Juhtimine ebakindluse ees. Kokkuvõte: Intelligentsed juhtimissüsteemid Intelligentsete juhtimissüsteemide juhtimisobjekt

See artikkel on saadaval ka:

Sissejuhatus

Arukas juhtimine on semiootilise, kognitiivse ja informatsioonilise kontrolli üldistus. Intelligentses transpordijuhtimises eristatakse järgmisi valdkondi: intelligentsed transpordisüsteemid, intelligentne semiootiline juhtimine ja intelligentne kognitiivne juhtimine. Arukas semiootiline juhtimine on seotud erinevate loogikavormidega, tootmissüsteemidega, evolutsiooniliste algoritmidega. Intelligentset kognitiivset juhtimist vaadeldakse kui inimese arvutijuhtimise sünteesi, kasutades assotsiatiivseid kanaleid ja vaikivat teadmiste analüüsi. Arukat kontrolli vaadeldakse kui vahendit otsuste tegemiseks ebakindluse tingimustes. Arukat infohaldust nähakse intelligentse infotehnoloogia juhtimise toetajana.

Vajadus intelligentse juhtimise järele

Ühiskonna arengu ning objektide ja juhtimisülesannete keerukamaks muutumisega muutusid ka juhtimistehnoloogiad. Kõige teravam probleem keeruliste olukordade haldamisel oli "suurandmete" probleem. See loob teabebarjääri "organisatsiooni juhtimise" tehnoloogiatele. Kaasaegsele juhtimisele on iseloomulik halvasti struktureeritud teabe kasv. See toob kaasa ülemineku intelligentsele juhtimisele, mis omakorda toob kaasa vajaduse rakendada teadmusjuhtimise tehnoloogiaid. Arukas juhtimine põhineb intelligentsetel süsteemidel ja intelligentsetel tehnoloogiatel. Arukas süsteem on tehniline või tarkvaratehniline süsteem, mis on võimeline leidma loovaid lahendusi konkreetsesse ainevaldkonda kuuluvatele probleemidele, mille kohta talletatakse teadmised sellise süsteemi mällu. Lihtsustatult sisaldab intelligentse süsteemi struktuur kolme põhiplokki – teadmistebaasi, lahendajat ja intelligentset liidest. Lahendaja on intelligentse süsteemi domineeriv komponent. Esimest järku loogikas on lahendaja mehhanism loogiliste avaldiste lahenduste saamiseks. Tehisintellektiks klassifitseeritavates mitme agendi süsteemides kasutatakse ka lahendaja mõistet. Agent on probleemide lahendaja, mis on tarkvaraüksus, mis suudab tegutseda oma eesmärkide saavutamiseks. Sümboolses modelleerimises on s-solver sõnumi spetsialiseerumise väärtus. Üks esimesi Venemaal, kes selle kontseptsiooni kasutusele võttis, oli Efimov E.I. ... Sellest lühikesest loendist tuleneb lahendaja tähtsus intelligentsete süsteemide ja intelligentsete tehnoloogiate jaoks.

Arukas juhtimine rakendussemiootika raames

Semiootika uurib märkide olemust, tüüpe ja funktsioone, märgisüsteeme ja märgiinimtegevust, loomulike ja tehiskeelte märgiolemust, et luua üldine märkide teooria. Semiootika vallas on suund "rakendussemiootika", mille rajajaks on D.A. Pospelov.

Semiootikas eristatakse kahte märkide rakendusvaldkonda: tunnetus ja suhtlemine. See jagab semiootika kaheks osaks: tunnetuse semiootika; semantilise suhtluse semiootika. Aruka juhtimise aluseks on semiootiline süsteem. Pospelovi järgi nimetatakse järjestatud kaheksat hulka semiootiliseks süsteemiks W:

W =< T, R, A, P, τ, ρ, α, π>, (1)

kus
T - põhisümbolite komplekt;
R - süntaktiliste reeglite kogum;
A – palju teadmisi ainevaldkonnast;
P on otsuste tuletamise reeglite kogum (pragmaatilised reeglid);
τ on hulga T muutmise reeglid;
ρ - hulga R muutmise reeglid;
α - hulga A muutmise reeglid;
π on hulga P muutmise reeglid.

Esimesed kaks komplekti genereerivad süsteemi W keele ja τ ja ρ selle muudatus läbi viia. reeglid α muuta palju teadmisi ainevaldkonna kohta. Kui käsitleda teadmisi formaalse süsteemi aksioomidena (mille moodustavad W esimesed neli elementi), siis reeglid α , sisuliselt muuta semiootilise süsteemi W keele põhisümbolite ja sellest tulenevalt õigesti konstrueeritud valemite tõlgendust.

Neli esimest komplekti moodustavad formaalse süsteemi FS, elemendid viiendast kaheksandani moodustavad formaalse süsteemi muutmise reeglid. Sel viisil tagavad nad formaalse süsteemi kohandamise, "kohandades" seda süsteemis esinevate probleemide ja probleemide lahendamiseks. FS ei saa lahendada.

Seega võib semiootilist süsteemi (1) defineerida liitdünaamilise süsteemina: W = , kus FSI- määrab semiootilise süsteemi seisundi ja MFsi- selle oleku muutmise reegel. Siinkohal tuleb märkida, et kuigi me räägime semiootilisest süsteemist, siis de facto kirjeldab selline süsteem juhtobjekti ehk juhtobjekti olekut ja selle dünaamikat.

Seetõttu võib semiootilisele süsteemile anda uue tõlgenduse. Komposiitdünaamiline süsteem: W = FSI, mis määrab oleku infosituatsioonis või infopositsioonis, dünaamiline MFsi, mis määrab reeglid juhtobjekti üleminekuks ühest teabepositsioonist teise.

reeglid MFsi = (τ, ρ, α, π), neid, mis muudavad formaalse süsteemi (juhtobjekti) olekut, ühendab semiootilise kolmnurga elementides eksisteeriv sõltuvus (Frege kolmnurk). See tähendab, et ühe neljast reeglist rakendamine toob kaasa ülejäänud reeglite kohaldamise.

