Разработанный выше подход к процедуре оптимизации позволяет устранить известные трудности при применении градиентных методов и обусловливает возможность их использования для построения контуров самонастройки и осуществления адаптивной оптимизации систем управления ПР. Это обосновывается следующим.

Во-первых, настройка системы осуществляется на одно- |ф*(л,Р)| или

многопараметрическом |ф*(з,р,,р2,...,р11)| множестве устойчивых передаточных функций системы, что позволяет в данном случае снять ограничение на применимость градиентных методов, обусловленное необходимостью обеспечения устойчивости системы. Во-вторых, параметры р,,р2,...,рц выступают в

качестве настраиваемых параметров регулятора Л*($,р„р2,...,рц) основного контура и полностью определяют динамические свойства передаточной функции Ф (5,р,,р2,...,р|1). В-третьих, снимаются трудности при определении функций чувствительности выходной координаты системы, так как известна зависимость коэффициентов передаточной функции Ф*(®,р1,р2,...,р[1) от каждого из настраиваемых параметров Р,,Р2,...,(3Й, что позволяет определить соответствующие модели чувствительности.

Показана эффективность предлагаемого подхода на примерах адаптивного управления ПР в условиях параметрической неопределенности.

Четвертая глава посвящена исследованию возможности применения нейросетевых алгоритмов в беспоисковых самонастраивающихся системах

(БСНС) с эталонной моделью обобщенного настраиваемого объекта (ОНО), функционирующих в условиях интервальной параметрической неопределенности. Применение нейросетевого подхода позволяет устранить недостатки существующих подходов к синтезу регулятора параметрического управления (РПУ)БСНС.

Осуществлен переход от описания РПУ в непрерывной форме к ее дискретной интерпретации и затем к описанию в нейросетевом базисе, что позволило представить РПУ в виде многослойной динамической нейронной сети, практически реализующей идеальные дифференцирующие звенья. Разработана методика синтеза нелинейного нейросетевого РПУ с перекрестными связями, обучение (настройка) которого производится по эталонной модели ОНО на стадии проектирования системы. Данный нейросетевой РПУ обеспечивает квазистационарность ОНО в условиях действия на объект параметрических возмущений в пределах заданных интервалов при соблюдении следующих требований: физической реализуемости регулятора; устойчивости процессов управления на фиксированном множестве Г = ..., базовых стационарных режимов ОУ; минимальной сложности регулятора. Под базовым стационарным режимом понимается режим работы ОУ, описываемого дискретной передаточной функцией (ДПФ) Щг,к)=Е)(г,к)/В(2,к), характеризующийся определенным набором коэффициентов ./%.=( ¿>/г), (г=1, 2, .... Я, г=0, ..., п-1, j=0, ..., т), где £>/г), е(/г) — фиксированные значения коэффициентов полиномов числителя и знаменателя ДПФ ОУ для г-го базового стационарного режима из > интервала

(15)

Уравнение ОНО в дискретной форме имеет вид:

Bq{z)* y[k} = Dq(Z)U [*] + [AB(r)(z,*)-M:(r) (*,*)]> [*] +

(16)

Здесь В (z) * у [i] = £>о (г)с/ [к] - желаемое стационарное уравнение ОНО; у[к\ - текущее значение управляемой координаты; р[*] — выходной сигнал

РПУ; «[£] - выходной сигнал нейронной сети; и[к\ - управляющее воздействие ОНО;

(г) й. (г) -1 т (г->"

ДВК (г,*) = Е Д6; '[к]г ;ДО(гД)= £ Д¿у'[к]г У ;

(17)

Д1С(Г)(гД) = £лД4,(Г)[^]г~' ; ДЛ?(г)(2,А)= 2 Лл(/'?[к]г~-/ , ¿=0 ' о ^

где ЛЪГг>[к], Ас?г>[к] — изменения соответствующих коэффициентов ОУ, вызванных действием параметрических возмущений, относительно их эталонных значении; М^А], Дп(г>Щ - изменения соответствующих коэффициентов РПУ.

Так как необходимым условием работоспособности ОНО является его стационарность на каждом из базовых стационарных режимов работы объекта то для обеспечения стационарности необходимо выполнение следующих условий:

АК<г)(г,к) = ЛВ<г>(2,к); Л^г)(г,к) = А&г)(г,к). (18)

Если на каждом из К базовых стационарных режимов работы системы Рг (г=],2,...,Л ) должно выполняться условие (18), тогда получаем систему уравнений

ДЯ(1)(гД) а дв(1)(г,4); ДЛГ(1)(г,*) - ДД(1)(г,*);

.............................................................; (19)

ДАГ(г\гД)и Д£<г)(г,*); ДЛ^Сг,*) - ДО(г)(г,4).

В качестве нейронной сети принята динамическая нейронная сеть на базе персептрона, основным критерием выбора структуры которой является принцип минимальной сложности. Нейронная сеть включает в себя (и + т + 2) нейронов во входном слое, а нейронов в скрытом слое, связи между которыми осуществляются с помощью настраиваемых весов связей Фар, (а=1, 2, ..., п+т+2; р=1, 2,..., а).

Так как коэффициенты полиномов зависят от на-

страиваемых параметров регулятора — весов синаптических связей УУф 1Ур (а—1, 2, .... п+т+2; [1=1, 2, ..., а), систему уравнений (19) можно представить в

виде системы из 2Я(т+п) нелинейных алгебраических уравнений, составленных для каждого из Я базовых стационарных режимов:

(О 0) (0 (0 <"] 1 •-■■• и'п+т+2,о ■ .....= : «П,.....^.....= ■

<"! 1 = ^ > " ■ , ^+т+2.п = ~~ > " •

(О (О О) ' " (1)

<-*11.....^ ■

(20)

(Л) (Л) (Л) (Л)

^П-^+г.а^Р-^)*^! (»1!..........^ > " •

(.я) (Л) (Л) (й)

М2 <ГП..........= ¿»2 («1!..........^> = ^2 =

(Д) Сй) (л) (Я) <*П.....= ^ <«-„.....=

Требование выполнения определенности системы уравнений (20) позволило получить соотношение

(п+т+3)а>2Я(т+п), (21)

позволяющее оценить требуемое минимальное число нейронов а в скрытом слое нейросетевого РПУ. Левая часть неравенства (21) представляет собой количество входящих в систему (20) неизвестных значений весов синаптических связей УУф Жр нейронной сети. Исходивши данными при этом служат порядки п и т полиномов ДПФ объекта управления, а также Я — количество базовых стационарных режимов работы ОУ. В случае исходного задания числа а нейронов в скрытом слое, по выражению (21) можно оценить количество Я базовых стационарных режимов работы, необходимых для обучения НС.

Данный подход позволяет существенно упростить процедуру разработки алгоритмов адаптации для рассматриваемого класса БСНС с ЭМ ОНО и одновременно обеспечить устойчивость и высокое качество отработки параметрических возмущений в условиях интервальной параметрической неопределенности объекта управления. Исследована эффективность предлагаемой методики синтеза на примере синтеза ОНО для ПР.

В пятой главе рассмотрены вопросы координации (согласования) локальных подсистем, т. е. поддержания заданных функциональных соотноше-

ний между несколькими регулируемыми переменными многоканальной системы управления ПР. Причем координация осуществляется на динамических режимах работы сложного объекта, вызванных действием достаточно больших по величине неконтролируемых возмущений (как сигнальных, так и параметрических), когда возможности их парирования на уровне локальных подсистем оказываются исчерпанными.

Предложены структурные решения системы координированного управления как однотипными так и неоднотипными локальными подсистемами, заключающиеся в организации дополнительных обратных связей по ошибкам координации, что принципиально позволяет обеспечить высокое качество координации при действии на систему как параметрических, так и сигнальных возмущений. Определены условия устойчивости рассматриваемого класса систем координированного управления, показана возможность применения в контурах координации звеньев с бесконечно большим коэффициентом усиления.

Характеристическое уравнение системы координации в случае однотипных подсистем может быть представлено в виде

£>(5) = 1 + иК(5)Ф(5) = 0 (22)

где Ф(з),К(з) — передаточные функции замкнутой подсистемы и устройства координации, п — число локальных подсистем. При выполнении условий

п[К(х)Ф(э)] - т[К(з)Ф(з)] <2, (23)

где п[.] и /я/7- соответственно порядок знаменателя и числителя передаточной функции в квадратных скобках, К&^кК^), Щ0) = 0, система устойчива при к=со и при любом числе подсистем. Данное соотношение порядков числителя и знаменателя К(э)Ф($) всегда можно обеспечить соответствующим выбором структуры К(5). Показано, что при выполнении условия (23) можно использовать релейные алгоритмы координированного управления (как наиболее быстродействующие).

Разработана методика синтеза передаточных функций устройств координации, обеспечивающих требуемое качество функционирования системы как по выходным координатам локальных подсистем, так и по ошибкам коор-

динации при действии на систему как параметрических, так и сигнальных возмущений.

В случае неоднотипных подсистем предлагается предварительно выравнивать их динамические характеристики путем представления передаточных функций устройств координации в виде

(24)

где

ад = ад/ад. (25)

Здесь Ф0(з) — некоторая желаемая передаточная функция, одинаковая для всех подсистем; К(й) — передаточная функция, выбираемая из условий устойчивости системы. Тогда характеристическое уравнение системы координированного управления будет таким же, как и в случае однотипных подсистем, т.е. аналогичным уравнению (22).

Предложена нейросетевая реализация алгоритмов координированного управления, основанная на использовании трехслойных динамических нейро-сетей персептронного типа, позволяющих реализовать в дискретной форме физически нереализуемые в непрерывном виде передаточные функции устройств координации и осуществлять самонастройку (самообучение) устройств координации в процессе функционирования многоканальной системы Кроме того нейросетевые алгоритмы позволяют обеспечить устойчивость системы для более широкого класса как однотипных, так и неоднотипных локальных подсистем, в том числе и для подсистем, обладающих существенными инерционными свойствами.

Исследована эффективность предложенных нейросетевых алгоритмов на примерах синтеза систем координированного управления ПР с однотипными и неоднотипными локальными подсистемами.

Шестая глава посвящена вопросам оперативной оптимизации программ управления режимами работы локальных подсистем на основе методов искусственного интеллекта.

Поставлена задача программного управления ПР как задача экстремального управления

.....,Ая)-*ех1г, (26)

гд^я(.А1г...,Ап) — цель управления ПР (максимальная производительность, минимальная себестоимость и др. в зависимости от вида обработки и требований технологии), А, (¿=1,2,...,п) - факторы процесса, при наличии ограничений:

ЧА.....Ал)<игд,...МЛ>-Л)<К'ад.....(27)

где К(АХ.....А„) (г=\,2,...Д), где К - число ограничений) - функции ограничений; Игзад - заданные допустимые значения ограничений, обусловленные техническими характеристиками технологического оборудования и инструмента, требованиями к точности, качеству, надежности процесса механической обработки и т.д.

Предложена нечеткая нейросетевая модель знаний о ПР для оперативного вычисления нечетких функций целей g(A^,...,Arl) и ограничений АДЛ,,...,Ап), включающая самоорганизующуюся нейронную сеть прямого распространения с нечеткими операциями, входными сигналами в виде нечетких множеств факторов ПР и связями в виде нечетких отношений между факторами ПР.

Использование нейронной сети позволило реализовать высокую размерность модели знаний (обусловленную большим числом факторов ПР, значения которых А, известны априорно или могут быть измерены в процессе обработки), возможность аппроксимации произвольных непрерывных функций, способность к обучению. Применение аппарата нечеткой логики при построении модели знаний связано с необходимостью учета недостаточных полноты, достоверности, однозначности, объективности априорной и апостериорной информации о ПР.

Предложена параметризированная форма представления нечетких множеств, нечетких отношений и операций, применение которых позволяет повысить скорость вычислений на 1-2 порядка по сравнению с выполнением классических тах-тт операций с поэлементными множествами.

Разработаны алгоритмы обучения (идентификации параметров) модели знаний о ПР, позволяющие формировать оптимальную архитектуру нейронной сети и минимизировать время вычислений функций цели и ограничений.

Разработана структура интеллектуальной системы экстремального управления и синтезирован алгоритм оперативного формирования программы управления режимами ПР, что позволило повысить производительность обработки и сократить время на технологическую подготовку производства.

В седьмой главе представлены результаты технической реализации и практического использования полученных в работе результатов при проектировании и эксплуатации систем управления ПР. Показано, что практическая реализация разработанных алгоритмов оптимального, адаптивного и интеллектуального управления возможна несколькими путями, в частности реализация на базе автономных электронных и микропроцессорных блоков, а также программно-аппаратная реализация на базе микропроцессорных УЧПУ типа CNC (Computer Numerical Control) и PCNC (Personal Computer Numerical Control). К достоинствам первого варианта можно отнести определенную инвариантность к типу УЧПУ и достаточную свободу в выборе элементной базы, к достоинствам второго варианта значительно меньшие затраты на реализацию и более высокая надежность за счет сокращения аппаратных средств.

Рассмотрены вопросы реализации разработанных алгоритмов управления на базе микропроцессорных УЧПУ типа CNC. В этой связи разработаны вопросы организации программ автоматического управления (ПАУ), определения места и задач ПАУ в программном обеспечении устройства ЧПУ типа CNC, структуры данных и процедур ПАУ, которые позволяют систематизировать связи с имеющимися функциональными задачами ЧПУ и, в конечном итоге, создать "открытое" для ПАУ программное обеспечение.

Рассмотрена реализация микропроцессорной САУ процессом резания на базе УЧПУ типа CNC 2Р32М. Для данной системы разработаны алгоритмы и осуществлена организация выполнения «быстрой» и «медленной» (основной) задач ПАУ, разработаны алгоритмы формирования управляющих воздействий локальных подсистем, (скорости резания и подачи инструмента), и алгоритма базового регулятора основного контура САУ ПР. Рассмотрена реализация

микропроцессорной САУ ПР на базе устройства ЧПУ 2Р32М для управления токарным станком ТЛ - 1000. Показано, что техническая реализация интеллектуальных алгоритмов системы управления ПР наиболее целесообразна на базе микропроцессорных УЧПУ класса PCNC.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В работе поставлена и решена проблема, имеющая важное теоретическое и прикладное значение и заключающаяся в разработке методологических и теоретических основ синтеза адаптивных систем оптимального управления МСМ в условиях параметрической и структурной неопределенности, позволяющих повысить эффективность процессов проектирования и управления МСМ, оценке их эффективности методом математического моделирования, а также использовании полученных результатов при проектировании систем управления МСМ, современными и перспективными процессами механообработки различного назначения. Как показывают результаты исследований, предложенные методы построения интеллектуальных многорежимных многоканальных САУ МСМ обладают достаточной степенью общности и универсальности, что позволяет обеспечить высокое качество управления сложными техническими объектами в условиях неопределенности, при действии сигнальных, параметрических и структурных возмущений.

В процессе исследований получены следующие результаты:

1. Разработана методология построения, оптимизации, адаптации и координации многорежимных многоканальных САУ МСМ в условиях неопределенности, удовлетворяющих заданному комплексу требований к качеству управления в широком диапазоне изменения технологических условий и режимов механообработки.

тем с интервальной параметрической неопределенностью. Кроме этого, предложенный метод синтеза обобщен на класс систем со структурно-параметрической неопределенностью.

4. Разработан метод синтеза нейросетевых алгоритмов параметрического управления ПР, позволяющий обеспечить парирование значительных по величине параметрических возмущений в условиях неопределенности их динамических характеристик.

6. Разработан метод и алгоритмы оперативной оптимизации программ управления режимами ПР в условиях неопределенности на основе теории нечеткой логики и искусственных нейронных сетей, позволяющие повысить эффективность механической обработки и сократить время на технологическую подготовку производства.

станках с УЧПУ типа РСИС. Результаты исследований синтезированных САУ МСМ свидетельствуют об эффективности разработанных в диссертации методов, предложенных технических решений, что позволяет существенно повысить показатели качество управления проектируемых систем в широком диапазоне изменения режимов ПР и технологических условий, увеличить производительность обработки в среднем на 25-40%, повысить стойкость и исключить поломки режущего инструмента, поднять точность изготовления деталей и их эксплуатационный ресурс, в несколько раз сократить время на технологическую подготовку производства.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Зорнктуев В.Ц., Лютов А.Г. Управление процессами механообработки деталей авиационных двигателей в условиях неопределенности. Монография. М.: Изд-во МАИ, 2003. 120 с.

2. Основы автоматизации и управления технологическими процессами в машиностроении: Учебное пособие для студентов технических вузов / В.Ц. Зорнктуев, Н.С. Буткин, А.Г. Схиртладзе, А.Г. Лютов, Ю.А. Никитин. Уфа: УГАТУ, 2000.406 с.

3. Лютов А.Г. Синтез нейросетевых алгоритмов параметрического управления в условиях интервальной неопределенности. // Нейрокомпьютеры: разработка, применение. 2004. № 9. С. 17-22.

4. Зорнктуев В.Ц., Лютов А.Г. Системы управления технологическими процессами механообработки // Инструмент и технологии. 1998. № 1. С. 2628.

5. Кабальное Ю.С., Лютов А.Г., Насибуллин Ф.Г. Синтез систем управления в условиях интервальной параметрической неопределенности // Известия ВУЗов. Авиационная техника. 2000. № 1. С. 7-10.

6. Кабальное Ю.С., Лютов А.Г., Ямалов И.У. Нейросетевые алгоритмы координированного управления сложными динамическими объектами // Нейрокомпьютеры: разработка, применение. 2001. № 4—5. С. 61-69.

7. Зорнктуев В.Ц., Лютов А.Г., Месягутов И.Ф., Гончарова С.Г. Интеллектуальное управление сложным мехатронным объектом с использовани-

ем быстрорасчетной нейро-нечеткой модели // Мехатроника, автоматизация, управление. 2001. № 6. С. 24-28.

8. Лютов А.Г. Нейросетевые алгоритмы параметрического управления в условиях интервальной неопределенности. // Известия ВУЗов. Авиационная техника. 2003. № 3. С. 13-15.

9. Зориктуев В.Ц., Лютов А.Г., Никитин Ю.А. Интегрированное интеллектуальное управление и диагностика мехатронных станочных систем // Мехатроника, автоматизация, управление. 2005. № 8. С. 26-30.

10. Лютов А.Г. Критерий качества процессов управления // Участие и роль молодых ученых, аспирантов и студентов в ускорении научно-технического прогресса в народном хозяйстве: Сб. матер. Всерос. науч.-техн. конф. Уфа: УАИ, 1985. С. 64-66.

11. Зориктуев В.Ц., Лютов А.Г. О внедрении САУ температурным режимом обработки деталей авиадвигателей // Проблемы внедрения достижений научно-технического прогресса в области автоматизации и механизации производственных процессов: Сб. матер. Всесоюз. науч.-техн. конф. Уфа: УАИ, 1986. С. 8-11.

12. Исаев Ш.Г., Лютов А.Г. Анализ динамики САУ процессом резания на ЦВМ // Динамика станочных систем гибких автоматизированных производств: Сб. матер. Всесоюз. науч.-техн. конф. Тольятти, 1988. С. 170-173.

13. Ильин А.И., Лютов А.Г., Миндубаев А.И. Микропроцессорная адаптивная система управления температурно-силовым режимом металлообработки // Конструкторско-технологическая информатика, автоматизированное создание машин и технологий: Сб. матер. Всесоюз. науч.-техн. конф. М., 1989. С. 6-9.