Need sõltuvused on keerulised, nende analüütiline esitus puudub ja see on keeruline ning on tehisintellekti semiootiliste süsteemide uurimise objekt. Seetõttu on lihtsam kasutada infolähenemist ja infomodelleerimist.

Formaalsete juhtimissüsteemide laiendused dünaamiliste komponentide kujul MFsi pakkuda süsteemide avatuse omadusi. Need loovad võime kohandada juhtimisobjekti juhtimismõjude ja muutuvate välistingimustega.

Eelkõige võimaldab see oluliselt laiendada otsustustoetuse võimalusi esialgse info ebakindluse, ebatäielikkuse ja ebaühtluse tingimustes.

Aruka juhtimise rakendamisel esinevate määramatuste tüübid

Traditsioonilised juhtimismeetodid, sealhulgas teatud tüüpi intelligentne juhtimine, põhinevad eeldusel, et objekti olek ja juhtimismudelid kirjeldavad täpselt selle käitumist. Sellel eeldusel põhinevad meetodid sisalduvad klassikalises kontrolliteoorias. Kasvavate mahtude, struktureerimata info kasvu ja väliskeskkonna mõju tingimustes on aga kõrvalekalded sellest tingimusest iseloomulikud.

Peaaegu iga mudel on reaalse objekti, selle oleku ja käitumise lihtsustatud kirjeldus. Lihtsustamise aste võib olla talutav või tekitada ebaselgust. Juhtobjekti käitumise dünaamikas võivad objekti mõned omadused selle funktsioneerimise käigus oluliselt muutuda. Kõik see tekitab erinevates objekti kirjeldamise mudelites ebaselgusi ja raskendab selle haldamist, sealhulgas intellektuaalset. Juhtimisalgoritmi või kehtestatud juhtimisreeglite komplekti aluseks olevat tüüpilist juhtimismudelit nimetatakse nominaalseks.

Olulise ebakindluse tingimustes osutuvad klassikalised kontrolliteooria meetodid mittekasutatavaks või annavad ebarahuldavaid tulemusi. Nendel juhtudel on vaja ebamäärase mudeliga objektide jaoks kasutada spetsiaalseid juhtimissüsteemide analüüsi ja sünteesi meetodeid. Esimene samm on määrata määramatuse tüüp ja väärtus.

Juhtimismudelites eristatakse peamisi määramatuste liike: parameetriline, funktsionaalne, struktuurne ja signaal.

Parameetriline määramatus tähendab, et mudeli konstantsed parameetrid on teadmata või ebatäpsed. Näiteks kasutatakse punktväärtuste asemel intervallväärtusi. Infomõõtmissüsteemidele üleminekul saame rääkida parameetrite infokindluse puudumisest. Seetõttu võivad parameetrite tegelikud väärtused paljudel juhtudel oluliselt erineda aktsepteeritud nimiväärtustest.

Signaali määramatus tähendab, et juhtimistoimingut või infovoogusid juhtimissüsteemis mõjutavad häired, mis muudavad oluliselt nominaalsignaale. Selliseid signaale, mis kalduvad juhtprotsessi nominaalväärtusest kõrvale, nimetatakse häireteks või müradeks. Erinevus seisneb selles, et häired on passiivsed ja muudab ainult signaali-müra suhet. Häirimine muudab signaali samade häiretega.

Kaasaegsed intelligentsed juhtimissüsteemid peavad tagama paljude seotud tehniliste objektide autonoomse töö. See annab põhjust rääkida intelligentsest juhtimissüsteemist (IMS). Arukas süsteem peab lahendama keerulisi probleeme, sealhulgas planeerimist, eesmärkide seadmist, prognoosimist jne. Lahenduste mitmekülgsuse, kohandamise ja täpsuse huvides on soovitatav kasutada mitmeotstarbelist intelligentset juhtimist.

Intelligentse juhtimissüsteemi mitmetasandiline arhitektuur koosneb kolmest tasemest: kontseptuaalne, informatiivne ja operatiivne (joonis 1). Sellisel arhitektuuril põhinev süsteem kontrollib keerukate tehniliste objektide käitumist autonoomse ja kollektiivse interaktsiooni tingimustes. Kontseptuaalne tasand vastutab kõrgemate intellektuaalsete funktsioonide rakendamise eest.

Joonis 1. Mitmetasandiline intelligentne juhtimine.

Kontseptuaalsel tasandil kasutatakse teadmiste semiootilist (märgi)esitust ja vahetatakse sõnumeid ülejäänud tasanditega. Info- ja tegevustasandid sisaldavad mooduleid, mis toetavad erinevaid intellektuaalseid ja infoprotseduure ning muudavad need juhtimiseks.

Juhtimise põhiülesanne kontseptuaalsel tasandil on semiootilises (sümboolses) vormis esitatavate kontseptuaalsete teadmiste talletamine, omandamine ja kasutamine.

Komposiitdünaamiline süsteem: W = sisaldab kahte komponenti: staatiline FSI mis määratleb dünaamilise märgisüsteemi MFsi, mis määratleb reeglite süsteemi (joonis 1).

Teadmiste omandamise aluseks on väliskeskkonna reaalse olukorra mudel. Kõrgeimad intellektuaalsed funktsioonid hõlmavad põhieesmärgi ja alaeesmärkide seadmise, käitumise planeerimise ja mõjude jaotamise funktsioone üldises tegevuskavas.

Infohalduse tasemel lahendatakse info modelleerimise ülesandeid, millest peamised on: infosituatsiooni ülesehitamine, infopositsioon, mis vastavad komponendile. FSI... Infohalduse tasandil lahendatakse infostruktuuri ülesehitamise ülesandeid, mis on kontseptuaalse tasandi reeglisüsteemi peegeldus ja vastab komponendile. Mfsi. Infotasandi semiootilise kontrolli keelekeskkond realiseeritakse erinevate infoüksuste abil. Mis on aluseks infosituatsiooni, infopositsiooni ja infostruktuuri ülesehitamisel.

Operatiiv- (täitevvõimu) tasandil toimub juhtimisotsuste (juhtimise mõjutuste) elluviimine. Juhtimismõjud muudavad tõrgeteta kontrollitava objekti informatsioonilist positsiooni. Juhtimismõjud võivad vajadusel muuta kontrollitava objekti infoolukorda. Samas pole enamasti vaja infoolukorda muuta. Selle taseme põhiülesanne on muuta juhtobjekti olekut ja asukohta ning teavitada muudatustest kontseptuaalsele tasemele.