14. Мартьянова Т.С., Васильев В.И., Лютов А.Г. Критерий качества процессов управления // Автоматическое регулирование двигателей летательных аппаратов. М.: Тр. ЦИАМ, 1990. Вып. 26 С. 78-82.

15. Зориктуев В.Ц., Лютов А.Г. Дискретная динамическая модель процесса точения // Оптимизация процессов резания жаро- и особопрочных материалов: Межвуз. науч. сб. Уфа: УАИ, 1990. С. 57-61.

16. Лютов А.Г. Моделирование процессов токарной обработки в реальном времени // Физическая оптимизация, управление и контроль процессов обработки резанием: Сб. науч. тр. Уфа, УАИ, 1991. С. 81-84.

17. Лютов А.Г. Быстрый алгоритм идентификации параметров модели при адаптивном управлении процессом токарной обработки // Физическая оптимизация, управление и контроль процессов обработки резанием: Сб. науч. тр. Уфа: УАИ, 1991. С. 84-88.

18. Зориктуев В.Ц., Лютов А.Г. Вопросы оптимального синтеза систем управления процессом резания // Труды XIII Международной школы по моделям механики сплошной среды. С.- Петербург, 1995. С. 34-37.

19. Лютов А.Г. Оптимизация и адаптация систем управления технологическими процессами механообработки // Автоматизированные технологические и мехатронные системы в машиностроении: Сб. науч. тр. Уфа: УГАТУ, 1997. С. 49-52.

20. Лютов А.Г. Метод линеаризованной подстановки в задаче« динамической оптимизации систем управления технологическими процессами // Автоматизированные технологические и мехатронные системы в машиностроении: Сб. науч. тр. Уфа: УГАТУ, 1997. С. 93-97.

21. Лютов АХ. Выбор эталонной модели при оптимизации и адаптации систем управления технологическими процессами механообработки // Автоматизированные технологические и мехатронные системы в машиностроении: Сб. науч. тр. Уфа: УГАТУ, 1997. С. 90-93.

22. Лютов А.Г. Интеллектуальные алгоритмы в системах управления технологическими процессами механообработки // Автоматизированные технологические и мехатронные системы в машиностроении: Сб. науч. тр. Ч. II. Уфа: УГАТУ, 1997. С. 37-41.

23. Лютов А.Г., Никин А.Д. Параметрическая оптимизация беспоисковой самонастраивающейся системы управления технологическим процессом механообработки с эталонной моделью обобщенного настраиваемого объекта // Автоматизированные технологические и мехатронные системы в машиностроении: Сб. науч. тр. Ч. П. Уфа: УГАТУ, 1997. С. 47-54.

24. Лютов А.Г., Гончарова С.Г. Принятие решений на основе оперативного построения нечетких моделей при управлении технологическими процессами механообработки // Автоматизированные технологические и мехатронные системы в машиностроении: Сб. науч. тр. Ч. П. Уфа: УГАТУ, 1997. С. 41-46.

25. Кабальное Ю.С., Лютов А.Г., Насибуллин Ф.Г. Управление динамическими системами в условиях интервальной параметрической неопреде-

ценности // Принятие решений в условиях неопределенности: Межвуз. науч. сб. Уфа: УГАТУ, 1999. С. 40-45.

26. Зориктуев В.Ц., Жаринов В.Н., Лютов А.Г. Трансфер интеллектуальных технологий механообработки в авиационной промышленности // Проблемы трансфера технологий: Сб. науч. тр. Уфа-Патрас, 1999. С. 60-66. (на англ. яз.)

27. Кабальное Ю.С., Лютов А.Г., Насибуллин Ф.Г. Координированное управление группой автономных динамических объектов // Вычислительная техника и новые информационные технологии: Межвуз. сб. науч. тр. Уфа: УГАТУ, 1999. С. 197-203.

28. Лютов А.Г., Гончарова С.Г. Оптимизация управления температур-но-силовыми режимами процесса резания металлов методами искусственного интеллекта // Вычислительная техника и новые информационные технологии. Межвуз. сб. науч. тр. Уфа: УГАТУ, 1999. С. 146-153.

29. Лютов А.Г. Критерий оптимизации динамических процессов с мультипликативной функцией затрат на управление // Оптимальное управление мехатронными станочными системами: Сб. науч. тр. Уфа: УГАТУ, 1999. С. 159-162.

30. Лютов А.Г. Оптимизация систем управления с использованием функционалов с мультипликативной функцией затрат // Оптимальное управление мехатронными станочными системами: Сб. науч. тр. Уфа: УГАТУ,

1999. С. 163-165.

31. Лютов А.Г., Гончарова С.Г. Нейронная реализация функций принадлежности // Оптимальное управление мехатронными станочными системами: Сб. науч. тр. Уфа: УГАТУ, 1999. С. 74-79.

32. Лютов АЛ\, Никин АД. Беспоисковая самонастраивающаяся система управления процессом точения // Оптимальное управление мехатронными станочными системами: Сб. науч. тр. Уфа: УГАТУ, 1999. С. 19—24.

33. Кабальное Ю.С., Лютов А.Г., Насибуллин Ф.Г. Координированное управление группой автономных динамических объектов. Уфа: УГАТУ,

2000. 24 с. Статья. Деп. в ВИНИТИ 26.04.00. № 1229-В00.

34. Кабальное Ю.С., Лютов А.Г., Насибуллин Ф.Г. Синтез систем управления в условиях интервальной параметрической неопределенности. — Уфа: УГАТУ, 2000. 36 с. Статья. Деп. в ВИНИТИ. 26.04.00. № 1230-В00.

35. Лютов А.Г. Синтез нейросетевых алгоритмов параметрического управления беспоисковой самонастраивающейся системы с эталонной моделью. Уфа: УГАТУ, 2002. 9 с. Статья. Деп. в ВИНИТИ. 03.10.02. № 1670-В02.

36. Лютов А.Г. Нейросетевые алгоритмы адаптивного управления беспоисковой самонастраивающейся системы с эталонной моделью // Интеллектуальные мехатронные станочные системы: Сб. науч. тр. Уфа: УГАТУ, 2003. С.72-79.

37. Лютов А.Г. Оптимизация систем управления в условиях структурно-параметрической неопределенности. Уфа: УГАТУ, 2003. 14 с. Статья. Деп. в ВИНИТИ. 24.05.03. № 1134-В03.

38. Лютов А.Г. Совмещенный синтез систем управления на основе функционалов с мультипликативной функцией затрат на управление. Уфа: УГАТУ, 2003.10 с. Статья. Деп. в ВИНИТИ. 24.05.03. № 1135-В03.

39. Лютов А.Г. Синтез алгоритмов самонастройки оптимальной системы управления динамическими процессами // Оптимизация и управление процессом резания, мехатронные станочные системы: Сб. науч. тр. Уфа: БГУ, 2004. С. 154-160.

40. Лютов А.Г. Оптимизация систем управления на основе метода линеаризованной функциональной подстановки // Оптимизация и управление процессом резания, мехатронные станочные системы: Сб. науч. тр. Уфа: БГУ, 2004. С. 148-154.

41. Лютов А.Г. Алгоритмы самонастройки оптимальной системы управления мехатронными объектами Н Мехатроника, автоматизация, управление: Сб. науч. тр. Уфа: УГАТУ, 2005. С. 149-154.

Диссертант

Лютов А.Г.

ЛЮТОВ Алексей Германович

СИНТЕЗ АДАПТИВНЫХ СИСТЕМ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ МЕХАТРОННЫМИ СТАНОЧНЫМИ МОДУЛЯМИ

Специальность 05.13.01 — Системный анализ, управление

и обработка информации

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Подписано к печати 10.11.05. Формат 60x84 1/16 Бумага офсетная. Печать плоская. Усл. печл. 2,0. Усл.кр.-отт. 2,0. Уч.-изд.л. 1,9.

Тираж 100 экз. Заказ № 504

ГОУВПО «Уфимский государственный авиационный технический университет» Центр оперативной полиграфии 450000, Уфа-центр, ул. К.Маркса, 12

Оглавление автор диссертации — доктора технических наук Лютов, Алексей Германович

ОСНОВНЫЕ СОКРАЩЕНИЯ

ОСНОВНЫЕ ОБОЗНАЧЕНИЯ

ВВЕДЕНИЕ

ГЛАВА 1. МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ СИНТЕЗА СИСТЕМ УПРАВЛЕНИЯ МЕХАТРОННЫМИ СТАНОЧНЫМИ МОДУЛЯМИ (МСМ) В УСЛОВИЯХ СТРУКТУРНО-ПАРАМЕТРИЧЕСКОЙ НЕОПРЕДЕЛЕННОСТИ 45 1.1.Общая характеристика современных и перспективных систем управления МСМ

1.2.Анализ особенностей ПР как объекта управления

1.3.Методология оптимизации систем управления ПР в условиях неопределенности

1.4.Характеристика существующих подходов к синтезу систем управления ПР в условиях неопределенности

1.4.1. Методы управления динамическими системами в условиях неопределенности

1.4.2. Задачи и методы синтеза локальных подсистем управления

ПР в условиях неопределенности

1.4.3. Оптимизационные методы синтеза динамических систем

1.4.4. Задачи и методы совмещенного синтеза САУ ПР

1.4.5. Задачи и методы параметрического управления ПР

1.4.6. Задачи и методы координированного управления выходными координатами ПР

1.4.7. Задачи и методы оптимизации программ управления (статической оптимизации) САУ ПР

1.5 .Постановка задач исследования

Выводы по первой главе

ГЛАВА 2. ОПТИМИЗАЦИЯ ЛОКАЛЬНЫХ ПОДСИСТЕМ УПРАВЛЕНИЯ ПР В УСЛОВИЯХ СТРУКТУРНО-ПАРАМЕТРИЧЕСКОЙ НЕОПРЕДЕЛЕННОСТИ

2.1 .Постановка задачи оптимизации в условиях интервальной параметрической неопределенности

2.2.Решение задачи оптимизации в условиях интервальной неопределенности

2.3.Определение базовых передаточных функций объекта с интервальной параметрической неопределенностью

2.4. Определение компенсационной части регулятора квазиоптимальной системы

2.5.Обеспечение устойчивости синтезируемой системы управления

2.6.Синтез квазиоптимальных интервальных систем управления

2.7.Синтез квазиоптимальных систем управления в условиях структурно-параметрической неопределенности

2.8.Исследование эффективности предложенного метода синтеза 124 Выводы по второй главе

ГЛАВА 3. СОВМЕЩЕННЫЙ СИНТЕЗ ЛОКАЛЬНЫХ ПОДСИСТЕМ УПРАВЛЕНИЯ ПР В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

3.1.Критерий оптимизации динамических процессов с мультипликативной функцией затрат на управление

3.2.Методика оптимизации локальных систем управления с использованием функционалов с мультипликативной функцией затрат

3.3.Постановка задачи синтеза, определение структуры и начальных параметров основного контура локальной подсистемы

3.4.Приведение дифференциальных уравнений системы к эквивалентным уравнениям

3.5.Синтез контура самонастройки оптимальной локальной подсистемы управления

З.б.Исследование эффективности предложенного метода при управлении ПР 158 Выводы по третьей главе

ГЛАВА 4. СИНТЕЗ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ ПАРАМЕТРИЧЕСКОГО УПРАВЛЕНИЯ ПР В УСЛОВИЯХ ИНТЕРВАЛЬНОЙ НЕОПРЕДЕЛЕННОСТИ

4.1.Реализация регулятора параметрического управления (РПУ) в нейросетевом базисе

4.2.Постановка задачи синтеза нейросетевого РПУ

4.3.Синтез регулятора параметрического управления на основе многослойной динамической нейронной сети с перекрестными связями.

4.4.Разработка процедуры обучения нейрорегулятора

4.5.Методика синтеза обобщенного настраиваемого объекта с нейросетевым РПУ

4.6.Исследование эффективности нейросетевого алгоритма параметрического управления ПР 180 Выводы по четвертой главе

ГЛАВА 5. РАЗРАБОТКА НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ КООРДИНИРОВАННОГО УПРАВЛЕНИЯ ВЫХОДНЫМИ КООРДИНАТАМИ ПР

5.1.Координированное управление однотипными локальными подсистемами

5.2.Нейросетевые алгоритмы коордированного управления

5.3.Координированное управление неоднотипными локальными подсистемами

5.4.Примеры синтеза координированного управления для неоднотипных подсистем 211 Выводы по четвертой главе

ГЛАВА 6. ОПТИМИЗАЦИЯ ПРОГРАММ УПРАВЛЕНИЯ ПР НА ОСНОВЕ МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

6.1.Постановка задачи экстремального управления процессом резания

6.2.Разработка модели знаний о ПР

6.3.Идентификация (обучение) модели знаний о ПР

6.4.Разработка структуры системы экстремального управления ПР

6.5.Исследование эффективности разработанных алгоритмов 241 Выводы по шестой главе

ГЛАВА 7. ТЕХНИЧЕСКАЯ РЕАЛИЗАЦИЯ РАЗРАБОТАННЫХ АЛГОРИТМОВ УПРАВЛЕНИЯ ПР

7.1.Реализация разработанных алгоритмов управления на базе микропроцессорных УЧПУ типа CNC

7.1.1. Определение задач и места ПАУ в ПО УЧПУ

7.1.2. Разработка структуры данных и процедур ПАУ

7.2.Реализация микропроцессорной САУ процессом резания на базе УЧПУ типа CNC 2Р32М

7.2.1. Определение функций ПАУ и организация связи с базовым

ПМО УЧПУ 2Р32М

7.2.2. Разработка алгоритмов и организация выполнения быстрой задачи ПАУ

7.2.3. Разработка алгоритмов и организация выполнения медленной (основной) задачи ПАУ

7.2.4. Разработка алгоритмов формирования управляющих воздействий локальных подсистем скоростью резания и подачей инструмента

7.2.5. Разработка алгоритма регулятора основного контура САУПР

7.2.6. Микропроцессорная САУ ПР для управления токарным станком TJI - 1 ООО на базе устройства ЧПУ 2Р32М 283 7.3.Выбор и обоснование технических средств для реализации интеллектуальных алгоритмов управления ПР 287 Выводы по седьмой главе 290 ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ 292 СПИСОК ЛИТЕРАТУРЫ 298 ПРИЛОЖЕНИЕ 1 353 ПРИЛОЖЕНИЕ 2 361 ПРИЛОЖЕНИЕ 3 376 ПРИЛОЖЕНИЕ 4 381 ПРИЛОЖЕНИЕ

ОСНОВНЫЕ СОКРАЩЕНИЯ

АКОР аналитическое конструирование оптимальных регуляторов

АСУ автоматизированная система управления

АУ адаптивное управление

АЦП аналого-цифровой преобразователь

АЧХ амплитудно - частотная характеристика

АФХ амплитудно - фазовая характеристика

БСНС беспоисковая самонастраивающаяся система

ГАП гибкое автоматизированное производство

ГТД газотурбинный двигатель

ДИ датчик информации

ДПФ дискретная передаточная функция дек датчик силовой координаты

ДУП датчик углового положения

ИИ искусственный интеллект инс искусственная нейронная сеть иц интерполяционный цикл кид контакт инструмент - деталь кпе качество поверхностного слоя

КУ корректирующее устройство мем мехатронный станочный модуль

МПСАУ микропроцессорная система автоматического управления нм нечеткое множество но нечеткое отношение

НС нейронная сеть

ОНО обобщенный объект управления

ОУ объект управления

ПАУ программа автоматического управления

ПГД привод главного движения

ПМО программно-математическое обеспечение по программное обеспечение

ПП подпрограмма; привод подачи

ПР процесс резания

ПС преобразователь силы пт преобразователь температуры

ПФ передаточная функция

РПУ регулятор параметрического управления

РТ регулятор температуры

РТР регулятор температуры резания

САПР система автоматизированного проектирования

САУ система автоматического управления

СМО сложный мехатронный объект снс самонастраивающаяся система сож смазочно-охлаждающая жидкость спид станок - приспособление - инструмент - деталь спо системное программное обеспечение

CP сила резания ти таймерный интервал тп технологический процесс

ТпрО технологическое программное обеспечение

TP температура резания

УА устройство адаптации

УП управляющая программа

УЧПУ устройство числового программного управления

ФП функция принадлежности; функциональная подпрограмма

ФЧХ фазочастотная характеристика

ЦАП цифро-аналоговый преобразователь

ЧПУ числовое программное управление

ЭВМ электронно-вычислительная машина эдс электродвижущая сила

ЭМ эталонная модель эп электропроводимость

CNC Computer Numerical Control

NC Numerical Control

PCNC Personal Computer Numerical Control

ОСНОВНЫЕ ОБОЗНАЧЕНИЯ а - толщина среза в направлении вектора скорости подачи. as- приведенная толщина среза. аь bi, Су ф - коэффициенты полиномов передаточных функций. aAi>biAi>b2Ai>viAt>v2Ai ~ коэффициенты в формулах функций принадлежности в нечетких множествах.

А{ - значение сигнала i-ro входа нейронной сети, нечеткое множество; нечеткое число. b - ширина среза.

В - коэффициент жесткости станочной системы; выходной сигнал нечеткой нейронной сети; ширина державки резца.

Вг - значение функции r-го ограничения, вычисленное на основе модели.

В'г - реальная физическая величина объекта управления, выражающая значение функции r-го ограничения. с - ширина контакта стружки с передней поверхностью резца.

Ср - коэффициент пропорциональности в статической модели главной составляющей силы резания.

Со - коэффициент пропорциональности в статической модели температуры резания. ср - удельная объемная теплоемкость обрабатываемого материала. ср)р - удельная объемная теплоемкость материалов державки и пластины резца. н - наружный диаметр заготовки.

Д,- внутренний диаметр заготовки.

Е - термо-ЭДС; модуль упругости материала заготовки.

Ер - модуль упругости материала державки резца. х\,хъ - активационная функция нейронной сети.

Ft - нечеткое множество. g - входное воздействие. g(Ai,.)An) - целевая функция при управлении процессом резания.

G - электропроводимость контакта «инструмент-деталь». hXAi,.^ - функция r-го ограничения. h3 - средняя ширина фаски износа по задней поверхности резца. hon - износ режущего инструмента относительный поверхностный.

Н - передаточная функция объекта управления; высота державки резца; степень нечеткости. НВ - твердость по Бринелю. Я» - норма функции.

I- функционал; величина электрического тока. j - мнимая единица; порядковый коэффициент. kRi,dXRi,d2Ri,XXRi,X1Ri,dxs,d2S,Xxs,Xls - коэффициенты в формулах функций принадлежности при сложении нечетких множеств. L - длина заготовки. Lp - вылет резца. т - порядок полинома числителя передаточной функции. W; -количество нейронов в первом слое нейронной сети. М- момент резания. п - порядок полинома знаменателя передаточной функции; число факторов процесса резания (входных сигналов нейронной сети); число наблюдений; количество условий процесса. пр - количество пар обучающих выборок, и» пу, пх - передаточные отношения. N- мощность резания. р - оператор дифференцирования. s - оператор Лапласа.

Рг - степень принадлежности класса П, классу Г,.

Рх - осевая составляющая силы резания. Ру - радиальная составляющая силы резания. Р2 - главная составляющая силы резания. гр - показатель степени влияния износа по задней поверхности резца на главную составляющую силы резания, re - показатель степени влияния износа по задней поверхности резца на температуру резания. г - радиус скругления режущей кромки резца; число возможных структурных состояний объекта. R - передаточная функция регулятора; число ограничений, радиус детали. Ri - нечеткое отношение.

Soy - подача на оборот заготовки по осям хиу. Smx, s^y - минутная подача по осям хиу. tp - глубина резания. tpi, tP2 - приращение припуска на обработку соответственно в направлении вектора скорости подачи и вектора скорости резания. ?0б - время обучения. ?реш - время оперирования знаниями. Т- постоянная времени; нечеткое множество. и - управляющее воздействие. V- скорость резания. W- передаточная функция. wp - показатель степени влияния твердости обрабатываемого материала на главную составляющую силы резания. we - показатель степени влияния твердости обрабатываемого материала на температуру резания. х - координата системы; результат наблюдения; элемент нечеткого множества. хр - показатель степени влияния скорости резания на главную составляющую силы резания. jcq — показатель степени влияния скорости резания на температуру резания. z - дискретный оператор Лапласа. у - выходная координата системы. ур - показатель степени влияния подачи на главную составляющую силы резания. е - показатель степени влияния подачи на температуру резания. zp - показатель степени влияния глубины резания на главную составляющую силы резания. zo - показатель степени влияния глубины резания на температуру резания.

Г={Гь.,Гг,.,Гл} - вектор допустимых значений ограничений в виде нечетких множеств.

П - производительность. n={nb.,nr,.,nR} - вектор вычисленных (прогнозируемых) значений функций целей и ограничений в виде нечетких множеств.

С - себестоимость.

Ф(^) - передаточная функция замкнутой системы. а - весовой коэффициент; главный задний угол резца; лингвистическая переменная; удельная (дифференциальная) термо-ЭДС.

Р - весовой коэффициент; коэффициент температурного линейного расширения обрабатываемого материала; лингвистическая переменная.

Рр - коэффициент температурного линейного расширения материалов державки и пластины резца. у - весовой полином; главный передний угол резца. тд - погрешность детали от температурных деформаций.

5 - малая величина.

8 - ошибка управления. еа - ошибка адаптации. е0б - ошибка обучения. 0 - температура резания, v - промежуточная координата.

X - коэффициент теплопроводности обрабатываемого материала. Хр- коэффициент теплопроводности материалов державки и пластины резца. - функция принадлежности нечеткого множества. - функция принадлежности в нечетком отношении, р - промежуточная координата. ру, рх - радиус приведения вращательного движения к поступательному, а - среднеквадратическое отклонение. тр - сопротивление обрабатываемого материала пластическому сдвигу, ф - главный угол в плане; аналитическое описание функции принадлежности. ф1 - вспомогательный угол в плане.

Введение 2005 год, диссертация по информатике, вычислительной технике и управлению, Лютов, Алексей Германович

Эффективность работы и конкурентоспособность современного машиностроительного производства во многом определяется достигнутым уровнем его автоматизации и характеристиками используемого механообрабатывающего оборудования. Высокие требования на мировом рынке к качеству выпускаемой продукции, тенденция к созданию технологического оборудования с высокими скоростями движения, многономенклатурность изделий, безопасность труда и другие социально-экономические требования современного общества обусловливают необходимость дальнейшего совершенствования безлюдных технологий, гибкого и автоматизированного производства.

В настоящее время основная масса изделий машиностроения производится в мехатронных станочных модулях (МСМ) и комплексах, в которых основным технологическим процессом является процесс резания (ПР), а системами управления - системы числового программного управления (ЧПУ). Так, применительно к механообрабатывающему производству в авиационной промышленности, доля механообработки по трудоемкости при изготовлении деталей авиадвигателей составляет от 40 до 60 процентов от общего времени изготовления изделия. Кроме этого, механообрабатывающее производство в авиационной промышленности характеризуется:

- мелкосерийностью;

- значительной долей труднообрабатываемых материалов в общей номенклатуре материалов;

- относительно быстрой (по сравнению с общим машиностроением) сменой обрабатываемых материалов на новые;

- высокой стоимостью деталей;

- неопределенностью и нестабильностью свойств материала заготовки и инструмента как в пределах марки, так и в пределах партии и даже одной заготовки или инструмента;

- высокой требуемой точностью изготавливаемых деталей;

- высокими требованиями к качеству поверхностного слоя деталей;

- сложностью (лабиринты, пазы, сварные детали и т.п.);

- большой продолжительностью и многостадийностью обработки одной детали.

Перечисленные выше особенности производства определяют основные требования к механообрабатывающему оборудованию, средствам его автоматизации и управления, которые в этих условиях должны обеспечить требуемые точность и качество изготавливаемых деталей, высокую производительность, экономичность и надежность МСМ в условиях безлюдных технологий.

Результаты исследований, выполненных в нашей стране (МГТУ «СТАНКИН», МГТУ им. Н.Э. Баумана, ВГТУ, ЭНИМС, СГТУ, РГАТА, УГАТУ и др.), данные зарубежных работ показывают, что улучшение показателей эффективности механообрабатывающего оборудования может существенно улучшить показатели качества выполнения машиностроительным производством стоящих перед ним задач. Для механообрабатывающего производства в авиационной промышленности это:

- увеличение надёжности, эксплуатационного ресурса авиадвигателей за счет улучшения технико-эксплуатационных показателей качества деталей авиадвигателей;

- повышение качества, надёжности, долговечности летательных аппаратов;

- повышение производительности, точности, снижение себестоимости, обеспечение надежности и безаварийности процесса обработки деталей.

Для успешного решения поставленных задач механообрабатывающее оборудование должно иметь высокие показатели по производительности, точности и экономичности; высокое быстродействие; адаптивность характеристик в широком диапазоне изменения режимов ПР и технологических условий.

Основными направлениями улучшения технико-экономических характеристик механообрабатывающего производства являются: усовершенствование конструкции технологического оборудования и приспособлений; повышение качества технологической подготовки производства; повышение квалификации обслуживающего персонала; разработка более эффективных средств автоматизации и управления.

В связи с этим, одним из наиболее действенных способов повышения эффективности ПР на станках с ЧПУ, особенно при обработке сложнопрофильных деталей из труднообрабатываемых материалов, характерных для производства авиадвигателей, является применение систем автоматического управления (САУ) температурно-силовыми режимами ПР [9, 10, 50, 51, 98, 99, 100, 226, 266-271, 307-313]. Несовершенство существующих методов расчета режимов обработки, нестабильность операционных припусков, физико-механических свойств обрабатываемого и инструментального материалов, величины износа инструмента, а также других факторов приводит во многих случаях к неконтролируемым изменениям температурной и силовой нагрузки на инструмент. Для исключения повышенного износа и поломок инструмента режимы резания при разработке управляющих программ обработки деталей на станках с ЧПУ назначаются, исходя из наиболее нагруженных в температурном и силовом отношении условий резания, которые в общем времени обработки могут занимать сравнительно небольшую часть. При этом остальная часть времени обработки протекает с недоиспользованием возможностей инструмента и станка. Применение систем управления температурными и силовыми режимами ПР позволяет максимально использовать возможности станка и инструмента, увеличить производительность обработки и снизить ее себестоимость, значительно повысить качество выпускаемой продукции [10, 98, 164, 226, 263, 272]. Большой вклад в решение этих вопросов внесли отечественные ученые Балакшин Б.С., Безъязычный В.Ф., Заковоротный В.Л., Зориктуев В.Ц., Макаров А.Д., Силин С.С., Соломенцев Ю.М., Трусов В.В. и др [9, 98,147, 226, 272, 288, 335, 351, 364].

Исследования, проводимые в нашей стране и, в частности, в течении более 30 лет на кафедре «Автоматизированные технологические системы» УГАТУ, позволили теоретически обосновать и практически подтвердить возможность формирования требуемых технико-эксплуатационных показателей качества деталей авиадвигателей за счет оптимального управления температурой и силой резания в зоне обработки. Разработанные на базе этих исследований САУ температурно-силовым режимом металлообработки [97, 98, 107, 108, 307-313, 331, 344, 345] прошли многолетний опыт эксплуатации в промышленности и создали основу для анализа и дальнейшего развития этих систем.

Широкое внедрение на машиностроительных предприятиях страны разработанных на кафедре АТС адаптивных и оптимальных САУ металлобработкой первого поколения в различных вариантах технической реализации [100, 108, 118, 121, 123, 307-313, 331, 344, 345] позволили выявить их достоинства и недостатки, определить пути их устранения. Уже на этом этапе своего развития системы управления ПР позволяют увеличить производительность обработки резанием на 25-40%, повысить стойкость и исключить поломки режущего инструмента, поднять точность изготовления деталей и их эксплуатационный ресурс.

Среди отечественного опыта реализации систем управления ПР в промышленности одним из наиболее успешных является создание семейства регуляторов температуры резания (РТР): РТР-1, РТР-2, РТР-4М, которые выпускались серийно (РТР-4М) и нашли широкое применение на предприятиях авиационной, оборонной и других отраслей промышленности страны [98, 100, 310, 331, 344, 345]. Наличие этих регуляторов в составе станочной системы позволяет на порядок уменьшить время технологической подготовки производства, связанное с определением рациональных режимов обработки и существенно поднять производительность оборудования и надежность его работы. Созданные на базе этих регуляторов системы обладают свойствами инвариантности к широкому изменению коэффициента передачи объекта управления, возможностью работы в условиях прерывистого резания

Резко повышаются в настоящее время требования к статической и динамической точности управления основными параметрами ПР. В частности, на установившихся режимах погрешность управления (статическая точность) должна составлять: для температуры резания - не более 2% (исходя из допустимых колебаний интенсивности износа режущего инструмента менее 50%, наклепа не более 10%, снижения жаропрочности не более 2% шероховатости - менее 10%, длительной прочности - не более 5%, предела усталости - не более 1%) [98]; для силовых координат - не более 5% (определяется в основном «запасом» при назначении уставок и погрешностями используемых датчиков силовых параметров) [121];

Достаточно высокие требования предъявляются и к переходным режимам САУ ПР, вызванных действием как задающих, так и возмущающих воздействий. Требования к быстродействию системы зависят от конкретной специфики механообрабатывающего производства и используемых скоростей обработки металлов. В условиях тенденции к созданию технологического оборудования с высокими скоростями движения (например, в станочных модулях скорости резания по прогнозам возрастут в ближайшее десятилетие до 1500 - 2000 м/мин) быстродействие должно быть достаточным, чтобы обеспечить допустимую динамическую ошибку не более 2-5 % [98, 272].

В процессе обработки на ПР действуют различного рода возмущения: сигнальные, вызванные изменениями момента нагрузки, колебаниями напряжения силовой цепи; параметрические, вызванные изменением внешних условий обработки и режимов резания; структурные, вызванные изменением состояния его конструктивных элементов: изменением жесткости системы СПИД, сменой угла наклона и направления движения режущего инструмента, его износом, и др.

С точки зрения теории управления процесс резания является сложным объектом [315, 381], к основным особенностям которого можно отнести: многомерность (многоканальность), многорежимность, стохастичность, нелинейность, нестационарность, параметрическую и структурную неопределенность, значительные возмущения, большое число не поддающихся точной оценке факторов, определяющих условия обработки, малый объем априорной информации о внутренних и внешних связях ПР. С совершенствованием технологии и оборудования сложность ПР как объекта управления возрастает. Одновременное повышение требований к качеству управления ПР приводит к необходимости использовать более сложные структурные схемы и алгоритмы управления данными объектами.

Наиболее существенной проблемой при построении высококачественных систем управления ПР является неопределенность характеристик объекта управления и внешних воздействий, т. е. неполнота априорной и текущей информации об этих характеристиках. Причины неопределенности: отсутствие "хороших" математических моделей ПР на стадиях проектирования и управления, отсутствие или недостаточность сведений о возможных условиях работы и характеристиках возмущений системы, сложность или высокая стоимость измерения режимных факторов и т. д. Кроме того, при эксплуатации системы параметры объекта управления и внешней среды могут изменяться непредвиденным заранее образом и тогда нестационарность выступает как один из видов неопределенности. К числу факторов неопределенности в САУ ПР можно отнести: изменение режимов работы оборудования, нестабильность характеристик материала заготовок и режущего инструмента, нестабильность характеристик и износ оборудования, износ режущего инструмента и т. д.

Для повышения качества управления ПР необходимо учитывать имеющуюся неопределенность как на этапе проектирования системы, так и в процессе ее функционирования. Однако, получение более или менее точных математических моделей ПР, адекватных ему в широком диапазоне технологических условий, требует длительных и дорогостоящих экспериментов. Поэтому важность проблемы управления ПР в условиях неопределенности еще более возрастает.

Стохастичность поведения ПР, обусловленная обилием всякого рода второстепенных (с точки зрения цели управления) процессов (например, перераспределением химических элементов в поверхностном слое материала во время обработки), также характеризует его сложность как объекта управления [93]. Кроме этого, существенное влияние на динамику ПР может оказывать нелинейность его математической модели.

Действие всех перечисленных факторов приводит к тому, что существующие методы построения САУ ПР не позволяют добиться требуемого качества и надежности их работы или решают это лишь частично. Нерешенные вопросы синтеза в условиях неопределенности приводят к возрастанию затрат и сроков на проектирование САУ ПР, существенному снижению их эффективности на этапе эксплуатации. Решение этих вопросов является актуальным для машиностроения, так как позволяет получить более высокие показатели качества управления процессами механической обработки и эффективность производства в целом.

Таким образом, разработка алгоритмов управления ПР в условиях неопределенности имеет большое практическое значение.

Значительные трудности решения указанной проблемы объясняют то обстоятельство, что управление режимами ПР в существующем механообрабатывающем оборудовании с ЧПУ происходит как правило по разомкнутой схеме по «жестко» заданной программе исходя из наиболее нагруженных в температурно-силовом отношении условий резания. Это приводит к существенному снижению эффективности механической обработки в целом. В связи с этим построение современных и перспективных САУ ПР необходимо осуществлять в классе систем с обратной связью, в которых обеспечение требуемых динамических характеристик и формирование программы управления производится в процессе функционирования системы в зависимости от ее текущего состояния и условий обработки.

При этом управляющие воздействия в каждой локальной подсистеме управления ПР могут вырабатываться по информации о состоянии данной подсистемы, т.е. децентрализованно, что позволяет для упрощения разработки алгоритмов управления ПР как многомерным объектом использовать декомпозицию - расчленение исходной задачи на несколько более простых, решаемых независимо. При этом САУ ПР проектируется в виде совокупности локальных подсистем (сепаратных каналов), каждая из которых имеет как самостоятельное функциональное назначение, так и обеспечивает выполнение заданных функций САУ в целом, что соответствует известному принципу агрегатирования [43, 250, 265]. При построении таких многоканальных систем наряду с обычными требованиями к качеству функционирования часто выдвигается специфическое - условие координации (согласования) подсистем, т.е. поддержания заданных функциональных соотношений между несколькими регулируемыми переменными [244].

Сложность ПР, высокие требования к качеству функционирования как отдельных локальных подсистем, так и системы в целом, необходимость организации рационального взаимодействия между подсистемами, автоматического формирования оптимальных программ управления в зависимости от текущей цели управления, условий обработки, состояния элементов оборудования приводит к необходимости построения современных и перспективных систем управления ПР в классе многоуровневых (иерархических) систем. Современные САУ ПР имеют, как правило, два и более уровня организации управления, что позволяет их отнести к классу многорежимных САУ [126, 249, 250].

Реализация алгоритмов функционирования многорежимных и многоканальных САУ ПР предполагает использование как автономных электронных и микропроцессорных блоков, сопрягаемых с УЧПУ, так и программно-аппаратную реализацию на базе одно- и многопроцессорных УЧПУ. Современные микропроцессорные УЧПУ, в частности типа CNC (Computer Numerical Control) и PCNC (Personal Computer Numerical Control), позволяют создавать высокоэффективные системы управления ПР с принципиально новыми функциональными возможностями, а также существенно повысить надежность САУ.

Исследованию теоретических и практических аспектов построения систем управления ПР посвящены работы Зориктуева В.Ц., Каяшева А.И., Михелькевича В.Н., Митрофанова В.Г., Подураева В.Н., Рубашкина И.Б., Рыжкина А.А., Соломенцева Ю.М., Тверского М.М., Трусова В.В. и др. [1, 2, 10, 98, 288, 328, 329, 351, 353, 355, 359] В основе используемых методов проектирования САУ ПР, отраженных перечисленных выше работах, лежат классические методы исследования и синтеза линейных и нелинейных нестационарных систем.

В тоже время системы управления современными и перспективными процессами механообработки должны проектироваться в классе многорежимных многоканальных систем со структурной и параметрической неопределенностью, обеспечивающих высокое качество управления в широком диапазоне изменения внешних условий обработки и режимов ПР. Это влечет за собой существенное усложнение процедуры их проектирования и, как следствие, необходимость разработки новых методов исследования и проектирования, адекватных данному классу систем.

Среди работ отечественных и зарубежных исследователей, посвященным проблемам управления сложными динамическими системами, функционирующими в условиях неопределенности, следует отметить работы ученых УГАТУ Ильясова Б.Г., Васильева В.И., Гусева Ю.М., Ефанова В.Н., Кабальнова Ю.С., Крымского В.Г., Куликова Г.Г., Миронова В.В., Юсуповой Н.И. и др. [45-48, 80, 119, 120, 125, 126, 174, 250, 256, 372]. В данных работах, внесших большой вклад в теорию данного класса систем, отражены различные аспекты сложной и многогранной проблемы управления в условиях неопределенности. Применительно к системам управления МСМ дальнейшего развития требуют такие направления, как решение оптимизационных задач для систем с параметрической и структурно-параметрической неопределенностью, решение задач адаптации и координации в условиях неопределенности свойств объекта и возмущающих воздействий, оперативной оптимизации программ управления сложными динамическими системами.

В настоящее время при синтезе САУ ПР используются методы, которые можно условно разбить на две группы. Первая группа методов основана на достижении заданных показателей качества и не позволяет говорить о наилучшем выборе. В основе второй группы лежит достижение оптимальных показателей качества в соответствии с некоторым критерием оптимальности. Несмотря на очевидные с точки зрения конечных результатов преимущества второй группы большинство применяемых при проектировании САУ ПР методов не является оптимальными. Ряд методов синтеза занимает промежуточное положение, например, широко используемый в электромеханических системах метод подчиненного регулирования координат [26, 371], органическими недостатками которого являются существенные допущения, упрощающие исходную структуру, и последовательное удвоение постоянных времени при увеличении номера контура регулирования. При этом становится затруднительной одновременная настройка всех варьируемых параметров системы, что, конечном итоге, не позволяет говорить о ее действительно оптимальной настройке.

В связи с этим, рассматриваемому классу многорежимных многоканальных систем управления в наибольшей степени отвечают оптимизационные методы синтеза, которые, как известно, позволяют достичь наилучшего результата [256]. Данные методы обладают принципиально большими возможностями в обеспечении высокой эффективности синтезируемых систем и позволяют, благодаря высокой степени формализации, широко применять ЭВМ в процессе синтеза. Оптимизационные методы отличает четкая постановка задачи синтеза, универсальность математического аппарата. С помощью данных методов можно осуществлять выбор оптимальных программ управления ПР (т.е. осуществлять оптимизацию установившихся режимов работы ПР), проводить синтез (в линейном приближении) оптимальных регуляторов, обеспечивающих наилучшим образом отработку программ управления (т.е. проводить оптимизацию динамических режимов работы ПР).