Kihilisel arhitektuuril on mitmeid funktsioone. See hõlmab mitmeid inimese kognitiivseid funktsioone. See tugineb intelligentse juhtimise informatiivse lähenemisviisi kasutamisele.

Märkida tuleks intelligentse ja infotehnoloogia erinevust. Infotehnoloogia täidab intelligentse juhtimise toetamise funktsioone. Peamine roll on intelligentsetel otsustustehnoloogiatel. Need võimaldavad koos lahendusega või lahenduse leidmise käigus otsida uusi teadmisi ja koguda intellektuaalseid ressursse. Infotehnoloogia loob ainult inforessursse. See tähendab, et selgesõnaliselt vormistatud teadmised võivad pärast omandamist saada osaks kogemusest ja teadmistebaasi osaks ning neid saab kasutada probleemide lahendamisel ja otsuste tegemisel.

Järeldus

Arukas juhtimine on tõhus ja vajalik keerukate objektide haldamisel, mille jaoks on raske või võimatu leida formaalseid toimimismudeleid. Aruka juhtimise aluseks on esikohal semiootilised mudelid ja teisel kohal informatsioonilised. Arukad juhtimismeetodid on mitmekesised ja rakendatavad tehnilistes, kognitiivsetes ja transpordisüsteemides. Intelligentset juhtimist kasutatakse laialdaselt mitmeotstarbeliseks juhtimiseks. Kaasaegne intelligentne haldus integreeritakse pilveplatvormidesse ja -teenustesse. Hajutatud organisatsioonide ja korporatsioonide juhtimisel muutub vajalikuks ruumiliste suhete ja ruumiteadmiste arvestamine. Teine probleem on vaikivate teadmistega töötamiseks mõeldud intelligentsete tehnoloogiate piiratud arv. Tehniliselt on teadmusjuhtimise probleem seotud inforessursside muutmisega intellektuaalseteks ressurssideks ja nende rakendamisega intelligentsetes tehnoloogiates.

Bibliograafiline loetelu

UDC 004.896

I. A. Štšerbatov

ROBOOTISÜSTEEMIDE INtelligentne JUHTIMINE EBAKINNITUSE ALUS

Sissejuhatus

Intelligentne juhtimine – tehisintellekti meetodite rakendamine erineva füüsilise olemusega objektide juhtimiseks. Robootikasüsteemide juhtimise vallas kasutatakse kõige enam tehisintellekti meetodeid. See on tingitud ennekõike robotite autonoomiast ja vajadusest lahendada mitteformaliseeritud loomingulisi ülesandeid puuduliku teabe ja erinevat tüüpi ebakindluse tingimustes.

Kuni viimase ajani jäi kindlaksmääratud probleemide klass loomuliku intelligentsuse eesõiguseks: juhtimisobjekti operaator, insener, teadlane, s.o inimene. Kaasaegsed edusammud automaatjuhtimise teooria vallas, intelligentsed meetodid poolstruktureeritud ülesannete vormistamiseks ja keerukate tehniliste süsteemide haldamiseks võimaldavad rakendada väga keerulisi robotsüsteeme, mis hõlmavad mobiilseid robotplatvorme, paindlikke automatiseeritud liine ja android-roboteid.

Robotsüsteemid töötavad ebatäieliku sisendteabe tingimustes, kui paljude parameetrite mõõtmise põhimõtteline võimatus seab juhtimisprogrammile olulisi piiranguid. See toob kaasa vajaduse töötada välja algoritmide baas, mis võimaldab kaudsete märkide ja mõõdetavate näitajate alusel arvutada mõõtmata parameetreid.

Robotsüsteemi töötamise väliskeskkonna ebakindlus tingib vajaduse lisada juhtimissüsteemi mitmesugused kompensaatorid, moodulid teabe kohandamiseks, kogumiseks ja järjestamiseks.

Probleemi sõnastamine

Uurimistöö eesmärgiks oli robotsüsteemide intelligentsete juhtimissüsteemide ehitamise lähenemisviiside kujundamine, mis on funktsioneerimisspetsiifika suhtes muutumatud, võttes arvesse sisendinfo ebatäielikkust ja erinevat tüüpi määramatust.

Selle eesmärgi saavutamiseks on vaja lahendada rida omavahel seotud ülesandeid: analüüsida robotsüsteemide intelligentsete juhtimissüsteemide arhitektuure; töötada välja üldistatud algoritm robotsüsteemi situatsiooniliseks tuvastamiseks; töötada välja robotsüsteemi juhtimissüsteemi üldistatud skeem; töötada välja intelligentsed juhtimissüsteemid manipuleerimisroboti, mobiilse robotplatvormi ja paindliku automatiseeritud liini jaoks.

Uurimismeetodid

Uurimistöö käigus kasutati automaatjuhtimise üldteooria, häguste hulkade teooriat, närvivõrke, süsteemianalüüsi ja eksperthinnangute teooriat.

Robotsüsteemi asukoht väliskeskkonnas

Intelligentsete juhtimisalgoritmide rakendamisel on prioriteediks robotsüsteemi asukoha hetkeolukorra tuvastamise ülesanne. Selle probleemi lahendamiseks on välja töötatud olukorra tuvastamise süsteemi struktuurskeem (joonis 1).

Tehnilise nägemise ja sensoorse taju mõõtühik on mõeldud väliskeskkonna seisundi muutuste kindlakstegemiseks ja keskkonna sensorkaardi esitamiseks edasiseks töötlemiseks. Keskkonna sensoorne kaart on pilt olukorrast, milles robot praegusel ajahetkel on. Sensorkaardi koostamise ajaintervall valitakse lähtuvalt ainevaldkonna spetsiifikast.