К настоящему времени оптимизационные методы синтеза динамических систем управления нашли широкое признание благодаря основополагающим работам Калмана Р. [139, 140], Фельдбаума А.А. [376], Летова A.M. [183, 184], Красовского А.А. [167, 168], и др. Однако, преобладающее большинство известных оптимизационных методов использует описание динамики объекта управления в виде уравнений относительно переменных состояния, в то время как в инженерной практике проектирования систем управления ПР широкое применение нашло описание динамики объекта уравнениями относительно его выходных переменных (т.н. уравнениями «вход-выход»), достоинствами которого являются физичность и доступность измерения выходных координат, возможность использования развитых методов матричной алгебры и теории функций комплексного переменного для анализа и синтеза систем [143, 382, 425, 394]. То, что данное описание может быть использовано только для полностью управляемых и наблюдаемых объектов с нулевыми начальными условиями не является существенным препятствием для использования его при описании динамических свойств ПР в линейном приближении, так как в подавляющем большинстве случаев для линеаризованных моделей ПР эти условия выполняются. Кроме этого немаловажным с точки зрения построения систем управления данными объектами является то, что требования по качеству управления, как правило, предъявляются к выходным координатам объекта, а это приводит к тому, что обратные связи в системе осуществляются именно по выходным координатам объекта.

Однако, непосредственное применение известных методов оптимизации для синтеза САУ ПР в условиях структурно-параметрической неопределенности весьма затруднительно из-за недостаточной разработанности данного направления [296, 372]. Необходима разработка таких подходов к оптимальному синтезу локальных подсистем управления ПР, которые минимизировали бы разброс свойств подсистем при обеспечении устойчивости, требуемых показателей качества переходных процессов и физической реализуемости регуляторов в условиях неопределенности свойств объекта. При этом необходимо обеспечить достижимость решения задачи оптимизации, т.е. существование совместной области устойчивости для всех возможных структур и параметров объекта управления.

Одним из эффективных подходов к построению оптимальных систем управления в условиях структурно-параметрических возмущений объекта управления является реализация их в классе систем с неперестраиваемыми регуляторами. При этом достигается существенное упрощение (по сравнению с перестраиваемыми) технической реализации регуляторов. Однако проектирование в указанных условиях неопределенности систем такого класса налагает определенные ограничения к используемым для этого методам синтеза, заключающиеся в возможности учета заданных ограничений по устойчивости и качеству управления при всех возможных вариациях структуры и параметров объекта. В связи с этим актуальной является разработка таких подходов к решению задачи оптимизации, которые позволяли бы синтезировать системы управления указанного класса в условиях структурно-параметрической неопределенности.

При более значительных параметрических и структурных возмущениях, обусловленных расширением области изменения свойств объекта и условий его функционирования, синтез в классе систем с неперестраиваемыми регуляторами уже не позволяет добиться требуемого качества работы САУ ПР. Необходимость обеспечения оптимальных свойств САУ ПР в условиях неопределенности требует синтеза оптимальных управлений в реальном времени в процессе функционирования системы, что реализует известную концепцию совмещенного синтеза [356]. Возможность практической реализации последнего предполагает достаточную формализуемость и вычислительную простоту процедур синтеза оптимальных управлений. Основной проблемой при использовании оптимизационных методов синтеза для совмещенного синтеза САУ ПР являются трудности, связанные с оперативной коррекцией параметров минимизируемого функционала в условиях изменения свойств объекта управления, а также со сложностью самих методик оптимизации. Таким образом, существует необходимость разработки таких подходов к оптимизации САУ, которые бы делали их более формализуемыми и менее затратными с точки зрения вычислений и, следовательно, пригодными для процедур совмещенного синтеза.

Организация управления на втором уровне многорежимных САУ ПР производится с помощью алгоритмов адаптивного и интеллектуального управления. При этом реализация данных алгоритмов в классе адаптивных систем с использованием искусственных нейронных сетей (ИНС) обеспечивает стабилизацию оптимальных показателей качества системы при изменении в широком диапазоне динамических свойств объекта управления. В классе интеллектуальных систем решается и задача координации локальных подсистем управления нижнего уровня, обеспечивающая поддержание заданных функциональных соотношений между задающими воздействиями локальных подсистем.

Для целей адаптации систем управления ПР наиболее предпочтительно использовать беспоисковые самонастраивающиеся системы (БСНС) с эталонной моделью (ЭМ), характеризующиеся относительной конструктивной простотой, быстродействием и высокой эффективностью работы в условиях минимальной априорной информации о динамических свойствах объекта управления. Большой вклад в теорию данного класса самонастраивающихся систем внесли отечественные ученые Петров Б.Н., Рутковский В.Ю., Земляков С.Д., Ильясов Б.Г., Кабальнов Ю.С. [119, 126, 283, 304, 372] и др. К настоящему времени решены, в основном, вопросы выбора структуры данного класса БСНС и алгоритмов самонастройки, обеспечивающих асимптотическую устойчивость движения системы относительно эталонного движения, задаваемого моделью. Однако, практическое применение данного класса систем ограничивается рядом причин, которые связаны прежде всего с обеспечением требуемого качества отработки параметрических возмущений в условиях неопределенности их характеристик, физической реализуемостью контуров параметрического управления, а также со сложностью процедуры синтеза устройства адаптации.

Формирование оптимальных программ управления ПР целесообразно осуществлять в классе интеллектуальных систем с использованием нечеткой логики и ИНС, что позволяет осуществлять оперативную оптимизацию программ управления в условиях неопределенности свойств ПР и условий обработки. Тем не менее развитие данного подхода к синтезу оптимальных программ управления ПР находится в настоящее время на начальном этапе.

Кроме этого, одним из определяющих требований при организации управления ПР на каждом из уровней иерархической системы является вычислительная эффективность используемых алгоритмов вследствие ограниченности вычислительных ресурсов как в автономном, так и в неавтономном (встраиваемом) варианте реализации САУ ПР.

Отмеченные выше нерешенные вопросы создания систем управления МСМ в условиях неопределенности приводят к возрастанию затрат и сроков на проектирование САУ МСМ, существенному снижению их эффективности на этапе эксплуатации.

Цель работы

Задачи исследования

Для достижения поставленной цели в работе решены следующие задачи:

1. Разработка методологии построения, оптимизации, адаптации и координации многорежимных многоканальных САУ МСМ в условиях неопределенности, удовлетворяющих заданному комплексу требований к качеству управления в широком диапазоне изменения технологических условий и режимов механообработки.

2. Разработка оптимизационного метода синтеза локальных подсистем управления ПР, обеспечивающих устойчивость и гарантируемое качество процессов управления, а также физическую реализуемость регуляторов в условиях параметрической и структурной неопределенности ПР.

Методика исследований

Научная новизна.

На защиту выносятся

2. Метод совмещенного синтеза локальных подсистем управления ПР в условиях неопределенности.

Практическая ценность и реализация работы

Полученные результаты использовались при создании: микропроцессорных САУ ПР на станках TJI-1000 с УЧПУ типа CNC 2Р32М; микропроцессорных систем управления температурно-силовыми режимами обработки на многоцелевых станках с УЧПУ типа PCNC. Результаты работы апробированы на предприятиях: ММПО им. В.В. Чернышева, РПО «Электромеханика», ЛНПО «Электронмаш», ОАО «САВМА», ФГУП УАП «Гидравлика», ОАО УМПО, ОАО «Стерлитамак-М.Т.Е.», где используются при проектировании систем управления МСМ.

Апробация работы

Основные результаты работы докладывались и обсуждались на международных, всесоюзных, всероссийских, региональных научно-технических конференциях, симпозиумах и семинарах с 1985 по 2005 г.г., в том числе: «Участие и роль молодых ученых, аспирантов и студентов в ускорении научно-технического прогресса в народном хозяйстве» (Уфа, 1985); «Проблемы повышения производительности и качества продукции в условиях автоматизации машиностроительного производства» (Рыбинск, 1986); «Проблемы внедрения достижений научно-технического прогресса в области автоматизации и механизации производственных процессов» (Уфа, 1986);. «Проблемы внедрения достижений научно-технического процесса в области автоматизации и механизации производственных процессов» (Уфа, 1986); «Динамика станочных систем гибких автоматизированных производств» (Тольятти, 1988); «Физическая оптимизация, управление и контроль процессов обработки резанием» (Уфа, 1991); «Оптимальная температура - основа современной теории и практики механообработки» (Уфа, 1989); «Конструкторско-технологическая информатика, автоматизированное создание машин и технологий» (Москва, 1989); «Разработка и внедрение автоматических производственных систем» (Севастополь, 1990); «Опыт эксплуатации станков с ЧПУ и средств их оснащения» (Севастополь, 1990); «Физическая оптимизация, управление и контроль процессов обработки резанием» (Уфа, 1991); «Технологические проблемы производства летательных аппаратов и двигателей» (Казань, 1993); «Технология и оборудование современного машиностроения» (Уфа, 1994); «Модели механики сплошной среды» (С -Петербург, 1995); «Информационные и кибернетические системы управления и их элементы» (Уфа, 1997); «Технология и оборудование современного машиностроения» (Уфа, 1998); «Проблемы авиации и космонавтики и роль ученых в их решении» (Уфа, 1998); «Компьютерные технологии в науке, проектировании и производстве» (Н. Новгород, 1999); «Повышение эффективности механообработки на основе аналитического и экспериментального моделирования процессов» (Рыбинск, 1999); «Интеллектуальное управление в сложных системах» (Уфа, 1999); «Новые технологии управления движением технических объектов (Новочеркасск, 1999); «Проблемы трансфера технологий» (Уфа-Патрас, 1999); «Технологии третьего тысячелетия» (С.-Петербург, 2001); «Аэрокосмичекие технологии образование на рубеже веков» (Рыбинск, 2002); «Системный анализ в проектировании и управлении» (С.-Петербург, 2004); «Оптимизация и управление процессом резания, мехатронные станочные системы» (Уфа,

2004); «Мехатроника, автоматизация, управление» (Уфа, 2005); выездном заседании головного совета «Машиностроение» МО РФ (Уфа, 2004).

Публикации

По теме диссертации опубликовано 65 работ, в том числе 1 монография, 1 учебное пособие (с грифом Министерства образования РФ), 34 статьи, 5 научно-технических отчетов.

Структура и содержание работы

Заключение диссертация на тему "Синтез адаптивных систем оптимального управления мехатронными станочными модулями"

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

В диссертационной работе обобщены результаты исследований, проведенных автором в научно-исследовательской лаборатории систем управления сложными технологическими процессами при кафедре автоматизированных технологических систем Уфимского государственного авиационного технического университета в рамках госбюджетных и хоздоговорных работ по темам, выполняемым в соответствии с координационными планами НИР АН и АТН РФ, федеральными целевыми программами, а также в соответствии с планами научно-исследовательских работ кафедры автоматизированных технологических систем Уфимского государственного авиационного технического университета.

В процессе исследований получены следующие результаты:

1. Разработана с системных позиций методология построения, оптимизации, адаптации и координации многорежимных многоканальных САУ МСМ в условиях неопределенности, удовлетворяющих заданному комплексу требований к качеству управления в широком диапазоне изменения технологических условий и режимов механообработки. Методология основана на учете неопределенности как на стадии проектирования, так и в процессе функционирования системы для каждого из уровней ее организации, и позволяет существенно повысить эффективность процессов проектирования и управления МСМ, что в свою очередь способствует повышению технико-экономических характеристик используемого оборудования и эксплуатационных характеристик изделий механообрабатывающего производства.

2. Разработан метод синтеза локальных подсистем управления ПР, обеспечивающий устойчивость, гарантированный уровень качества процессов управления и физическую реализуемость регуляторов координатного управления в условиях неопределенности свойств объекта. Рассмотрено применение предложенного оптимизационного метода для синтеза локальных подсистем с интервальной параметрической неопределенностью. Предложенный метод синтеза обобщен на класс систем со структурно-параметрической неопределенностью. Процедура синтеза принципиально обеспечивает достижимость решения задачи оптимизации, т.е. существование совместной области устойчивости для возможных структурных состояний системы управления, а также позволяет сделать более формализованной процедуру выбора полинома весовых коэффициентов минимизируемого функционала.

3. Разработан метод совмещенного синтеза локальных подсистем управления ПР, позволяющий формировать оптимальные управления в реальном времени в процессе функционирования системы и позволяющий обеспечить требуемые показатели качества процессов управления в условиях неопределенности свойств объекта и изменяемой цели управления. В рамках данного метода предложен подход к формированию критерия оптимизации на основе функционалов с мультипликативной функцией затрат на управление, который позволяет формализовать и значительно упростить процедуру коррекции весовых коэффициентов минимизируемого функционала. Разработан метод линеаризованной подстановки, на основе которого получены аналитические выражения, напрямую связывающие весовые коэффициенты данного класса функционалов с коэффициентами эквивалентных уравнений синтезируемой системы. На основе предложенного подхода разработана процедура синтеза контуров адаптации локальных квазиоптимальных подсистем управления ПР, которая (совместно с разработанным оптимизационным методом синтеза) позволяет обеспечить устойчивость и требуемые динамические характеристики локальных подсистем управления в условиях неопределенности.

4. Предложен метод синтеза алгоритмов параметрического управления ПР, основанный на применении в беспоисковых самонастраивающихся системах нейросетевых алгоритмов самонастройки, которые позволяют существенно упростить процедуру синтеза и одновременно обеспечить парирование значительных по величине параметрических возмущений в условиях неопределенности их динамических характеристик. Разработана методика синтеза алгоритмов самонастройки нелинейного нейросетевого регулятора параметрического управления с перекрестными связями, обеспечивающего устойчивость и высокое качество отработки параметрических возмущений в условиях интервальной параметрической неопределенности.

5. Разработаны методы синтеза нейросетевых алгоритмов координированного управления локальными подсистемами, обеспечивающие поддержание заданных функциональных соотношений между выходными координатами локальных подсистем управления ПР в условиях действия сигнальных и параметрических возмущений. Предложены структурные решения системы координированного управления как однотипными так и неоднотипными локальными подсистемами, заключающиеся в организации дополнительных обратных связей по ошибкам координации, что принципиально позволяет обеспечить высокое качество координации при действии на систему как параметрических, так и сигнальных возмущений. Определены условия устойчивости рассматриваемого класса систем координированного управления. Разработана методика синтеза передаточных функций устройств координации, обеспечивающих требуемое качество функционирования системы как по выходным координатам локальных подсистем, так и по ошибкам координации при действии на систему как параметрических, так и сигнальных возмущений. Предложена нейросетевая реализация алгоритмов координированного управления, позволяющая обеспечить устойчивость и физическую реализуемость устройств координации как однотипных, так и неоднотипных локальных подсистем.

6. Разработан метод и алгоритмы оперативной оптимизации программ управления режимами ПР в условиях неопределенности на основе методов нечеткой логики и искусственных нейронных сетей, позволяющие повысить эффективность механической обработки и сократить время на технологическую подготовку производства. В рамках данного подхода предложена нечеткая нейросетевая модель знаний о ПР для оперативного вычисления нечетких функций целей и ограничений, основанная на самоорганизующейся нечеткой нейронной сети прямого распространения. Предложены параметризированные нечеткие множества, нечеткие отношения и операции, применение которых позволяет повысить скорость вычислений на 1-2 порядка по сравнению с выполнением классических тах-min операций с поэлементными множествами. Разработаны методика и алгоритмы обучения (идентификации параметров) модели знаний о ПР, позволяющие формировать оптимальную архитектуру нейронной сети и минимизировать время вычислений. Разработана структура интеллектуальной экстремальной системы управления применительно к процессу токарной обработки и синтезирован алгоритм оперативного формирования программы управления режимами ПР.

7. Разработанные методы оптимизации, адаптации и координации многорежимных многоканальных САУ ПР практически реализованы в виде методик, алгоритмов и программ в рамках САПР САУ МСМ, в виде алгоритмического и аппаратно-программного обеспечения устройств ЧПУ. Исследована их эффективность методом математического моделирования, произведена апробация на ряде предприятий авиационной и станкостроительной промышленности. Полученные результаты используются при создании современных и перспективных САУ МСМ, применяемых при обработке ответственных дорогостоящих деталей авиационной и аэрокосмической техники, в частности: микропроцессорных САУ ПР на станках с УЧПУ типа CNC, микропроцессорных систем управления температурно-силовыми режимами обработки на многоцелевых станках с УЧПУ типа PCNC. Результаты исследований синтезированных САУ МСМ свидетельствуют об эффективности разработанных в диссертации методов, предложенных технических решений, что позволяет существенно повысить показатели качество управления проектируемых систем в широком диапазоне изменения режимов ПР и технологических условий, увеличить производительность обработки в среднем на 25-40%, повысить стойкость и исключить поломки режущего инструмента, поднять точность изготовления деталей и их эксплуатационный ресурс, в несколько раз сократить время на технологическую подготовку производства.

Библиография Лютов, Алексей Германович, диссертация по теме Системный анализ, управление и обработка информации (по отраслям)

1. Абакумов A.M., Видманов Ю.И., Михелькевич В.Н. Алгоритмизация процесса продольного точения // Станки и инструмент, 1972, № 9. -С. 20-22.

2. Абакумов A.M. и др. Математическая модель процесса точения при управлении по каналам скорости продольной подачи и частоты вращения шпинделя // Станки и инструмент. 1976. - № 5. - С. 16-17.

3. Абдуллаев Н.Д., Петров Ю.П. Теория и методы проектирования оптимальных регуляторов. Л.: Энергоатомиздат, 1985. - 240 с.

4. Абдурахимов А.О. Методы решения линейно-квадратических задач оптимального управления в условиях неопределенности. Автореф. к. ф.-м. н. - Минск, 1991. - 24 с.

5. Абиев Р.Г., Алиев Р.А., Алиев P.P. Синтез САУ с обучаемым на нейронной сети нечетким контроллером // Известия РАН. Техническая кибернетика. 1994. - № 2. - С. 192-197.

6. Аверкин А.Н., Гаазе-Рапопорт М.Г., Поспелов Д.А. Толковый словарь по искусственному интеллекту.-М.: Радио и связь, 1992. 256 с.

7. Аверченков В.И. Многокритериальная оптимизация режимов механической обработки по параметрам V, S, и t // Изв. ВУЗов. Машиностроение, 1984. с. 143-146.

8. Автоматическое регулирование процессов резания по температуре: Сб. науч. тр. № 4 / Отв. ред. С.С. Силин. Ярославль: Ярославский политехнический институт, 1976. - 169 с.

9. Адаптивное управление станками / Под ред. Б.С.Балакшина М.: Машиностроение, 1973. - 688 с.

10. Адаптивное управление технологическими процессами / Соломенцев Ю.М., Митрофанов В.Г,. Протопопов С.П. и др. М.: Машиностроение, 1980. - 536 с.

11. Айзерман М. А., Гантмахер Ф. Р. Абсолютная устойчивость регулируемых систем. М.: Изд-во АН СССР, 1963.

12. Аксенов Г.С., Фомин В.Н. Метод функций Ляпунова в задаче синтеза адаптивных регуляторов // Вопросы кибернетики. Адаптивные системы управления. М.: Научный совет по кибернетике АН СССР, 1979.- С. 69-93.

13. Алефельд Г., Херцберг Ю. Введение в интервальные вычисления // Пер. с анг. Под ред. Ю.В.Матиюсевича. М.: Мир, 1987. - 360 с.