Teadmistepagas

Operaator

Intellektuaalne

liides

Identifikaator

algoritmid

Tehnilise nägemise ja sensoorse taju organid

Väliskeskkond

Juhtiv

mehhanismid

Riis. 1. Olukorra tuvastamise süsteemi plokkskeem

Töömälu on analoogselt ekspertsüsteemidega ette nähtud anduritelt tuleva teabe töötlemiseks, mida töödeldakse robotsüsteemi olemasoleva algoritmibaasi ja teadmistebaasi (KB) abil.

Algoritmide baas sisaldab algoritme sensori kaardi eeltöötluseks (digitaalne signaalitöötlus, helipiltide ja kujutiste äratundmine), mõõtmata parameetrite arvutamiseks (funktsionaalsed sõltuvused mõõdetud parameetritest), teabe täielikkuse taastamiseks (teadmiste täielikkuse ja ebaühtluse kontrollimiseks, teadmiste kohandamiseks). mittestatsionaarsuse ja muutuvate välistingimuste arvestamine), matemaatilised tehted jne.

Teadmistebaas on keerukas hierarhiline struktuur, mis sisaldab a priori teavet väliskeskkonna kohta, mis on kindlaks määratud koolituse etapis, täielikke ja järjepidevaid teadmisi, mille robot on omandatud toimimise ja väliskeskkonna tajumise protsessis. Teadmiste baasis olevad teadmised järjestatakse vastavalt asjakohasuse kriteeriumitele ja ajakohastatakse, võttes arvesse roboti toimimise spetsiifikat, lähtudes teadmiste kohandamise algoritmidest.

Kõige olulisem plokk on olukorra identifikaator. Just see plokk vastutab sensori kaardi põhjal olukorra pildi õige äratundmise eest. Selle ploki tulemuse info on robotsüsteemi juhtimisprogrammi valikul määrav.

Ja lõpuks intelligentne liides, mis on vajalik operaatoriga suhtlemiseks. Operaator kontrollib robotsüsteemi toimimist, samuti jälgib protsessi seatud eesmärkide saavutamiseks. Reeglina peaks roboti ja operaatori vaheline suhtlus toimuma loomuliku keele liidest kasutades loomuliku keele piiratud alamhulga.

Robotsüsteemi juhtimissüsteemi struktuur määramatuse tingimustes

Algoritmide ja programmide rakendamine robotsüsteemide intelligentseks juhtimiseks ebakindluse tingimustes on seotud mitmete oluliste raskustega.

Sisendinfo eeltöötluse algoritmide keerukus ja robotsüsteemi enda käitumismudeli struktuurne ebakindlus määravad intelligentse juhtimissüsteemi struktuuri liiasuse.

Ebakindluse tingimustes roboti juhtimise probleemi lahendamiseks on välja töötatud järgmine intelligentse juhtimissüsteemi arhitektuur (joonis 2).

Olukorra tuvastamise süsteem (SID) peaks olema osa igast robotsüsteemi intelligentsest juhtimissüsteemist. Intelligentne juhtimisseade (IUU) sisaldab BZ-d ja juhtimisprogrammi valikuüksust (BVPU). Selle ploki eesmärk on välja töötada roboti mehaanilisele süsteemile (MS) mõjuva elektriajamite süsteemi (ED) juhtimistoiming.

Riis. 2. Robotsüsteemi intelligentse juhtimissüsteemi plokkskeem

Tööstuslike manipulaatorite juhtimissüsteemid

Traditsioonilised tööstuslikud manipulaatorite juhtimissüsteemid jagunevad mitmeks klassiks. Esimene süsteemide klass on programmeeritud juhtimissüsteemid.

Manipulaatori töökeha pideva juhtimise süsteem eeldab manipulaatori kohandamist võrdlusmudeliga. See juhtimisalgoritm ei võta arvesse manipulaatori MS kadusid ja eeldatakse, et kõik ajamite poolt välja töötatud jõupingutused kanduvad üle tööorganile.

Töötavas kehas programmeeritud jõu juhtimissüsteemi kasutatakse mitte ainult jõuvektori, vaid ka töötava keha asendi vektori juhtimiseks. Manipulaatori töökehas liikumise ja jõu sõltumatu juhtimise süsteemil erineva liikuvusastme jaoks on kaks tagasisidega juhtimisahelt: asend ja jõud.

Nihke ja jõu ühendatud juhtimise süsteemis manipulaatori töökehas korrigeeritakse ülesannet töökeha asukoha vektori järgi jõuvektori hetkeväärtusega. See tähendab, et kui töötav keha liigub, korrigeeritakse selle löögi suurust väliskeskkonnale avaldatava löögi jõuga.

Adaptiivseid juhtimissüsteeme kasutatakse järgmistel juhtudel: suvaliselt paikneva või liikuva objekti võtmise toimingud, muutuva asendiga õmbluste kaarkeevitamine, liikuvatest ja ettenägematutest takistustest möödasõit. Sel eesmärgil kasutatakse assotsiatiivse mäluga adaptiivseid süsteeme.

Tööstuslike manipulaatorite juhtimiseks kasutatakse ka robustseid juhtimissüsteeme, mida praegu praktikas laialdaselt kasutatakse.

Arukas kontrolli rakendamine

Robotsüsteemi toimimise probleem ebakindluse tingimustes on mitmetahuline.

Mõelge robotsüsteemi käitumise kavandamise probleemile ebakindluse tingimustes. Selle lahendamiseks on kõige otstarbekam kasutada dünaamiliste ekspertsüsteemide tehnoloogiat. Sellise ekspertsüsteemi teadmistebaasi kohandatakse aja jooksul. Kui rakendatakse tootmisreeglite baasi, siis kontrollitakse pidevalt tootmisreeglite koostist täielikkuse ja järjepidevuse osas. Lisaks uuendatakse ja asendatakse kohanemisalgoritmide tõttu aegunud ja aegunud reegleid. Samas pööratakse erilist tähelepanu ekspertsüsteemi õpetajata õpetamise (iseõppimise) küsimustele, kuna kõrgelt kvalifitseeritud spetsialisti süsteemi jälgimine on majanduslikult ebaotstarbekas.

Ekspertsüsteemi teadmistebaasi iseõppiv või isehäälestuv plokk nõuab hoolikat uurimist robotsüsteemi intelligentse juhtimissüsteemi projekteerimisetapis.

minu. Selle projekteerimistöö etapi kvaliteedist sõltub sageli ülesande lahendamise tõhusus. See peaks sisaldama alamsüsteeme teadmiste täielikkuse ja ebaühtluse hindamiseks, juhtimise kvaliteedi hindamiseks ja teadmiste korrigeerimiseks.

Kronoloogiliselt võib järgmine etapp pärast käitumise planeerimist olla loomulikus keeles robotsüsteemile juhtimiskäskude andmise probleem. Loomuliku keeleliidese loomiseks on meie arvates kõige sobivam rakendusvahend häguste hulkade teooria.

Kindlat eelnevalt kirjeldatud terminikomplekti sisaldavate keeleliste muutujate abil koostatakse ainevaldkonna kirjeldus, piiratud käskude ja objektide süsteem, mis mõjutavad robotsüsteemi ja muutuvad selle toimel. Antud juhul kasutatavad fuzzifitseerimise ja defuzzifikatsiooni meetodid ning häguse järelduse algoritmid mõjutavad oluliselt juhtimistoimingute väljatöötamise täpsust ja robotsüsteemi kiirust.

Ja lõpuks, närvivõrgu juhtimissüsteemide kasutamine robotsüsteemide jaoks. Närvivõrgu peamiseks eeliseks on see, et pole vaja teada ega luua objekti matemaatilist mudelit, kuna närvivõrk on universaalne hägusaproksimaator.

Objekt (robootiline süsteem) toimib "musta kasti". Närvivõrk võib toimida juhitava robotsüsteemi võrdlusmudelina. Tuleb märkida, et see peaks olema õppiv mitmekihiline närvivõrk (objekti identifikaator). Neuraalvõrgu mudel on häälestatud juhtobjektile objekti ja mudeli väljundsignaalide mittevastavuse tõttu. Samuti moodustab see koolitusnäidise juhtseadme reguleerimiseks ja reguleerimiseks vastavalt valitud kvaliteedikriteeriumile.

Järeldus

Analüüs võimaldas sünteesida robotsüsteemide intelligentse juhtimissüsteemi arhitektuuri, mis on funktsioneerimisspetsiifika suhtes muutumatu. Väljatöötatud olukorra tuvastamise algoritm võimaldab koostada väliskeskkonnast väga informatiivseid sensorkaarte. Kirjeldatakse peamisi lähenemisviise robotsüsteemide intelligentsete juhtimissüsteemide moodustamiseks. Näidatud on juhtseadmete rakendamiseks kasutatavate tehisintellekti efektiivseimate meetodite perspektiivse arendamise suunad.

BIBLIOGRAAFIA

1. Yurevich EI Robootika alused. - SPb .: BHV-Peterburg, 2007 .-- 416 lk.

2. Robotite manipuleerimissüsteemid / toim. A. I. Korendyaseva. - M .: Mashinostroenie, 1989 .-- 472 lk.

3. Burdakov SF Elastsete elementidega robustsete regulaatorite süntees: artiklite kogu. teaduslik. tr. - Nr 443. Mehaanika ja juhtimisprotsessid. - SPb .: SPbSTU, 1992.

4. Protalinsky OM Tehisintellekti meetodite rakendamine tehnoloogiliste protsesside automatiseerimisel: monograafia. - Astrahan: ASTU kirjastus, 2004 .-- 184 lk.

Artikkel saabus toimetusse 13.01.2010

ROBOOTIKASÜSTEEMIDE INTELLEKTUAALNE JUHTIMINE Ebakindluse tingimustes

I. A. Štšerbatov

Antud töö eesmärgiks on robootikasüsteemide intellektuaalsete juhtimissüsteemide ehitamise käsitluste kujundamine, mis on funktsioneerimise spetsiifilisuse suhtes invariantsed, arvestades sissepääsuinfo ebatäielikkust ja erinevat tüüpi ebakindlust. Teostatakse analüüs, mis võimaldas sünteesida robootikasüsteemide intellektuaalse juhtimissüsteemi arhitektuuri, mis on funktsioneerimise spetsiifilisuse suhtes muutumatu. Välja töötatud olukorra tuvastamise algoritm võimaldab luua häid keskkonna puutekaarte. Kirjeldatakse robootikasüsteemide intellektuaalsete juhtimissüsteemide moodustamise põhilisi lähenemisviise. Näidatud on täiturseadmete realiseerimisel rakendatavate tehisintellekti kõige tõhusamate meetodite perspektiivi arendamise suunad.

Võtmesõnad: robootikasüsteem, robot, intellektuaalne juhtimine, struktuurne määramatus, teabe mittetäielikkus, puutekaart, närvivõrk, ebaselgete hulkade teooria, isekoolitatud ekspertsüsteem.

TEEMA 13. INTELLIGENTSED JUHTMISÜSTEEMID

Uue põlvkonna süsteemid - intelligentsed süsteemid (IS) - tõid ellu teised süsteemide komponentide organiseerimise põhimõtted, ilmusid uued mõisted, terminid, plokid, mida varem arendustes ja seega ka teaduskirjanduses ei kohatud.

Intelligentsed süsteemid suudavad sünteesida eesmärki, teha otsuseid tegutsemiseks, pakkuda tegevust eesmärgi saavutamiseks, ennustada tegevuse tulemuse parameetrite väärtusi ja võrrelda neid tegelikega, moodustades tagasisidet, kohandada eesmärki või kontrolli.

Joonisel 13.1 on kujutatud IS-i plokkskeem, kus on välja toodud kaks süsteemi suurt plokki: eesmärgi süntees ja selle teostus.

Esimeses plokis sünteesitakse sensorsüsteemist saadud info aktiivse hindamise põhjal motivatsiooni ja teadmiste olemasolul eesmärk ning tehakse otsus tegutsemiseks. Teabe aktiivne hindamine toimub käivitussignaalide mõjul. Keskkonna ja süsteemi enda oleku muutlikkus võib kaasa tuua vajaduse millegi järele (motivatsiooni) ning teadmiste olemasolul saab sünteesida eesmärgi.

Eesmärki mõistetakse kui ideaalset, mõttelist ootust tegevuse tulemusele. Jätkates keskkonna ja süsteemi enda oleku, sealhulgas juhtimisobjekti kohta info aktiivset hindamist, kui võrrelda eesmärgi saavutamise võimalusi, saate teha otsuse tegutsemiseks.