14. Алиев Р.А., Абдикиев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом. М.: Радио и связь, 1990. - 264 с.

15. Анализ и синтез динамических систем в условиях неопределенности / Сб. научных трудов МАИ. М.: Изд-во МАИ, 1990. - 80 с.

16. Андриевский Б. Р., Фрадков А. Л. Элементы математического моделировании в программных средах MATLAB 5 и SCILAB. СПб.: Наука, 2001.

17. Ахмеджанов Ф.М. Анализ и синтез систем автоматического управления на основе уточненных алгоритмов обработки исходной информации в условиях интервальной параметрической неопределенности Дисс. канд. тех. наук. - Уфа, 1996. - 198 с.

18. Ахмеджанов Ф.М., Крымский В.Г. Исследование устойчивости автоматических систем с интервальной параметрической неопределенностью на основе модифицированных частотных методов. Уфа: УГАТУ, 1995. - Деп. в ВИНИТИ, № 2998-В95. - 26 с.

19. Бабак В.Ф. Модели и методы конструирования интеллектуальных САПР ТП механообработки // Машиностроительное производство. Автоматизированные системы проектирования и управления. М.: ВНИИТЭМР, 1990.-56с.

20. Багинов А.В. Локально-оптимальное управление в условиях неопределенности. Автореф. к. т. н. - Братск, 2002. - 23 с.

21. Барабанов А. Е. Синтез минимаксных регуляторов. СПб.: Изд-во С.-Петерб. ун-та, 1996.

22. Барабанов А. Е., Первозванский А. А. Оптимизация по равномерночастотным показателям // Автом. телемех. 1992. №9. С. 332.

23. Барабанов А. Е., Граничин О. Н. Оптимальный регулятор для линейных объектов с ограниченным шумом // Автом. телемех. 1984. №5. С. 39-46.

24. Барботько А.И., Зайцев А.Г. Теория резания металлов. 4.1. Основы процесса резания: Учеб. пособие. Воронеж: Изд-во ВГУ, 1990. - 216 с.

25. Барботько А.И., Зайцев А.Г. Теория резания металлов. 4.2. Основы системологии процессов резания: Учеб. пособие.- Воронеж: Изд-во ВГУ, 1990.- 176 с.

26. Башарин А.В., Новиков В.А., Соколовский Г.Г. Управление электроприводами. -JL: Энергоиздат, 1982. 392 с.

27. Башмаков А.И., Башмаков И.А. Механизмы наследования, выявления и разрешения противоречий в обобщенной модели представления предметной области // Известия РАН. Теория и системы управления. -1995.-№3-С. 175-189.

28. Бедини, Пинотти. Экспериментальное исследование стабилизирующего адаптивного управления токарным станком с ЧПУтипа CNC // Труды американского общества инженеров-механиков. Конструирование и технология машиностроения. М.: Мир, 1982. - С. 168.

29. Бейлин Л.П., Левин А.И. Расчет системы стабилизации силового параметра процесса резания // Станки и инструмент. 1974. - № 8. - с. 7 -10.

30. Беляков В.И., Горнев В.Ф. Математическая модель процесса продольного точения // Изв. ВУЗов. Машиностроение. 1980. - № 10 -С. 56-58.

31. Берман И.В., Матуха С.Л., Рутштейн В.Г. Адаптивная система управления для токарных станков с ЧПУ // Станки и инструмент. -1978.-№.6-С. 13-14.

32. Бесекерский В.А. Цифровые автоматические системы. М.: Наука, 1976.-576 с.

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

34. Бесекерский В.А., Попов Е.П. Теория систем автоматического регулирования. М.: Наука, 1975. 767 с.

35. Бессонов А.А., Загашвили Ю.В., Маркелов А.С. Методы и средства идентификации динамических объектов. Л.: Энергоатомиздат, 1989. -280 с.

36. Блохнин А.Г. Алгебра нечетких множеств // Известия РАН. Теория и системы управления. 1998. - №5. - С. 88-95.

37. Бобров В.Ф. Основы теории резания металлов. М. Машиностроение, 1975.-344 с.

38. Бойков Ю.И., Сиротенко А.П., Шехвиц Э.И. Исследование динамики комплекса станок -процесс резания УЧПУ - адаптивная система. - Вкн. Системы управления станками и автоматическими линиями. М., 1982.-Т. 15.-С.32-37.

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

40. Борцов Ю.А., Поляхов Н.Д., Путов В.В. Электромеханические системы с адаптивным и модальным управлением. JI.: Энергоатомиздат, 1984. -216с.

41. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров и учащихся ВТУЗов. М. Наука, 1980. - 976 с.

42. Брусин В.А., Лапшина М.В. Об одном классе непрерывных алгоритмов адаптивного управления // Автоматика и телемеханика. 1980. - № 10. -С. 81-90.

43. Бусленко Н.П. Моделирование сложных систем. М: Наука, 1968. - 247 с.

44. Васильев В.И., Валеев С.С., Шилоносов А.А. К выбору структуры нейрорегулятора в системе управления динамическим объектом // Нейрокомпьютеры: разработка, применение. 2001. - № 4-5. - С. 52-60

45. Васильев В.И., Гусев Ю.М., Ильясов Б.Г., Семеран В.А. Оптимизация автоматических систем управления. Уфа, 1977. - 110 с.

46. 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.

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

48. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием генетических алгоритмов: Учебное пособие. Уфа: УГАТУ, 1999.-105 с.

49. Вентцель Е.С., Овчаров JI.A. Теория вероятностей и ее инженерные приложения. М.: Наука, 1988. - 480 с.

50. Вопросы оптимального резания металлов: Труды УАИ, выпуск 29. Уфа: УАИ, 1972.-190 с.

51. Вопросы оптимального резания металлов: Труды УАИ, выпуск 34. Уфа: УАИ, 1972.-255 с.

52. Воронов А. А., Рутковский В.Ю. Современное состояние и перспективы развития адаптивных систем // Вопросы кибернетики. Проблемы теории и практики адаптивного управления. М.: Научный совет по кибернетике АН СССР, 1985. - С. 5-48.

53. Вощинин А.П., Сотиров Г.Р. Оптимизация в условиях неопределенности. М.: Изд-во МЭИ, София: Техника 1989. - 224 с.

54. By. Новый подход к определению передаточной функции для динамических процессов резания // Труды американского общества инженеров механиков. Современное машиностроение. Серия Б. - М.: Мир, 1989. - № 10. - С. 123.

55. By. Подробная модель силы резания и ее применение при срезании волнистости обработанной поверхности // Труды американского общества инженеров-механиков. Современное машиностроение. Серия Б. М.: Мир, 1989,- № 2. - С. 155.

56. Гайдук В.А. Методы среднеквадратичного оптимального синтеза с учетом неопределенностей в задании объектов и возмущений. -Автореф. к. т. н. СПб., 2003. - 15 с.

57. Гельднер Г., Кубик С. Нелинейные системы управления Пер. с нем. -М.: Мир, 1987. 368 с.

58. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация Пер. с англ. -М.: Мир, 1985.- 509 с.

59. Гилмор Дж. Ф. Автоматизированное приобретение знаний с помощью нейронных сетей // Известия РАН. Техническая кибернетика. 1994. -№ 5. - С. 93-96.

60. Глушко В.В., Локотош Б.Н., Скориков Г.П. Эффективность автоматического регулирования режимов работы металлорежущих станков // Автоматизация производственных процессов в машиностроении и приборостроении. Львов, 1970. - С. 31-39.

61. Гозман Я.Б., Пиковский Ю.Д. Исследование передаточной функции процесса резания как звена адаптивной системы // Станки и инструмент. 1974. -№ 8 - С. 90-92.

62. Гойхман П.А., Лурье З.Я. Выбор параметров механизмов и систем управления быстродействующего станка с ЧПУ // Автоматизированные системы управления. -1981. Вып. - С. 175-176.

63. Головина Е.Ю., Чибизова Н.В. О построении интеллектуальной обучающей системы // Известия РАН. Теория и системы управления. -1996.-№5.-С. 85-92.

64. Гончарова С.Г. Интеллектуальная система управления процессом механообработки с оперативным использованием нечеткой нейросетевой модели знаний. Дисс. канд. техн. наук. - Уфа, 2001. -207 с.

65. Горбань А. Н. Обучение нейронных сетей. М.: СП ПараГраф, 1990. -160 с.

66. Гордиенко Е.К., Лукьяница А.А. Искусственные нейронные сети. I. Основные определения и модели // Известия РАН. Техническая кибернетика. 1994.-№ 5. - С. 79-92.

67. Горелик А.Л., Скрипкин В.А. Методы распознавания. М.: Высш. шк, 1984.-208 с.

68. Горнев r.Bv Колюнов В.А. Технологические основы проектирования и применения адаптивных устройств для механической обработки. В кн. Автоматизированные системы управления. - Харьков ХАИ, 1981. -Вып. 3.-С. 190-192.

69. Горовиц A.M. Синтез систем с обратной связью: Пер. с англ./ Под ред. М.В.Меерова. М.: Сов. Радио, 1970.

70. Горовиц И. Синтез систем с обратной связью. М.: Сов. радио, 1970.

71. Городецкий В.И., Захарин Ф.М. Методы теории чувствительности в автоматическом управлении / Под ред. Е.Н. Розенвасера и Р.М.Юсупова. Л.: Энергия, 1971.

72. Городецкий М.С., Бейлин Л.П., Семенов А.А. Общие требования к адаптивным системам стабилизации силовых параметров процесса резания на токарных станках // Станки и инструмент. 1974. - № 6 - № 8. - С. 4-7.

73. Грановский В.А., Сирая Т.Н. Методы обработки экспериментальных данных при измерениях. Л.: Энергоатомиздат, 1990.-288с.

74. Грановский Г.И., Грановский В.Г. Резание металлов. М.: Высшая школа, 1985.-304 с.

75. Гроп Д. Методы идентификации систем / Пер. с англ. В.А. Васильева, В.И. Лопатина; Под ред. Е.И. Кринецкого. М.:Мир, 1979.-302с.

76. Губанов В. А., Захаров В. В., Коваленко А. Н. Введение в системный анализ. JI.: Издательство Ленинградского университета, 1988. - 232 с.

77. Гудков В.В., Петров Н.А. Пути высокоскоростной обработки резанием Обзор. М. НИИМаш, 1984.

78. Гультяев А. Визуальное моделирование в среде MatLab: учебный курс СПб: Питер, 2000.

79. Гусев Ю.М., Ефанов В.Н., Крымский В.Г., Рутковский В.Ю. Анализ и синтез интервальных динамических систем (состояние проблемы) // Изв. АН СССР. Техн. кибернетика, 1991, № 1. с.3-24; № 2. - с. 3-30.

80. Дегтярев Ю.И. Исследование операций. -М.: Высш. шк., 1986.-320с.

81. Дезоер Ч., Видьясагар М. Системы с обратной связью: вход -выходные соотношения: Пер. с англ. М.: Наука, 1983. - 280 с.

82. Дейч A.M. Методы идентификации динамических объектов. М.: Энергия, 1979.-240с.

83. Дементьев В.И., Капемаш Т.С. Система адаптивного управления с корректирующими звеньями для токарного станка с ЧПУ. В кн. Электропривод и автоматизация в машиностроении. - М., 1984. - С. 1722.

84. Деревицкий Д.П., Фрадков А.Л. Прикладная теория дискретных адаптивных систем управления. М.: Наука. 1981. - 216 с.

85. Дидук Г.А. Машинные методы исследования автоматических систем. -Л. Энергоатомиздат, 1983.

86. Додонов В.В. Эффективность использования адаптивных систем управления металлорежущими станками // Изв. Вузов. Машиностроение. 1983. - № 2. - С. 110-114.

87. Долматова Л.М. Что считать результатами обучения: интерпретация зависимостей посредством анализа топологии обученной нейроннойсети // Известия РАН. Теория и системы управления. 1996. - № 5. - С. 71-76.

88. Дякин М.В., Подорожный Д.А., Сапир М.В. Подход к созданию гибких обучающих систем // Известия РАН. Теория и системы управления. -1996.-№5. с. 77-84.

89. Егоров В.Н., Коженевский-Яковлев О.В. Цифровое моделирование систем электропривода. М. Энергоатомиздат, 1986. - 168 с.

90. Елисеева И.И., Рукавишников В.О. Группировка, корреляция, распознавание образов. -М.: Статистика, 1977.-144с.

91. Ермаченко А.И. Методы синтеза линейных систем управления низкой чувствительности. М.: Радио и связь, 1981. 104 с.

92. Журавлев В.Н., Николаева О.И. Машиностроительные стали: Справочник. -М.: Машиностроение, 1992. 480с.

93. Заде JI. Понятие лингвистической переменной и его применение к принятию приближенных решений. -М.: Мир, 1976.-163с.

94. Заде JI., Дезоер Ч. Теория линейных систем. М.: Наука, 1970.

95. Захаров В.Н., Ульянов С.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. IV. Имитационное моделирование // Известия РАН. Техническая кибернетика. 1994. - № 5.-С. 168-210.

96. Зориктуев В.Ц. Автоматизация технологических процессов изготовления деталей авиадвигателей // Полет. М.: Машиностроение. -2002.-С. 69-73.

97. Зориктуев В.Ц. Повышение эффективности обработки деталей из труднообрабатываемых материалов на станках путем идентификации и автоматического управления температурно-силовым режимом точения. Дисс. докт. техн. наук. - М., 1990. - 418 с.

98. Зориктуев В.Ц., Исаев Ш.Г. Температура на контактных поверхностях ^ инструмента и средняя термо-ЭДС контакта инструмент-деталь //

99. Известия ВУЗов. Машиностроение. 1985. - № 10. - С. 146-151.

100. Зориктуев В.Ц., Исаев Ш.Г., Никин А.Д. Системы автоматического управления тепловым режимом обработки // Станки и инструмент. -1986.-№8-С. 10-12.

101. Зориктуев В.Ц., Лютов А.Г. Вопросы оптимального синтеза систем управления процессом резания // Труды XIII Международной школы по моделям механики сплошной среды. С.-Петербург, 1995. - С. 34? 37.

102. Зориктуев В.Ц., Лютов А.Г. Дискретная динамическая модель процесса точения // Оптимальная температура основа современной теории и практики механообработки: Сборник материалов зональной научно-технической конференции. - Уфа, 1989. - С. 48-49.

103. Зориктуев В.Ц., Лютов А.Г. Дискретная динамическая модельпроцесса точения // Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский научный сборник. Уфа, 1990.-С. 57-61.

104. Зориктуев В.Ц., Лютов А.Г. Системы управления технологическими процессами механообработки // Инструмент и технологии. № 1, 1998.-С. 26-28.

105. Зориктуев В.Ц., Лютов А.Г. Управление процессами механообработки деталей авиационных двигателей в условиях неопределенности. Монография. -М.: Изд-во МАИ, 2003. 120 с.

106. Зориктуев В.Ц., Лютов А.Г., Месягутов И.Ф., Гончарова С.Г. Интеллектуальное управление сложным мехатронным объектом с использованием быстрорасчетной нейро-нечеткой модели // Мехатроника, автоматизация, управление. 2001, № 6. - С. 24-28.

107. Зориктуев В.Ц., Лютов А.Г., Никитин Ю.А. Интегрированное интеллектуальное управление и диагностика мехатронных станочныхсистем // Мехатроника, автоматизация, управление. 2005, № 8. - С. 26-30.

108. Зориктуев В.Ц., Хузин И.С. Электропроводимость контакта «инструмент-деталь» физический и информационный параметр в станочных системах. -М.: Машиностроение, 1998. - 176 с.

109. Изерман Р. Цифровые системы управления. М.: Мир, 1984. - 541 с.

110. Измерение электрических и неэлектрических величин: Учеб. пособие для вузов / Н.Н. Евтихиев, Я.А. Купершмидт, В.Ф. Папуловский, В.Н. Скугоров; Под общ. ред. Н.Н. Евтихиева. М.: Энергоатомиздат, 1990.-352 с.

111. Ильин А.И. Адаптивная система управления интенсивностью износа режущего инструмента для точения труднообрабатываемых материалов на станках с ЧПУ. Дисс. канд. техн. наук. -Уфа, 1991. — 202 с.

112. Интеллектуальные системы управления с использованием нейронных сетей: Учебное пособие / Васильев В.И., Ильясов Б.Г., Валеев С.С. и др. Уфа, УГАТУ, 1997. - 92 с.

113. Исаев Ш.Г. Разработка системы автоматического управления силами резания по электрической проводимости контакта «инструмент -деталь».- Дисс. канд. тех. наук. Уфа, 1986. - 234 с.

114. Исаев Ш.Г., Лютов А.Г. Анализ динамики САУ процессом резания на ЦВМ // Динамика станочных систем гибких автоматизированных производств: Сборник материалов всесоюзной научно-технической конференции. Тольятти, 1988.-С. 170-171.

115. Искусственный интеллект. В 3-х кн. Кн.2. Модели и методы: Справочник / Под ред. Д.А. Поспелова - М.: Радио и связь, 1990. -304 с.

116. Кабальнов Ю.С. Адаптивное координатно-параметрическое управление авиационными силовыми установками // Вестник УГАТУ, 2000, №2.-с. 149-156.

117. Кабальнов Ю.С. Оптимизация многорежимных и многофункциональных МСАУ на основе системного подхода (применительно к ГТД летательных аппаратов). Дисс. докт, тех. наук.-Уфа, 1992.-508 с.

118. Кабальнов Ю.С., Лютов А.Г., Насибуллин Ф.Г. Координированное управление группой автономных динамических объектов // Вычислительная техника и новые информационные технологии: Межвузовский сборник научных трудов. Уфа, 1999. - С. 197-203.

119. Кабальнов Ю.С., Лютов А.Г., Насибуллин Ф.Г. Координированное управление группой автономных динамических объектов. Уфа: УГАТУ, 2000. - 24 с. - Деп. в ВИНИТИ 26.04.00. - № 1229-В00.

120. Кабальнов Ю.С., Лютов А.Г., Насибуллин Ф.Г. Синтез систем управления в условиях интервальной параметрической неопределенности // Известия ВУЗов. Авиационная техника. № 1, 2000.-С. 7-10.

121. Кабальнов Ю.С., Лютов А.Г., Насибуллин Ф.Г. Синтез систем управления в условиях интервальной параметрической неопределенности. Уфа: УГАТУ, 2000. - 36 с. - Деп. в ВИНИТИ. 26.04.00.-№ 1230-В00.

122. Кабальнов Ю.С., Лютов А.Г., Насибуллин Ф.Г. Управление динамическими системами в условиях интервальной неопределенности // Принятие решений в условияхнеопределенности: Межвузовский научный сборник. Уфа, 1999. - С. 40-45.

123. Кабальнов Ю.С., Лютов А.Г., Ямалов И.У. Нейросетевые алгоритмы координированного управления сложными динамическими объектами // Нейрокомпьютеры: разработка, применение. 2001, № 4-5.-С. 61-69.

124. Кабальнов Ю.С., Шевченко Д.И. Синтез многомерных САУ на основе оптимизационной процедуры приближения передаточных функций. -Уфа: УАИ, 1992. Деп. в ВИНИТИ 24.07.92., № 2440-В92.

125. Калашников В. В. Сложные системы и методы их анализа. М.: Знание, 1980.-164 с.

126. Калинина В.Н., Панкин В.Ф. Математическая статистика. М.: Высш. шк., 1998.-336 с.