Lisaks teostab teises plokis dünaamiline ekspertsüsteem (DES), lähtudes hetketeabest keskkonna ja oma IS-i oleku kohta, eesmärgi ja teadmiste olemasolul eksperthinnangu, langetab juhtimisotsuse. , ennustab tegevuse tulemusi ja arendab kontrolli.

Kodeeritud juhtseade teisendatakse füüsiliseks signaaliks ja suunatakse täiturmehhanismidele.

Juhtobjekt, saades täiturmehhanismidelt signaali, teostab ühe või teise toimingu, mille tulemused parameetrite kujul esitatakse tagasisideahela 2 kaudu DES-i, kus neid võrreldakse prognoositutega. Samas saab vastavalt eesmärgi omadustele tõlgendatud ja I plokki siseneva tegevuse tulemuse parameetreid kasutada saavutatud tulemuse emotsionaalseks hindamiseks: näiteks eesmärk on saavutatud, kuid tulemus pole meeldiv.

Kui eesmärk on igati saavutatud, tugevdatakse juhtimist. Vastasel juhul on kontroll parandatud. Kui eesmärk on saavutamatu, korrigeeritakse eesmärki.

Tuleb märkida, et keskkonnaseisundi või juhtimisobjekti või süsteemi kui terviku äkiliste muutustega on võimalik sünteesida uus eesmärk ja korraldada selle saavutamine.

IS-i struktuur sisaldab koos uute elementidega traditsioonilisi elemente ja seoseid, keskse koha selles hõivab dünaamiline ekspertsüsteem.

Plokk 1 - värava süntees Plokk II - värava realiseerimine

Joonis 13.1 - IC plokkskeem

Formaalselt kirjeldatakse IS-i järgmise kuue väljendiga:

T X S M T ;

T M S ST ;

C T S R T;

T NS= (A T) X T + (B T) U T;

T Y = (D T) X T;

T R Y KOOS T ,

kus T on ajapunktide hulk;

X, S, M, C, R ja Y - süsteemi, keskkonna, motivatsiooni, eesmärgi, prognoositava ja tegeliku tulemuse olekute kogum;

А, В ja D - parameetrite maatriksid;

Arukad teisendusoperaatorid, kes kasutavad teadmisi.

See kirjeldus ühendab süsteemiobjektide esituse tähenduste komplekti, väidete komplekti või mõne muu vormi kujul.

IS-i dünaamilisi omadusi saab kirjeldada olekuruumis. Arukad operaatorid, kes rakendavad tunnetusprotsessis taju, esitusviisi, kontseptsioonide kujundamist, hinnanguid ja järeldusi, on formaalne vahend teabe ja teadmiste töötlemiseks ning otsuste tegemiseks. Kõik need aspektid peaksid olema reaalajas ja reaalses maailmas toimiva DES-i loomise aluseks.

Dünaamiline ekspertsüsteem on mingi kompleksne haridus, mis suudab hinnata süsteemi ja keskkonna seisundit, võrrelda tegevuse soovitud ja tegelike tulemuste parameetreid, teha otsuseid ja arendada kontrolli, mis aitab kaasa eesmärgi saavutamisele. Selleks peab DES omama teadmisi ja meetodeid probleemide lahendamiseks. Ekspertsüsteemi ülekantavad teadmised võib jagada kolme kategooriasse:

1) kontseptuaalne (mõistete tasemel) teadmine on teadmine, mis kehastub inimkõne sõnades või täpsemalt teaduslikus ja tehnilises mõttes ning loomulikult nende mõistete taga olevate keskkonnaobjektide klasside ja omadustega. See hõlmab ka mõistete ja nende omaduste vahelisi seoseid, seoseid ja sõltuvusi ning seosed on abstraktsed, väljenduvad ka sõnades ja terminites. Kontseptuaalsed teadmised on peamiselt fundamentaalteaduste sfäär, kui võtta arvesse, et mõiste on aine kõrgeima produkti – aju – kõrgeim saadus;

2) faktilised, ainealased teadmised on teabe kogum konkreetsete objektide kvalitatiivsete ja kvantitatiivsete omaduste kohta. Just selle teadmiste kategooriaga seostatakse mõisteid "informatsioon" ja "andmed", kuigi nende mõistete selline kasutamine kahandab mõnevõrra nende tähendust. Kõik teadmised kannavad teavet ja neid saab esitada andmete kujul; faktiteadmised on see, millega arvutid on alati tegelenud ja millega nad on seni kõige rohkem tegelenud. Andmete kogumise tänapäevast vormi nimetatakse tavaliselt andmebaasideks. Loomulikult tuleb andmebaaside korrastamiseks, nendest vajaliku info leidmiseks toetuda kontseptuaalsetele teadmistele;

3) algoritmilised, protseduurilised teadmised - seda nimetatakse tavaliselt sõnadeks "oskus", "tehnoloogia" jne. Arvutustehnikas rakendatakse algoritmilisi teadmisi algoritmide, programmide ja alamprogrammide kujul, kuid mitte mis tahes, vaid sellistena, mis suudavad kanduda käest kätte ja kasutada ilma autorite osaluseta. Sellist algoritmiliste teadmiste rakendamist nimetatakse tarkvaratooteks. Tarkvaratoote levinumad vormid on tarkvarapaketid, tarkvarasüsteemid ja muud, mis on keskendunud DES-rakenduse konkreetsele valdkonnale. Rakenduspakettide organiseerimine ja kasutamine põhineb kontseptuaalsetel teadmistel.

On selge, et kontseptuaalsed teadmised on kõrgem, defineeriv teadmiste kategooria, kuigi praktilisest vaatenurgast võivad teised kategooriad tunduda olulisemad.

Ilmselt seetõttu kehastatakse kontseptuaalseid teadmisi harva arvutis töödeldaval kujul. Ja kui see on kehastatud, siis enamasti on see puudulik ja ühekülgne. Enamasti jääb kontseptuaalse teadmise kandjaks inimene. See aeglustab paljude protsesside automatiseerimist.

Kontseptuaalsete teadmiste esitusi või õigemini süsteeme, mis rakendavad kõiki kolme teadmiste kategooriat, kuid tõstavad esiplaanile kontseptuaalsed teadmised ja töötavad selle intensiivse kasutamise alusel, nimetatakse teadmusbaasideks.

IP-alaste teadmistebaaside loomine ja laialdane kasutamine on üks pakilisemaid ülesandeid. Teadmistebaasi kontseptuaalset osa nimetatakse domeenimudeliks, algoritmilist osa - tarkvarasüsteem ja faktilist osa - andmebaasi.

DES-i järgmine funktsioon on probleemide lahendamine. Probleemi saab masin lahendada ainult siis, kui see on formaalselt püstitatud – kui sellele on kirjutatud formaalne spetsifikatsioon. Viimane peaks põhinema teatud teadmiste baasil. Domeenimudel kirjeldab üldist seadistust, milles ülesanne tekkis, ja spetsifikatsioon kirjeldab ülesande sisu. Kokkuvõttes võimaldavad need tuvastada, milliseid abstraktseid seoseid ja sõltuvusi, millistes kombinatsioonides ja millises järjestuses probleemi lahendamiseks kasutada.

Rakendusprogrammid esindavad spetsiifilisi tööriistu nende sõltuvuste taga ja sisaldavad ka algoritme tekkivate võrrandite lahendamiseks. Lõpuks annab andmebaas nende algoritmide täitmiseks kõik või osa algandmed, puuduvad andmed peavad sisalduma spetsifikatsioonis.

Need kolm teadmistebaasi osa vastavad probleemi lahendamise kolmele etapile:

1) abstraktse lahendusprogrammi koostamine (sh probleemi esilekerkimine, sõnastamine ja täpsustamine);

2) ülesande tõlkimine sobivasse masinkeelde;

3) saate edastamine ja teostamine.

Abstraktse programmi konstrueerimine on seotud kontseptuaalsete teadmiste esitamise ja töötlemisega IS-is ning on definitsiooni järgi tehisintellekti omand.

Tehisintellekt on seotud tekstide, loomulikus keeles suuliste sõnumite töötlemisega, informatsiooni analüüsi ja töötlemisega (igat tüüpi kujutiste äratundmine, teoreemide tõestamine, loogiline järeldamine jne).

DES-i funktsioonideks on ka probleemi lahendamise tulemuste hindamine, tegevuse tulevase tulemuse parameetrite kujundamine, juhtimisotsuste tegemine, kontrolli arendamine ning soovitud ja tegelike parameetrite võrdlemine. tulemused. See näeb ette protsesside modelleerimise, et hinnata võimalikke tagajärgi ja probleemi lahenduse õigsust.

Pange tähele, et tegelikel juhtudel on probleem uuritavate objektide kirjeldamisel. Sellist kirjeldust ei ole kohane pidada ülesande spetsifikatsiooni osaks, kuna reeglina esitatakse ühe objekti kohta palju ülesandeid, mida tuleb teadmusbaasi moodustamisel loomulikult arvestada. Lisaks võib selguda, et tekkinud probleemi ei saa näiteks objekti spetsifikatsiooni või kirjelduse puudulikkuse tõttu automaatselt lõpuni lahendada.

Seetõttu on IS-is teatud etappidel soovitatav kasutada DES-iga interaktiivset töörežiimi. Tuleb meeles pidada, et domeenimudel kirjeldab üldist keskkonda (teadmisi), spetsifikatsioon aga ülesande sisu. Väga olulised probleemid on ühtse tarkvarakeskkonna loomine ja algoritmide süntees vahetult vastavalt ülesande sõnastusele.

Olenevalt IS ees seisvast eesmärgist võib teadmusbaas, probleemi lahendamise, otsuse tegemise, kontrolli arendamise algoritmid olla loomulikult erineva esitusega, mis omakorda oleneb probleemide lahendamise iseloomust. Sellest lähtuvalt võib näha kolme tüüpi DES-i. Esimest tüüpi DES-i struktuur on näidatud joonisel 13.2.

Joonis 13.2 – Esimest tüüpi DES-i struktuur

Siin eeldatakse, et kontseptuaalsed ja faktilised teadmised kajastavad täpselt teatud ainevaldkonnaga seotud protsesse ja teavet.

Seejärel leitakse selles valdkonnas tekkiva probleemi lahendus rangete matemaatiliste meetodite alusel, vastavalt sõnastusele ja spetsifikatsioonile. Otsusuuringu tulemusi ja prognoosi kasutatakse eksperthinnangu saamiseks ja juhtimise vajaduse kohta otsuse tegemiseks. Seejärel moodustatakse teadmistebaasis oleva sobiva juhtimisalgoritmi alusel juhtimistoiming.

Selle mõju tõhusust ja järjepidevust hinnatakse enne kontrollobjektile jõudmist matemaatilise simulatsioonimudeli abil. Hindamine peaks toimuma kiiremini kui tegelikud protsessid IS-is.

Otsustamist rakendavad DES on aga keerulised tarkvarasüsteemid, mis on loodud automaatseks otsustamiseks või otsustajate abistamiseks ning keeruliste süsteemide ja protsesside operatiivjuhtimisel töötavad need reeglina suurte ajapiirangute all.

Erinevalt esimest tüüpi DES-st, mis on loodud optimaalse lahenduse leidmiseks ning põhineb rangetel matemaatilistel meetoditel ja optimeerimismudelitel, on teist tüüpi DES-id peamiselt keskendunud keeruliste formaliseeritud probleemide lahendamisele täieliku ja usaldusväärse teabe puudumisel (joonis 13.3). See kasutab ekspertide – selle probleemvaldkonna spetsialistide – teadmistel põhinevaid ekspertmudeleid ning lahenduse leidmiseks heuristlikke meetodeid.

Üheks peamiseks probleemiks teist tüüpi DES-i projekteerimisel on otsustusprotsesside kirjeldamiseks formaalse aparaadi valik ja selle alusel probleemkohale adekvaatse (semantiliselt õige) otsustusmudeli ehitamine. Sellise aparatuurina kasutatakse tavaliselt tootmissüsteeme. Põhiline uurimustöö toimub aga tootmissüsteemi algoritmilise (deterministliku) tõlgenduse kontekstis koos sellele omase järjestikuse lahendusotsingu skeemiga.