127. Калман Р. Об общей теории систем управления // Тр. I международного конгр. ИФАК. М.: Извд-во АН СССР, 1961. Т.2, С. 521-546.

128. Калман Р., Фалб П., Арбиб М. Очерки по математической теории систем. М.: Мир, 1977. - 400 с.

129. Калмыков С.А., Шокин Ю.И., Юлдашев З.Х. Методы интервального анализа. Новосибирск: Наука, 1986. - 222 с.

130. Карслян Э.В. Разработка частотных методов анализа и синтеза многосвязных систем управления в условиях неопределенности. -Автореф. д. т. н. Ереван, 1995. - 37 с.

131. Катковник В.Я., Полуэктов Р.А. Многомерные дискретные системыуправления. М.: Наука, 1966. - 416 с.

132. Кацаров Ж.И., Шевченко В.В. Параметрическая оптимизация процессов точения на станках с ЧПУ // Резание и инструмент. 1986. -Вып. 35.-С. 39-40

133. Кацев П.К. Статистические методы исследования режущего инструмента. -М.: Машиностроение, 1968. 156 с.

134. Каштальян И.А., Клевзович В.И. Обработка на станках с ЧПУ :Справ. пос. -Мн: Выш. шк, 1989.-271 С.

135. Каяшев А.И., Митрофанов В.Г., Схиртладзе А.Г. Методы адаптации при управлении автоматизированными станочными комплексами. -М.: Машиностроение, 1995. 289 с.

136. Квакернаак X, Сиван Р. Линейные оптимальные системы управления, Пер. с англ. М.: Мир, 1977. - 650 с.

137. Кейн В. М. Оптимизация систем управления по минимаксному критерию. М.: 1985.-248с.

138. Кику А.Г., Костюк В.И., Краскевич В.Е., Сильвестров А.Н., Шпит С.В. Адаптивные системы идентификации. Киев.: Техшка, 1975. -288 с.

139. Киселев О. Н., Поляк Б. Т. Синтез регуляторов низкого порядка по критерию Н00 и по критерию максимальной робастности // Автом. телемех. 1999. №3. С. 113-119.

140. Кичко Ю.М. Исследование вопросов оптимального точения углеродистых сталей в связи с их химическим составом и свойствами: Дис. канд. техн. наук, Уфа, 1970. 187 с.

141. Клепиков В.И., Сосонкин В.Л. Структурированные нейроподобные сети как средство моделирования дискретных процессов // Автоматика и телемеханика. 1998. - № 1. - С. 147-154.

142. Клышинский Э.С. Метод построения и применения интеллектуальных объектов в системах моделирования // Автоматизация и современные технологии. 1998. - № 2. - С. 27-31.

143. Коваленко А.П. Состоятельный алгоритм формирования нейронной сети для анализа кластеров высокой плотности // Известия РАН. Техническая кибернетика. 1994.-№5.-С.97-102.

144. Коваль М.И. Специальные характеристики и функции систем автоматического управления тяжелых и уникальных станков. // Станки и инструмент. 1985. - № 1. - С. 16-20.

145. Коваль М.И., Коробко А.В. Анализ эффективности предельных систем адаптивного управления // Станки и инструмент. 1981. - № 6, -С. 10-12.

146. Козлов Ю.М., Юсупов P.M. Беспоисковые самонастраивающиеся системы. М.: Наука, 1969. - 455 с.

147. Конфликт сложных систем. Модели и управление / Б.К Нартов, С.Г. Братцев, Ф.А. Мурзин, А.А. Пунтус; Под ред. А.А. Пунтуса. М.: МАИ, 1995.- 120 с.

148. Коробко А.В., Коваль М.И., Ким Е.Н. Адаптивное управление фрезерованием в микропроцессорной системе ЧПУ // Станки и инструмент. 1983. - № 12. С. 15-18.

149. Коровин Б.Г., Прокофьев Г.И., Рассудов JI.H. Системы программного управления промышленными установками и робототехническими комплексами. JL: Энергоатомиздат, 1990. - 352 с.

150. Корсаков B.C. Основные направления развития технологии повышения точности и производительности обработки на станках с ЧПУ // Тр. МВТУ. -1982. № 376. - С. 3-20.

151. Корытин A.M., Шапарев Н.К. Оптимизация управления металлорежущими станками. М.: Машиностроение, 1974. - 200 с.

152. Костюк В.И. Беспоисковые градиентные самонастраивающиеся системы. Киев: Техника, 1969. - 275 с.

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

154. Красовский А.А. Системы автоматического управления полетом и их аналитическое конструирование. М.: Наука, 1973. - 560 с.

155. Красовский А.А., Буков Н.В., Шендрик B.C. Универсальные алгоритмы оптимального управления непрерывными процессами. -М.: Наука, 1977. 271 с.

156. Крутько П.Д., Максимов А.И., Скворцов JI.M. Алгоритмы и программы проектирования автоматических систем. М.: Радио и связь, 1988.

157. Кудинов В.А. Динамика станков. М.: Машиностроение, 1967. - 360 с.

158. Кузнецов О.П. Псевдооптические нейронные сети прямолинейные модели // Автоматика и телемеханика. - 1996. - № 12. - С. 145-154.

159. Кузовков Н.Т. Теория автоматического регулирования, основанная на частотных методах. -М.: Оборонгиз, 1960. 448 с.

160. Кузьмин В.Б. Построение групповых решений в пространствах четких и нечетких бинарных отношений. М.: Наука, 1982. 168 с.

161. Куликов Г.Г., Брейкин Т.В., Арьков В.Ю. Ителлектуальные информационные системы: Учебное пособие. Уфа: УГАТУ, 1999. -129 с.

162. Курдюков А.П. Минимизация влияния параметрических неопределенностей и внешних возмущений методами адаптивного и стохастического робастного управления. Автореф. д. т. н. - М., 2001. -38 с.

163. Куржанский А. Б. Управление и наблюдение в условиях неопределенности. М.: Наука, 1977.

164. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний.-М.: Наука, 1989, 128 с.

165. Ле Хунг Лан. Модифицированный частотный критерий робастной устойчивости замкнутых систем // Автоматика и телемеханика № 8, 1993.-С. 119-130.

166. Ле Хунг Лан. Построение области значений интервальной передаточной функции и ее использование в задачах робастного управления // Автоматика и телемеханика № 1,1994. - С. 148-161.

167. Левин В.И. Интервальная математика и исследование систем в условиях неопределенности. Пенза, 1998. - 54 с.

168. Ленец Н.А. Автоматическое регулирование мощности резания // Автоматизация производственных процессов в машиностроении и приборостроении. Львов, 1970. - С. 17-21.

169. Лескин А.А., Мальцев П.А., Спиридонов A.M. Сети Петри в моделировании и управлении. Л.: Наука, 1989. 133 с.

170. Летов A.M. Аналитическое конструирование регуляторов // Автоматика и телемеханика. I -1960. № 4. С. 436-441; II. -1960. - № 5. - С. 561-568; III. - № 6. - С. 661-665; IV. - 1961. - № 4. - С. 425-435; V. - 1962. - ЛИ 1. - С. 1405-1413.

171. Летов A.M. Динамика полета и управления. М.: Наука, 1969. - 360 с.

172. Ли Э.Б., Маркус Л. Основы теории оптимального управления. М: Наука, 1972.-576 с.

173. Лищинский Л.Ю., Мошков Е.А. Основы построения поисковых адаптивных систем для оптимизации металлообработки // Станки и инструмент. 1975. - № 11 -С. 4-7.

174. Лурье А. И. Некоторые нелинейные задачи теории автоматического регулирования. М.: Гостехиздат, 1951.

175. Лурье А. И., Постников В. Н. К теории устойчивости регулируемых систем // Прикл. матем. мех. 1944. Т. VIII, вып. 3.

176. Лютов А.Г. Динамическая оптимизация САУ процессом резания. // Технология и оборудование современного машиностроения: Сборник материалов всероссийской научно-технической конференции. Уфа, 1994.-С. 44-45.

177. Лютов А.Г. Критерий оптимизации динамических процессов с мультипликативной функцией затрат на управление // Оптимальное управление мехатронными станочными системами. Сборник научных трудов. - Уфа, 1999. - С. 159-162.

178. Лютов А.Г. Моделирование процессов токарной обработки в реальном времени // Физическая оптимизация, управление и контроль процессов обработки резанием: Сборник материалов зональной научно-технической конференции. Уфа, 1991. - С. 81-82.

179. Лютов А.Г. Оптимизация и адаптация систем управления технологическими процессами механообработки // Автоматизированные технологические и мехатронные системы в машиностроении: Межвузовский сборник научных трудов. Уфа: УГАТУ, 1997.-С. 49-52.

180. Лютов А.Г. Оптимизация систем управления в условиях структурно-параметрической неопределенности. Уфа: УГАТУ, 2003. - 14 с. -Деп. в ВИНИТИ. 24.05.03. -№ 1134 -ВОЗ.

181. Лютов А.Г. Оптимизация систем управления на основе метода линеаризованной функциональной подстановки: Сборник трудов международной научно-технической конференции. Уфа: БГУ, 2004. -С. 148-154.

182. Лютов А.Г. Оптимизация систем управления с использованием функционалов с мультипликативной функцией затрат // Оптимальное управление мехатронными станочными системами. Сборник научных трудов. - Уфа, 1999. - С. 163-165.

183. Лютов А.Г. Синтез алгоритмов самонастройки оптимальной системы управления динамическими процессами: Сборник трудов международной научно-технической конференции. Уфа: БГУ, 2004. -С. 154- 160.

184. Лютов А.Г. Синтез нейросетевых алгоритмов параметрического управления в условиях интервальной неопределенности // Нейрокомпьютеры: разработка, применение. 2004, № 9. - 17-22.

185. Лютов А.Г. Синтез системы управления процессом резания с использованием модифицированного интегрального критерия качества. Дисс. канд. техн. наук: 05.13.07. Уфа, 1994. - 206 с.

186. Лютов А.Г. Система автоматического контроля устройств ЧПУ типа НЗЗ // Разработка и внедрение автоматических производственных систем: Сборник материалов республиканской научно-технической конференции. Севастополь, 1990. - С. 24.

187. Лютов А.Г. Системный анализ и оптимизация интеллектуальных многоуровневых систем управления сложными техническими объектами в условиях неопределенности // Системный анализ в проектировании и управлении: Сборник материалов VIII

188. Международной научно-практической конференции. С.-Петербург: СПбГТУ, 2004.-С. 55-57.

189. Лютов А.Г. Совмещенный синтез систем управления на основе функционалов с мультипликативной функцией затрат на управление. Уфа: УГАТУ, 2003. - 10 с. - Деп. в ВИНИТИ. 24.05.03. - № 1135 -ВОЗ.

190. Лютов А.Г., Гончарова С.Г. Иерархическая система управления технологическим процессом механообработки // Технология и оборудование современного машиностроения: Сборник материалов всероссийской научно-технической конференции. Уфа, 1998. - С. 18-19.

191. Лютов А.Г., Гончарова С.Г. Нейронная реализация функций принадлежности // Оптимальное управление мехатронными станочными системами, Сборник научных трудов. Уфа, 1999. - С. 74-79.

192. Лютов А.Г., Гончарова С.Г. Принятие решений на основе оперативного построения нечетких моделей при управлении технологическими процессами механообработки //

193. Автоматизированные технологические и мехатронные системы в машиностроении: Межвузовский сборник научных трудов, Уфа: УГАТУ, 1997.-С. 41-46.

194. Лютов А.Г., Месягутов И.Ф. Интеллектуальная система программного управления процессом механообработки // Технология и оборудование современного машиностроения: Сборник материалов всероссийской научно-технической конференции. Уфа, 1998. - С. 2021.

195. Лютов А.Г., Месягутов И.Ф. Подход к формализованному описанию процессов механообработки // Технология и оборудование современного машиностроения. Сборник материалов всероссийской научно-технической конференции. - Уфа, 1998. - С. 21-22.

196. Лютов А.Г., Никин А.Д. Беспоисковая самонастраивающаяся система управления процессом точения // Оптимальное управление мехатронными станочными системами. Сборник научных трудов. -Уфа, 1999.-С.19-24.

197. Лютов А.Г. Нейросетевые алгоритмы адаптивного управления беспоисковой самонастраивающейся системы с эталонной моделью // Интеллектуальные мехатронные станочные системы: Сборник научных трудов. Уфа: УГАТУ, 2003. - С. 72-79.

198. Лютов А.Г., • Платонова Д.Е. Нейросетевые алгоритмы параметрического управления беспоисковой самонастраивающейся системы с эталонной моделью. // Известия ВУЗов. Авиационная техника. - № 3,2003. - С. 13 -15.

199. Лютов А.Г. Синтез нейросетевых алгоритмов параметрического управления беспоисковой самонастраивающейся системы с эталонной моделью. Уфа: УГАТУ, 2002. - 9 с. - Деп. в ВИНИТИ. 03.10.02. - № 1670-В2002.

200. Макаров А.Д. Оптимизация процессов резания. М.: Машиностроение, 1976.-278с.

201. Малахов Г.Н. Автоматическое регулирование скорости резания в зависимости от температуры режущей кромки резца // Вестник машиностроения. 1995. - № 4. - С. 18-19.

202. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. -М.: Энергоатомиздат, 1991. 136 с.

203. Марселлус Д. Программирование экспертных систем на Турбо Прологе: Пер. с англ. / Предисл. С.В.Трубицина. М.: Финансы и статистика, 1994. - 256 с.

204. Мартьянова Т.С. Выбор критерия качества процессов управления -В кн.: Автоматическое регулирование двигателей летательных аппаратов / Под ред. А.А. Шевякова. 1980. - С. 179-189. (Тр. ЦИАМ: № 895).

205. Мартьянова Т.С., Васильев В.И., Лютов А.Г. Критерий качества процессов управления // Автоматическое регулирование двигателей летательных аппаратов. Труды ЦИАМ, Вып. 26, М., 1990. - С. 78-82.

206. Масори, Корен. Анализ устойчивости адаптивной системы управления, применяемой для стабилизации силы резания при точении // Труды американского общества инженеров-механиков.

207. Конструирование и технология машиностроения. 1985. - № 4 - С. 110.

208. Масори. Оценка параметров процесса резания при токарной обработке в режиме реального времени // Труды американского общества инженеров механиков. Конструирование и технологии машиностроения. - М.: Мир, 1984 - № 3 - С. 141.

209. Мееров М.В. Синтез структур систем автоматического управления высокой точности. М.: Наука, 1967.

210. Мееров М.В. Системы многосвязного регулирования. М.: Наука, 1965.-384 с.

211. Меерович Г.А. Эффект больших систем-М.: Знание, 1985.

212. Мейлахс А. М. О стабилизации линейных управляемых систем в условиях неопределенности // Автом. телемех. 1975. №2. С. 182-184.

213. Меламед И.И. Нейронные сети и комбинаторная оптимизация // Автоматика и телемеханика. 1994. - № 11. - С. 3-40.

214. Мелса Д.Л., Джонс С.К. Программы в помощь изучающим теорию линейных систем управления : Пер. с англ. -М.: Машиностроение, 1980. 200 с.

215. Месарович М.Д., Мако Д., Такахара И. Теория иерархических многоуровневых систем: Пер. с англ. М.: Мир. 1973. - 344 с.

216. Методы параллельного микропрограммирования / П.А. Анишев, С.М. Ачасова и др.; под ред. О.Л. Бандман. Новосибирск: Наука, 1981. -180 с.

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

218. Микропроцессорные автоматические системы регулирования. Основы теории и элементы: Учеб. пособие / В. В. Солодовников, В. Г.

219. Коньков; Под ред. В. В. Солодовникова. М.: Высш. шк., 1991. - 255 с.

220. Мирошник И.В. Согласованное управление многоканальными системами. JL: Энергоатомиздат, 1990. 160 с.

221. Мирошник И.В., Никифоров В.О., Фрадков A.JI. Нелинейное и адаптивное управление сложными динамическими системами. -СПб.: Наука, 2000. 549 с.

222. Михайлов О.П., Цейтлин JI.H. Измерительные устройства в системах адаптивного управления станками. -М.: Машиностроение, 1978. 152 с.

223. Михайлов Ф.А. Теория и методы исследования нестационарных линейных систем. М.: Наука, 1986. - 320 с.

224. Михалюк Д.П., Суворов А.В., Ященко В.В., Ященко Н.Ю. Формирование оптимального пути в пространстве состояний сложной технической системы в условиях неполноты исходной информации // Известия РАН. Теория и системы управления. 1996. - № 5. - С. 6165.

225. Многорежимные и нестационарные системы автоматического управления / Б.Н. Петров, А.Д. Александров, В.П. Андреев и др. М.: Машиностроение, 1978. - 240 с.

226. Многоуровневое управление динамическими объектами /В.И. Васильев, Ю.М.Гусев, В.Н.Ефанов и др.; Под ред. В.Ю.Рутковского и С. Д. Землякова. М.: Наука, 1987. - 309 с.

227. Моисеев Н.Н. Математические задачи системного анализа. М.: Наука, 1981.-488 с.

228. Морозовский В.Т. Многосвязные системы автоматического регулирования. М.: Энергия, 1970. 288 с.

229. Насибуллин Ф.Г. Координированное управление сложным технологическим процессом (на примере нефтеперерабатывающего производства). Дисс. канд. техн. наук: 05.13.07. Уфа, 2000.-140 с.

230. Невельсон М.С. Автоматическое управление точностью обработки на металлорежущих станках. — Л.: Машиностроение, 1982. 184 с.

231. Нейрокомпьютеры и интеллектуальные роботы / Н.М. Амосов, Т.Н. Байдык, А.Д. Гольцев и др.; под ред. Н.М. Амосова. Киев: Наук. Думка, 1991.-272 с.

232. Нелинейные нестационарные системы / Под ред. Ю.И. Топчеева -М: Машиностроение, 1986.

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

234. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ. / Под ред. Ягеря P.P. М.: Радио и связь, 1986. - 408 с.

235. Нигм, Садек. Экспериментальное исследование динамических характеристик процесса резания // Труды американского общества инженеров -механиков. Конструирование и технология машиностроения. М.: 1977. - №2. - С. 183.

236. Никин А.Д. Адаптивная система управления температурно-силовыми режимами процесса резания металлов. Дисс. канд. техн. наук: 05.13.07.-Уфа, 1999.-192 с.

237. Никичкин В.В., Цуканова Н.И. Обучение как многошаговый дискретный процесс управления с нечеткими параметрами // Известия РАН. Теория и системы управления. 1996. - № 5. - С. 93-96.

238. Новоселов О.Н., Фомин А.Ф. Основы теории и расчета информационно-измерительных систем. М.: Машиностроение, 1991.-336 с.

239. Новые методы определения обрабатываемости материалов резанием и шлифованием: Сб. науч. тр. №3 / Отв. ред. С.С. Силин. Ярославль.: Ярославский политехнический институт, 1975. - 203 с.

240. Озеров М.Ю. Разработка принципа построения и реализация системы автоматического регулирования режимов работы ультразвукового ударного инструмента. Дисс. канд. тех. наук. - Уфа, 1988. - 158 с.

241. Оптимизация многомерных систем управления газотурбинных двигателей летательных аппаратов /Под ред. А.А. Шевякова и Т.С. Мартьяновой. М.: Машиностроение, 1989. - 256 с.

242. Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский тематический научный сборник, выпуск IV. Уфа: УАИ, 1980.-192с.

243. Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский тематический научный сборник, выпуск V. Уфа: УАИ, 1980.-191с.

244. Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский тематический научный сборник, выпуск VI. Уфа: УАИ, 1981.-206с.

245. Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский тематический научный сборник. Уфа: УАИ, 1982.-210с.

246. Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский тематический научный сборник. Уфа: УАИ, 1985.-171с.

247. Оптимизация процессов резания жаро- и особопрочных материалов: Межвузовский тематический научный сборник. Уфа: УАИ, 1987.-159с.

248. Оптимизация технологических условий механической обработки деталей авиационных двигателей / В.Ф. Безъязычный, Т.Д. Кожина и др. М.: МАИ, 1993.-184 с.

249. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981. - 208 с.

250. Осипов Г.С. Построение баз знаний на основе взаимодействия интерактивных методов приобретения знаний. I. Концептуальные элементы модели мира // Известия РАН. Теория и системы управления. 1995. - №3 - С. 160-174.

251. Основы автоматизации и управления технологическими процессами в машиностроении: Учебное пособие для студентов технических вузов / Зориктуев В.Ц., Буткин Н.С., Схиртладзе А.Г., Лютов А.Г., Никитин Ю.А. Уфа: УГАТУ, 2000. -^06 с.

252. Основы математического моделирования с примерами на языке MATLAB: Учебное пособие / Д.Л. Егоренков, Ф.Л. Фрадков, В.Ю. Харламов; Под ред. А.Л. Фрадкова; БГТУ. СПб., 1996. 192 с.

253. Основы управления технологическими процессами / Под ред. Райбмана Н.С. М.: Наука, 1978. - 440 с.

254. Острем К. Адаптивное управление с обратной связью // ТИИЭР, 1987, Т. 75, №2.-С. 4-41.

255. Палк К. И. Системы управления механической обработкой на станках. -Л.: Машиностроение, 1984. -215 с.

256. Пантелеев А.В., Бортаковский А.С., Летова Т.А. Оптимальное управление в примерах и задачах: Учеб. пособие. М.: МАИ, 1996. -212 с.

257. Пащенко Ф.Ф., Чернышев К.Р. Методы построения систем управления на основе знаний // Приборы и системы управления. -1996.-№8.-С. 12.

258. Перегудов Ф.И., Тараеенко Н.К. Введение в системный анализ. М.: Высшая школа, 1989. - 367 с.

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

260. Петров Н. П., Поляк Б. Т. Робастное D-разбиение // Автом. телемех. 1991. №11. С. 41-53.

261. Питерсон Дж, Теория сетей Петри и моделирование систем. М.: Мир, 1984.-264 с.

262. Планирование эксперимента в исследовании техники / В.И. Барабащук, Б.П. Креденцер, В.И. Мирошниченко; Под ред. Б.П. Креденцера. К.: Техшка, 1984. 200 с.

263. Планирование эксперимента в исследовании технологических процессов / К. Хартман, Э. Лецкий, В. Шефер; Под ред. Лецкого. М.: Мир, 1977.-552 с.

264. Подураев В.Н. Автоматически регулируемые и комбинированные процессы резания. -М.: Машиностроение, 1977. 304 с.

265. Позняк А. С. Основы робастного управления (Hoo-теории): Учеб. пособие, -М.: 1991.-126с.

266. Позняк А. С., Серебряков Г. Г., Семенов А. В., Федосов Е. А. Н*5-теория управления: феномен, достижения, перспективы, открытые проблемы. М.: ГосНИИАС, 1990.

267. Поляк Б. Т., Цыпкин Я. 3. Робастный критерий Найквиста // Автом. телемех. 1992. №7. С. 25-31.

268. Поляк Б. Т., Цыпкин Я. 3. Частотные критерии робастной устойчивости и апериодичности линейных систем // Автом. телемех. 1990. №9. С. 45-54.

269. Поляк Б. Т., Щербаков П. С. Вероятностный подход к робастной устойчивости систем с запаздыванием // Автом. телемех. 1996. № 12. С. 97-108.

270. Поляк Б. Т., Щербаков П. С. Сверхустойчивые линейные системы управления I, II // Автом. телемех. 2002. №8,9.

271. Поляк Б.Т., Панченко О. Б. Вероятностный подход к проблеме устойчивости интервальных матриц // Докл. РАН. 1997. Т. 353, вып. 4. С. 456-458.

272. Поляк Б.Т., Щербаков П.С. Робастная устойчивость и управление. -М.: Наука, 2002. -303 с.

273. Поляков А.Н. Адаптивная система регулирования металлообработки // Механизация и автоматизация производства. 1978. - № 9. - С. 1819.

274. Поляков А.Н. Адаптивное управление подачей в режиме предельного регулирования металлообработки // Вестник машиностроения. 1989. -№ 12. С. 46-49.

275. Поспелов Д.А. Логико- лингвистические модели в системах управления. -М.: Энергоатомиздат, 1981. 232 с.

276. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986.-288 с.

277. Построение экспертных систем: Пер. с англ. / Под ред. Хейеса-Рота, Д. Уотермана, Д. Лената. М.: Мир, 1987. - 441 с.

278. Потюпкин А.Ю. Решение задачи идентификации нечетких систем // Известия РАН. Теория и системы управления. -1996. № 4. -С. 40-46.

279. Прангишвили И.В. Проблемы управления сложными крупномасштабными процессами // Приборы и системы управления. -1996.-№6.-С.35-40.

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

281. Путов В.В. Методы построения нелинейными нестационарными динамическими объектами с функционально-параметрической неопределенностью. Автореф. д. т. н. - СПб., 1993. - 32 с.

282. Пухов Г.Е., Жук К.Д. Синтез многосвязных систем по методу обратных операторов. Киев, Наукова думка, 1966. 218 с.

283. Разработка и внедрение систем автоматического регулирования (САР) температуры резания на базе микропроцессорных средств. Отчет о НИР, УАИ, № г.Р. 01860002782, Уфа, 1991. Зориктуев В.Ц., Лютов А.Г., Зборовская A.M., Гнездилов О.А.

284. Разработка и исследование адаптивных систем управления (АдСУ) по температурно-силовым параметрам процесса точения на базе станков с ЧПУ: Отчет о НИР, УАИ; Руководитель работы Зориктуев В.Ц. № ГР 01850003055, инв. № 028700030966.-Уфа, 1986. 103 с.

285. Разработка систем автоматического управления (САУ) процессом резания крупногабаритных деталей: Отчет / УАИ руководитель работы Зориктуев В.Ц. № ГР 81038842, инв. № 02840011774.-Уфа, 1983.-114 с.

286. Разработка теории адаптивных систем автоматического управления станками-автоматами в массовом производстве: Отчет о НИР /

287. Московский энергетический институт; Руководитель работы Орлов И.Н. № ГР 77016724, инв № Б759089. М., 1979.

288. Растригин Л. А. Адаптация сложных систем. Рига: Зинатне, 1981. -240 с.

289. Растригин Л. А. Современные принципы управления сложными объектами. М.: Сов. Радио, 1980. - 232 с.

290. Растригин Л.А. Обучение как управление // Известия РАН. Техническая кибернетика. 1993. - №2. - С. 40-46.

291. Растригин Л.А. Системы экстремального управления. М.: Наука, 1974.-632 с.

292. Растригин Л.А., Маджаров Н.Е. Введение в идентификацию объектов управления. М.: Энергия, 1977. - 216 с.

293. Ратмиров В.А. Управление станками гибких производственных систем. М.: Машиностроение, 1987, - 272 с.

294. Режимы резания металлов. Справочник / Под ред. Ю.В. Барановского М.: Машиносроение, 1972. 407 с.

295. Резание труднообрабатываемых материалов. / Под ред. П.Г. Петрухи. -М.: Машиностроение, 1972. 175 с.

296. Решетников П.П. Исследование и разработка систем адаптивного управления электроприводами токарных станков, предназначенных для эксплуатации в мелкосерийно производстве. -Дисс. канд. техн. наук. М., 1982.-269 с.

297. Роберте Ф.С. Дискретные математические модели с приложениями к социальным, биологическим и экологическим задачам / Пер. с англ. A.M. Раппопорта, С.И. Травкина., под ред. А.И. Теймана. М.: Наука, 1986.-496 с.

298. Розенвасер Е.Н., Юсупов P.M. Чувствительность систем автоматического управления. JL: Энергия, 1969.

299. Романов В.Н., Соболев B.C., Цветков Э.И. Интеллектуальные средства измерений / Под ред. Э.И. Цветкова. JL: РИЦ "Татьянин день", 1994.-280 с.

300. Рубанов В.Г., Луценко О.В. Робастное управление объектами с интервальной неопределенностью. Белгород: БГТУ, 2003. 162 с.

301. Рубашкин И. Б. Адаптивные системы взаимосвязанного управления электроприводом. Л.: Энергоатомиздат, 1990. - 127 с.

302. Рубашкин И.Б. Оптимизация металлообработки при прямом цифровом управлении станками. Л.: Машиностроение, 1980. - 144 с.

303. Рубашкин И.Б., • Алешин А.А. Микропроцессорное управление режимами металлообработки. Л.: Машиностроение, 1989. - 160 с.

304. Рудько А.П. Перспективы адаптивного управления процессами формообразования поверхностей при обработке на металлорежущих станках // Вестник Харьковского политехнического института. -Харьков, 1984. № 208. - С. 11-16.

305. Руководящие технические материалы, РТМ 1.4.1363.-84.:Управление качеством поверхностью слоя деталей двигателей при точении с применением регуляторов температуры резания / Под рук. В.Ц. Зориктуева. М.: НИИД, 1985. - 20 с.

306. Саати Т. Принятие решений. Метод анализа иерархий: Пер. с англ. -М.: Радио и связь, 1993. 320 с.

307. Сазыкин Б.В. Методы принятия решений и управление в условиях неопределенности. Автореф. д. т. н. - М., 1994. - 34 с.

308. Свечников С.В., Шквар A.M. Нейротехнические системы обработки информации. Киев: Наукова думка, 1983. - 222 с.

309. Силин С.С. Метод подобия при резании металлов. -М.: Машиностроение, 1979. 152 с.

310. Силин С.С., Трусов В.В., Яхонтов В.В., Жогин А.С., Автоматическое управление процессом резания // Станки и инструмент. -1971. № 1 -С. 13-14.

311. Сильверстов А.М.,Чинаев П.И. Идентификация и оптимизация автоматических систем. М.: :Энергоавтомиздат, 1987.

312. Сиротенко А.П. Адаптивное управление в станках с ЧПУ : обзор НИИмаш.-М.: Станкостроение, 1979.г 339. Сиротин А.А., Лебедев А.С. Оптимизация процессов резания притокарной обработке // Станки и инструмент. 1973. - № 11 - С. 33-35.

313. Системы автоматического управления с переменными параметрами: Инженерные методы анализа и синтеза / Б.Н. Петров, Н.И. Соколов, А.В. Липатов и др. М.: Машиностроение, 1986. - 256 с.

314. Словарь по кибернетике / Под ред. В.М. Глушкова. Киев, 1979. -624с.

315. Соболев О.С. Однотипные связанные системы автоматическогоt ' регулирования. М.: Энергия, 1973. 135 с.

316. Соболь И.М., Статников Р.В. Выбор оптимальных параметров в задачах со многими критериями. -М.: Наука, 1981. 107 с.

317. Создание и исследование систем автоматического управления процессом резания. Отчет о НИР, УАИ, № Г.Р. 01860002781, инв.№ 02876056595, Уфа, 1987. Зориктуев В.Ц., Исаев Ш.Г., Ильин А.И., Лютов А.Г., Крючков В.Г.

318. Создание САУ металлорежущими станками по электрическим параметрам процесса на базе станков с ЧПУ : Отчет / УАИ ; руководитель работ Зориктуев В.Ц. № Г.Р. 01822001877, инв. № 02876056595. Уфа, 1983. - 72 с.

319. Соколов Е.Н., Шмелев Л.А. Нейробионика. Организация нейроподобных элементов и систем. М.: Наука, 1983. 279 с.

320. Солнцев Б.А. Исследование процессов чистовой обработки деталей из жаропрочных материалов на токарных станках с ЧПУ, оснащенных системой автоматического управления температурой резания. Автореф. дисс. канд. техн. наук. Уфа, 1980. - 21 с.

321. Солод В.И., Глушко В.В., Гегелов Г.Г. Автоматическое управление режимами резания металлов. М.: Машиностроение, 1979. - 157 с.

322. Солодов А.В., Солодова Е.А. Системы с переменным запаздыванием. -М.: Наука, 1980. 384 с.

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

324. Соломенцев Ю.А. Управление гибкими производственными системами. М.: Машиностроение, 1988. - 352 с.

325. Сосонкин В.Л. Задачи числового программного управления и их архитектурная реализация в устройствах ЧПУ // Станки и инструмент.-1988. № 10. - С. 39-41.

326. Сосонкин В.Jl. Микропроцессорные системы числового программного управления станками. М.: Машиностроение, 1985. -288 с.

327. Сосонкин В.Л. Принципы организации программно-математического обеспечения ЧПУ // Станки и инструмент. 1989, № 7 - С. 32-35.

328. Сосонкин В.Л. Программное управление технологическим оборудованием: Учебник для вузов М.: Машиностроение, 1991. -512 с.

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

330. Справочник технолога-машиностроителя. В 2-х т. Т.1 / Под ред. А.Г. Косиловой и Р.К. Мещерякова. -М.: Машиностроение, 1986. 656 с.

331. Тараканов А.Ф. Оптимальное управление динамическими системами в условиях неопределенности. Автореф. д. ф.-м. н. - М., 1996. - 41 с.

332. Тверской М.М. автоматическое управление режимами обработки деталей на станках. -М.: Машиностроение, 1982. 208 с.

333. Теория автоматического управления / Под. ред. А.В. Нетушила. М.: Высшая школа, 1976. 400 с.

334. Теория управления: Терминология. Вып. 107. М.: Наука, 1988. - 56 с.

335. Терехов В.А. Динамические алгоритмы обучения многослойных нейронных сетей в системах управления // Известия РАН. Теория и системы управления. 1996. - №3. - С. 70-79.

336. Трусов В.В. Автоматизация процесса резания при точении деталей ГТД из жаропрочных материалов с физической оптимизацией качества и эффективности обработки: Автореф. дисс. д-ра техн. наук. -М: 1987.-32 с.

337. Ту Ю.Т. Современная теория управления. М.: Машиностроение, 1972.-472 с.

338. Тюкин И.Ю. Алгоритмический синтез нейросетевых систем управления нелинейными динамическими объектами в условиях неопределенности. Автореф. к. т. н. - СПб., 2001. - 16 с.

339. Тянь Юйшин. Анализ и синтез робастных динамических систем со структурными линейными и нелинейными неопределенностями. -Автореф. д. т. н. Таганрог, 1996. - 35 с.

340. Убейко В.М. Применение экспертных систем в автоматизированных системах проектирования и управления // Машиностроительное производство. Автоматизированные системы проектирования и управления. М.: ВНИИТЭМР, 1990.

341. Уилкинсон Дж. X. Алгебраическая проблема собственных значений. М.: Наука, 1970.

342. Уиндроу Б., Стирнз С. Адаптивная обработка сигналов. М.: Мир, 1989.-440 с.

343. Управление вентильными электроприводами постоянного тока /Лебедев Е.Д., Неймарк В.Е., Пистрак М.Я., Слежановский С.В. М.: Энергия, 1970.- 184 с.

344. Управление динамическими системами в условиях неопределенности / Кусимов С.Т., Ильясов Б.Г., Васильев В.И, и др. М.: Наука, 1998. -452 с.

345. Устойчивость адаптивных систем / Андерсон В., Битленд Р., Джонсон К. и др. М.: Мир, 1989. - 263 с.

346. Устойчивость адаптивных систем / В.Андерсон, Р.Битленд, К.Джонсон и др. // Пер. с англ. М.: Мир. 1989. 263 с.

347. Фассуа, Имэн, By. Быстрый алгоритм идентификации параметров модели и адаптивного управления процессом обработки // Труды американского общества инженеров-механиков. Современное машиностроенние. Серия Б. М.: Мир, 1989. - № 12 - С. 91.

348. Фельдбаум А.А. Основы теории оптимальных автоматических систем. -М.: 1966.-624 с.

349. Филимонов Н.Б. Системы многорежимного регулирования: концепция, принципы построения и проблемы синтеза // Изв. вузов. Приборостроение. 1988. - № 2. - С. 18-33.

350. Филоненко С.Н. Резание металлов. Киев.: Техшка, 1975. - 232 с.

351. Фишбейн В.Г. Расчет систем подчиненного регулирования вентильного электропривода постоянного тока. М.: Энергия, 1972, -136 с.

352. Фомин В.Н., Фрадков A.JL, Якубович В.А. Адаптивное управление динамическими объектами. М.: Наука, 1981. - 448 с.

353. Фрадков A.J1. Адаптивное управление в сложных системах: беспоисковые методы. М.: Наука, 1990. - 296 с.

354. Фукс Б.А. Специальные главы теории аналитических функций многих комплексных переменных. М.: Наука, 1963. - 428 с.

355. Хант Э. Искусственный интеллект: Пер. с англ. М.: Мир, 1978. - 560 с.

356. Харитонов В. JI. Асимптотическая устойчивость семейства систем линейных дифференциальных уравнений // Дифференциальные уравнения. 1978. Т. 1, вып. 11. С. 2086-2088.

357. Харитонов B.JI. Задача распределения корней характеристического полинома автономной системы // Автоматика и Телемеханика. 1981, №5. - С.42-47.

358. Харитонов B.JI. К проблеме Рауса-Гурвица для семейства полиномов // Проблемы устойчивости движения, аналитической механики и управления движением. Новосибирск: Наука, 1979. - С. 105-111.

359. Харитонов B.JI. Об асимптотической устойчивости I положения равновесия семейства систем линейных дифференциальных уравнений // Диф. Уравнения 1978. Т. 14. №11. С.2086-2088.

360. Харкевич А.А. О специальной частотной характеристике для оценки искажения формы кривой // ЖТФ. 1936. - Т.6. - Вып. 9. - С. 15511960.

361. Хлебалин Н.А. Аналитический метод синтеза регуляторов в условиях неопределенности параметров объекта // Аналитические методы синтеза регуляторов: М-жвуз. научн. сб. Саратов: Сарат. политехи, ин-т.- 1981.-С.107-123.

362. Хлебалин Н.А. Построение интервальных полиномов с 1 заданной областью расположения корней // Аналитические методы синтеза регуляторов: Межвуз. научн. сб. Саратов: Сарат. политехи, ин-т. -1982. С.92-98.

363. Хлебалин Н.А. Синтез интервальных регуляторов в задаче модального управления// Аналитические методы синтеза регуляторов: Межвуз. научн. сб. Саратов: Сарат. политехи, ин-т. 1988. - С.28-30.

364. Ходько С.Т. Проектирование систем управления с нестабильными параметрами. -Л.: Машиностроение, 1987. 255 с.

365. Хорн Р., Джонсон Ч. Матричный анализ. М.: Мир, 1989.

366. Цейтлин Я.М. Проектирование оптимальных линейных систем. Л.: Машиностроение, 1973. - 240 с.

367. Цой Э.В., Юдин А.Д., Юдин Д.Б. Задачи пополнения и синтеза знаний // Автоматика и телемеханика. 1994. - № 7. - С. 3-36.

368. Цоцхадзе В.В. Измерение температур резания при резании металлов // Вестник машиностроения. 1963. - № 1. - С. 66-69.

369. Цоцхадзе В.В., Бетанели А.И., Бокучава Г.И., Мзалоблишвили О.Б., Джалиашвили В.Е. Термопара деталь-инструмент при резании и градуировании // Вестник машиностроения. 1987. - № 1. - С. 45-48.

370. Цыкунов A.M. Адаптивное управление объектами с последействием. -М.: Наука, 1984.-240 с.

371. Цыпкин Я. 3., Поляк Б. Т. Робастная устойчивость линейных систем // Итоги науки и техники, сер. Технич. киберн. Т. 32. М.: ВИНИТИ, 1991. С.3-31.

372. Цыпкин Я.З. Адаптация и обучение в автоматических системах. М.: Наука, 1968.-400 с.

373. Цыпкин Я.З. Оптимальность в задачах и алгоритмах оптимизации при наличии неопределенности // Автоматика и Телемеханика. 1986, №1. - С.75-80.

374. Цыпкин Я.З. Основы теории автоматических систем. М.: Наука, 1977.

375. Чернецкий В.М., Дидук Г.А., Потапенко А.А. Математические методы и алгоритмы исследования автоматических систем. JL: Энергия, 1970. -374 с.

376. Черноусько Ф. JI. Оценивание фазового состояния динамических систем. М.: Наука, 1988.

377. Черноусько Ф. Л., Меликян А. А. Игровые задачи управления и поиска. М.: Наука, 1978.

378. Чернышев М.К., Гаджиев М.Ю. Математическое моделирование иерархических систем с приложениями к биологии и экономике. М.: Наука, 1983. -192 с.

379. Чичварин Н.В. Экспертные компоненты САПР. М.: Машиностроение, 1991. - 240 с.

380. Чоговадзе Г.Г. Автоматизация проектирования систем оперативного управления технологическими процессами. М.: Энергия, 1980. - 288 с.

381. Чэнь, Чан. Выбор параметров адаптивного регулятора, обеспечивающего постоянства силы резания при точении // Труды американского общества инженеров-механиков. Современное машиностроение. Серия Б. М.: Мир, 1989. - № 12. - С. 83.

382. Шалыто А.А. SWITCH-технология. Автоматизация и программирование задач логического управления. СПб.: Наука, 1998. - 628 с.

383. Шапарев Н.К. Автоматизация типовых технологических процессов металлообработки. Киев-Одесса: Виша школа, 1984, - 312 с.

384. Шевченко A.M. О выборе частоты квантования в цифровой системе управления. В кн.: Актуальные вопросы технической кибернетикй.-, М.: Наука, 1972.-С. 232-235.

385. Шимохин А.К. Исследования и разработки динамометрических устройств для станков с адаптивным управлением. Дисс. канд. техн. наук. -М.: Станкин, 1975. - 189 с.

386. Шокин Ю. И. Интервальный анализ. Новосибирск: Наука, 1981. -112 с.

387. Шостак В.Ф. Модели и методы управления сложными технологическими комплексами в нештатных (экстремальных)режимах работы в АСУТП // Автоматика и телемеханика. 1994. -№10.-С. 158-164.

388. Электрические измерения неэлектрических величин. -М.: Энергия, 1975. 576 с.

389. Эльясберг М. Е. О независимости границы устойчивости процесса резания от возмущений по следу // Станки и инструмент,- 1976. № И.-С. 32-35.

390. Юдашкин А.А. Бифуркация стационарных решений в синергетической нейронной сети и управление распознаванием образов // Автоматика и телемеханика. 1996. - № 11. - С. 139-147.

391. Юдин Д.Б. Алгоритмы обучения нейронных сетей. (Алгоритмы пополнения знаний) // Автоматика и телемеханика. 1996. - №11. - С. 148-154.

392. Юсупбеков Н.Р., Цацкин M.JI. Робастность многосвязных систем управления. М: Наука, 1990. - 149с.

393. Ядыкин И.Б., Шумский В.М., Овсепян Ф.А. Адаптивное управление непрерывными технологическими процессами. -М.: Энергоавтомиздат, 1985.

394. Якобе Г.Ю., Якоб Э., Кохан Д. Оптимизация резания. Параметризация способов обработки резанием с использованием технологической оптимизации. Пер. с нем. М.: Машиностроение, 1981. - 279 с.

395. Ямпольский JI.C. Обобщенная модель процесса резания. В кн.: Автоматизация производственных процессов в машиностроении и приборостроении. - Львов, 1983. - Вып. 22. - С. 3-9.

396. Янсон. А.Р. Методика моделирования процесса резания. Таллинн, 1984. - 33 с. Деп. в Эст. НИИНТИ, № 47-84.

397. Янушевский Р.Т. Теория линейных оптимальных многосвязных систем управления. М.: Наука, 1973. - 464 с.

398. Ящерицын П.И., Еременко M.JL, Фельдштейн Е.Э. Теория резания. Физические и тепловые процессы в технологических системах: Учеб. для вузов. Мн.: Высш. шк., 1990. - 512 с.

399. Abrishamchian М., Barmish В. Reduction of robust stabilization problem to standard H00 problems for classes of systems with unstructured uncertainty // Automatica. 1996. V. 32, No. 8. P. 1101-1115.

400. Ackermann J. Robust control: systems with uncertain physical parameters. New York: Springer-Verlag, 1993.

401. Ackermann J. Uncertainty and control, Springer- Verlag, 1985.

402. Akhmedjanov F.M., Krymsky V.G. Robust design of control system for multi-input multi-output plant with interval incertainty//International Journal of Reliable Computing (El Paso workshop special issue). 1995. P.22-25.

403. Argoun M.B. Stability of a Hurwitz polynomial under coefficient perturbations: necessary and sufficient conditions // Int. J. Contr. 1987. V.45. №2. P.739-744.

404. Barmish B. R. New tools for robustness of linear systems. New York: MacMillan, 1995.

405. Barmish B. R., Corless M., Leitmann G. A new class of stabilizing controllers for uncertain dynamical systems // SIAM J. Control Optimiz. 1983. V. 21, No. 2 P. 246-255.

406. Barmish B. R., Hollot С. V., Kraus F. J., Tempo R. Extreme point results for robust stabilization of interval plants with first-order compensators // IEEE Trans. Autom. Control. 1992. V.37, No. 6. P. 707-714.

407. Barmish В. R., Polyak В. Т. A new approach to open robustness problems based on probabilistic prediction formulae // Proc. 13th World Congress of IF AC 1996, San Francisco CA. V. H. P. 1 -6.

408. Barmish B.R. Invariance of the strict Hurwitz property for polynomials with perturbed coefficients // IEEE Trans, on Autom. Contr. 1984. V.29. №10. P.935-936.

409. Barmish B.R. On generalization Kharitonov's four-polynomial concept for robust stability problems with linearly dependent, coefficient perturbations //IEEE Trans, on Autom. Contr. 1989.V34.N2.P.157-164.

410. Barmish B.R., Tempo R. The robust root locus // Automatica. 1990. V.26. №2. P.283-292.

411. Bartlett A. C., Hollot С. V., Lin H. Root location of an entire polytope of polynomials: it suffices to check the edges // Mat. Contr. Sig. Syst. 1988. V. I. P.61-71.

412. Bartlett A.C., Tesi A., Vicino A. Frequency response of uncertain systems with interval plants // IEEE Trans, on Autom. Contr. 1993. V.38. №6. P.929-934.

413. Basar Т., Bernhardt P. ТЦ-optimal control and related minimax design problems: a dynamic game approach. Boston: Birkhauser, 1991.

414. Bhattacharyya S. P. Robust stabilization against structured parameters. Berlin: Springer-Verlag, 1987.

415. Bhattacharyya S. P., Chapellat H., Keel L. H. Robust control: the parametric approach. Upper Saddle River, NJ: Prentice Hall, 1995.

416. Bialas S. A necessary and sufficient condition for stability of interval matrices // Int.J.Contr. 1983. V.37. №4. P.712-722.

417. Blondel V. Simultaneous stabilization of linear systems. London: Springer, 1995.

418. Blondel V., Gevers M. The simultaneous stabilization of three linear systems is rationally undecidable // Math. Contr. Sig. Syst. 1994. No. 6. P. 135-145.

419. Blondel V., Sontag E., Vidyasagar M., Willems J. Open problems in mathematical systems and control theory. London: Springer, 1999.

420. Blondel V., Tsitsiklis J. A survey of computational complexity results in systems and control // Automatica. 2000. V.35. P. 1249-1274.

421. Boyd S. L., El Ghaoui L., Feron E., Balakrishnan V. Linear matrix inequalities in systems and control theory. Philadelphia: SIAM, 1994.

422. Calafiore G., Polyak В. T. Stochastic algorithms for exact and approximate feasibility of robust LMIs // IEEE Trans. Autom. Control. 2001. V.46, No. 11. P. 1755-1759.

423. Chen M. J., Desoer C. A. Necessary and sufficient condition for robust stability of linear distributed feedback systems // Intern. J. Control; 1982. V.35, No. 2. P. 255-267.

424. Dahleh M., Diaz-Bobillo I. J. Control of uncertain systems: a linear programming approach. Englewood Cliffs, NJ: Prentice-Hall, 1995.

425. Dahleh M., Pearson J. B. lj optimal feedback controllers for MIMO discrete systems // IEEE Trans. Autom. Control. 1987. V.32, No. 4. P. 314322.

426. Daniel R.W., Kouvaritakis A. A new robust stability criterion for linear and non-linear multivariable feedback systems // Int.J.Contr. 1985. V.41. №6. P.1349-1379.

427. Desoer C.A., Wang Y. On the generalized Nyquist stability criterion // IEEE Trans, on Autom. Contr. 1980. Vol.25. №7. P. 187-196.

428. Djaferis Т. E. Robust control design: a polynomial approach. Boston: Kluwer, 1995.

429. Dorato P., Rama K. Recent advances in robust control, IEEE Press, 1990.

430. Doyle J. С., Francis В. A., Tannenbaum A. R. Feedback control theory. Englewood Cliffs, NJ: MacMillan, 1992.

431. Doyle J. C., Glover R., Khargonekar P. P., Francis B. A. State-space solutions to standard H2 and И» control problems // IEEE Trans. Autom. Control. 1989. V.34, No. 8. P. 831-847

432. Doyle J. C. Analysis of feedback systems with structured uncertainties. IEEE Proc. D, 1982, Nov., pp. 251-256.

433. Doyle S.C., Stein G. Multivariable feedback design: Concepts for a classical/modern synthesis // IEEE Trans, on Autom. Contr. 1981. Vol.26, №1. P.4-16.

434. Faedo S. Un nuova problema di stabilita per le equazione algebriche a coefficienti reali // Ann. Scuola Norm. Super. Piza, Ser. sci. fis. e mat. 1953. V.7, No. 1-2. P. 53-63.

435. Francis B. A. A course in Hoo control theory. Berlin: Springer-Verlag, 1987.

436. Francis B. A., Zames G. On H°°-optimal sensitivity theory for SISO feedback systems // IEEE Trans. Autom. Control. 1984. V.29. P. 9-16.

437. Green M., Limebeer D. J. N. Linear robust control. Englewood Cliffs, NJ: Prentice Hall, 1995.

438. Helton J. W., Merino O. Classical control using H00 methods. Philadelphia: SIAM, 1998.

439. Jia Y., Ackermann J. Some new results on simultaneous stabilizaton of linear plants // Proc. 14th World Congress of IF AC. Beijing, 1999. P. 219224.

440. Jiang Ghung-Li. Sufficient and necessary condition for the asymptotic stability of discrete linear interval systems // Int. J.Contr. 1988. V.47. №5. P.l 563-1565.

441. Juang Y.T., Kuo T.S., Hsu G.F., Wang S.D. Root-locus approach to the stability analysis of interval matrices // Int.J.Contr. 1987. V.46. №3. P.817-822.

442. Kalman R.E. Contibutions to the theory of optial control // Boletin de la socided Methematica Mexicana, Segunda Serie. -1960. №1. - p. 102-119.

443. Keel L. H., Bhattacharyya S. P. Robust stability and performance with fixed-order controlers // Automatica. 1999. V. 35. P. 1717-1724.

444. Khargonekar P. P., Petersen I. R., Zhou R. Robust stabilization and Hoc-optimal control // IEEE Trans. Autom. Control. 1990. V. 35. No.3. P. 356361.

445. Kogan J. Robust stability and convexity. London: Springer-Verlag, 1995.

446. Koren Y., Masory. Adaptiv Control with Process Estimation CIRP., 1981, Vol. 30/1/1981, p. 373-376.

447. Landau T.D. Adaptive control systems: the Model Reference approach. -N. Y.: Marsel Dekker, 1979. P. 406.

448. Levine W. S. Control system applications, New York, 2000.

449. Levine W. S., Athans M. On the determination of the optimal constant output-feedback gains for linear multivariable systems // IEEE Trans. Autom. Control. 1970. V. 15, No. 2. P. 44-48.

450. Liao X. Necessary and sufficient conditions for stability of a class of interval matrices // Int.J.Contr. 1987. V.45. №1. P.211-214.

451. Lin H., Hollot G.V., Bartlett A.C. Stability of families of polynomials: geometric consideration in coefficient space // Int.J.Contr. 1987. V.45. №2. P.649-660.

452. Lindorff D.P., Carrol R.L. Survey of adaptive control using Lyapunovdesign // Int. J. Conti. 1973. - V. 18, No 5. - P. 897-914.

453. Maciejowski J. M. Multivariable feedback design. Wokingham: Addison-Wesley, 1989.

454. Mamdani E.H. Advances in the linguistic synthesis of fuzzy controllers // International Journal of Man-Machine Studies. 1976. - Vol. 8, pp.669678.

455. MATLAB. User's Guide. The Math Works, Inc., 1999.

456. McFarlane D. C., Glover K. Robust controller design using normalized coprime factor plant description. New York: Springer-Verlag, 1990.

457. Moore R.E. Interval Analysis. Englewood Gliffs. N.J.: Prentice-Hall. 1966.

458. Morari M., Zafiriou M. Robust process control. Englewood Cliffs, NJ: Prentice-Hall, 1989.

459. Mori Т., Kokame H. On extended Kharitonov's theorems // Trans. Soc. Instrum. and Contr. Eng. 1989. V.25. №1. P.22-27.

460. Mori Т., Kokame H. Stabilization of perturbed systems via linear optimal regulator// Int.J.Contr. 1988. V.47. №1. P.363-372.

461. Narendra K. S., et al. Advances in adaptive control, New York, 1991.

462. Narendra K. S., et al. Stable adaptive systems, Prentice- Hall, 1989.

463. Nemirovskii A. A. Several NP-hard problems arising in robust stability analysis //Math. Contr. Sig. Syst. 1994, No. 6. P. 99-105.

464. Packard A., Doyle J. C. The complex structured singular value // Automatica. 1993. V. 29. P. 71-109.

465. Padmanabhan P., Hollot С. V. Complete instability of a box of polynomials // IEEE Trans. Autom. Control. 1992. V. 37, No. 8. P. 12301233. \

466. Petersen I. R., McFarlane D. C. Optimal guaranteed cost control and filtering for uncertain linear systems // IEEE Trans. Autom. Control. 1994. V. 39. P. 1971-1977.

467. Petersen I. R., Hollot С. V. A Riccati equation approach to the stabilization of uncertain linear systems // Automatica. 1986. V.22, No.4. P.397-411.

468. Petersen I.R. A new extension to Kharitonov's theorem // IEEE Trans, on Autom. Contr. 1990. V.35. №7. P.825-828.

469. Pujara L. R. Some necessary and sufficient conditions for low-order interval polytopes to contain a Hurwitz polynomial // Proc. Conf. Dec. Control. Phoenix, AZ, 1999. P. 5024-5029.

470. Ralston Partica A.S., Ward Thomas L. Matematical modes used for adaptiv control of machine tools. Math. And comput. Modell, 1988,11,15511155.

471. Recent advances in robust control / Eds. P. Dorato, R. Yedavalli. New York: IEEE Press, 1990.

472. Richard J. et al. Robust multivariable flight control, Springer-Verlag, London, 1994.

473. Robust control /Ed. P. Dorato. New York: IEEE Press, 1987.

474. Robustness of dynamic systems with parameter uncertainties / Eds. M. Mansour et al. Monte Verita: Birkhauser, 1992.

475. Rosenbrock H. H. Computer-aided control system design. London: Academic Press, 1974.

476. Safonov M. G. Stability and robustness of multivariable feedback systems. Cambridge, MA: MIT Press, 1980.

477. Safonov M.G., Laub A.G., Hartmann G.L. Feedback properties of multivariable systems: the role and use of return difference matrix // IEEE

478. Trans, on Autom. Contr. 1981. V.26. №1. P.47-65.

479. Soh C.B. Necessary and sufficient conditions for stability of symmetric interval matrices // Int.J.Contr. 1990. V.51. №1. P.243-248.

480. Soh Y.C., Foo Y.K. Generalizaton of strong KLiaritonov's theorems to the left sector // IEEE Trans, on Autom. Contr. 1990. V.35. №12. P. 13781382.

481. Spiewak S., Warsaw I.V., Szafarczyk M., Kaszmarek G. Aalgorithms of t operation and structures of ACC controllers for round turning. CIRP,

482. Ann., 1978, №1,27,413-418.

483. Stengel R. F., Ray L. R. Stochastic robustness of linear time invariant control systems // IEEE Trans. Autom. Control. 1991. V.36. P. 82-87.

484. Sugeno M. Industrial application of fuzzy control. Elsevier Science Pub. t Co, 1985.

485. Syrmos V. L., Abdallah С. Т., Dorato P., Grigoriadis K. Static output feedback: a survey // Automatica. 1997. V.33, No.2. P. 125-137.

486. Tempo R., Bai E. W., Dabbene F. Probabilistic robustness analysis: explicit bounds for the minimum number of samples // Syst. Control Lett.1.1997. V.30. P. 237-242.

487. Tsypkin Ya. Z., Polyak В. T. High-gain robust control // Eur. J. Control. 1999 V.5, No. l.P.3-9.

488. Vidyasagar M. Control system synthesis: a factorization approach. Boston, MA: MIT Press, 1985.

489. Vidyasagar M. Optimal rejection of persistent hounded disturbances // IEEE Trans. Autom. Control. 1986. V.31. P. 527-535.

490. Vidyasagar M., Schneider H., Fracis B. Algebraic and topological aspects 1 of feedback stabilization // Int.J.Contr. 1982. V.27. P.880-894.

491. Weinmann A. Uncertain models and robust control. Wien: Springer, 1991.

492. Wu D.W. A new approach of formulating the transfer function for dynamik cutting process // Trans. ASME.I.Eng. Ind. 1989,111, № 37-47.

493. Zames G. Feedback and optimal sensitivity: model reference transformations, multiplicative seminorms, and approximate inverses // IEEE Trans. Autom. Control. 1981. V.26. P. 301-320.

494. Zhou K., Doyle J. C, Clover K. Robust and optimal control. Upper Saddle River, NJ: Prentice Hall, 1996.

495. Zoriktuev V.Ts, Zharinov V.N., Liutov A.G. Transfer of intelligent machining technologies into aviation industry // Problems of Techology Transfer: Proceedings of International Scientific. Technical Workshop. -Ufa - Patras, 1999. - p. 60-66.

Похожие работы

Информатика, вычислительная техника и управление
05.13.00