Saadud mudelid on sageli ebaadekvaatsed tegelikele probleempiirkondadele, mida iseloomustab lahenduse leidmise protsessi ebamäärasus. Väljapääs sellest olukorrast on otsingu paralleelsus.

Tegelikkuses tuleks keskenduda esimest ja teist tüüpi DES-i kombineerimisele kolmandat tüüpi arvutus-loogiliseks DES-iks, kus teadmistebaas ühendab rangete matemaatiliste valemite kujul kirjelduse ekspertide teabega ja vastavalt ka matemaatilised meetodid lahenduse leidmiseks mitterangete heuristiliste meetoditega ning ühe või teise komponendi kaalu määrab ainevaldkonna adekvaatse kirjelduse võimalus ja lahenduse leidmise meetod (joonis 13.4).

Joonis 13.3 - Teise taseme diiselelektrijaama ehitus

DES-i väljatöötamisel tekivad järgmised probleemid:

1.teadmistebaasi koosseisu määramine ja selle kujunemine;

2. uute ja tuntud teooriate ja meetodite väljatöötamine infoprotsesside kirjeldamiseks IS-is;

3. teadmiste esindamise ja kasutamise korraldamise viiside arendamine;

4. paralleelsusega algoritmide ja tarkvara arendamine ning "paindliku loogika" kasutamine;

1. sobivate arvutuskeskkondade leidmine paralleelalgoritmide realiseerimiseks DES-i moodustamisel.

Joonis 13.4 - Kolmanda taseme diiselelektrijaama struktuur

Lisaks eeltoodule on oluline märkida, et DES-il peaks olema omadus kohaneda dünaamilise probleempiirkonnaga, võime tuua olukordade kirjeldusse uusi elemente ja seoseid, muuta objektide toimimise reegleid ja strateegiaid. otsuse tegemise ja kontrolli arendamise protsess, töötamine puuduliku, ähmase ja vastuolulise infoga jne.

Dünaamilised ekspertsüsteemid toimivad tagasisidega IS-de osana ning seetõttu on oluline tagada selliste IS-de stabiilne töö.

Traditsioonilisest vaatenurgast võib eeldada, et DES-i vastuse kestus sisendile mõjutab, s.o. sisendteabe töötlemisele ja juhtimistoimingu väljatöötamisele kuluv aeg on puhas viivitus. Sagedusanalüüsi põhjal on võimalik hinnata süsteemi faasiomaduste muutust ja seeläbi määrata stabiilsusvaru. Vajadusel saate süsteemi parandada filtrite abil.

Klassikalise juhtimisteooria seisukohalt on IS-d aga mitme objektiga multiseotud süsteemid, mille stabiilsuse analüüs tavameetoditega on väga keeruline.

Praegusel ajal on robustse kontrolli teooria (-control theory, -control) üks intensiivselt arenevaid juhtimisteooria harusid. Suhteliselt noorena (esimesed teosed ilmusid 80ndate alguses) tekkis see mitmesuguste häirete ja parameetrite muutuste tingimustes töötavate mitmemõõtmeliste lineaarsete juhtimissüsteemide sünteesimise pakiliste praktiliste probleemide tõttu.

Tõelise, ebakindluse all töötava keeruka objekti juhtimise kavandamise probleemile saate läheneda erinevalt: ärge proovige kasutada üht tüüpi juhtimist - adaptiivset või robustset. Ilmselgelt tuleks valida tüüp, mis vastab keskkonna ja süsteemi seisundile, mille määrab süsteemi käsutuses olev informatsioon. Kui süsteemi toimimise käigus on võimalik korraldada info vastuvõtmist, on soovitav seda kasutada kontrolliprotsessis.

Kuid sellise kombineeritud juhtimise rakendamisel tekkis kuni viimase ajani ületamatuid raskusi juhtimise tüübi valimise algoritmi määramisel. Tehisintellekti probleemide arendamisel saavutatud edusammud võimaldavad sellise algoritmi sünteesida.

Tõepoolest, püstitagem ülesanne: kujundada süsteem, mis kasutab adaptiivset ja robustset juhtimist ning valib tehisintellekti meetoditel põhineva juhtimise tüübi. Selleks kaalume mõlema tüübi omadusi ja nende spetsiifilisi omadusi arvesse võttes määrame kindlaks, kuidas saab kombineeritud juhtimissüsteemi ehitada.

Üks robustse kontrolli teooria põhimõisteid on määramatuse mõiste. Objekti määramatus peegeldab objekti mudeli ebatäpsust, nii parameetrilist kui ka struktuurset.

Vaatleme üksikasjalikumalt mõõtemääramatuse täpsustamise vorme robustses juhtimisteoorias, kasutades lihtsat süsteemi - ühe sisendi ja ühe väljundiga (joonis 13.5).

Signaalidel on järgmine tõlgendus: r - sisendsignaali seadmine; u - objekti sisendsignaal (sisend); d - väline häire; y on mõõdetava objekti väljundsignaal (väljund).

Joonis 13.5 – Ühe sisendi ja ühe väljundiga süsteem

Juhtimise teoorias on mugav määrata määramatust sageduspiirkonnas. Oletame, et normaalse taime P ülekandefunktsioon ja vaatleme häiritud taime, mille ülekandefunktsioon

kus W on fikseeritud ülekandefunktsioon (kaalufunktsioon);

- suvaline stabiilne ülekandefunktsioon, mis rahuldab ebavõrdsust.

Seda nördimust nimetatakse vastuvõetavaks. Allpool on mõned määramatuse mudelite variandid:

Koguste ja W kohta tuleb igal juhul teha vastavad eeldused.

Sisendsignaalide määramatus d peegeldab seadmele ja kontrollerile mõjuvate väliste häirete erinevat olemust. Seega võib ebamäärast objekti käsitleda omamoodi objektide kogumina.

Valime mõne tagasisidega süsteemide tunnuse, näiteks stabiilsuse. Regulaator C on selle omaduse suhtes robustne, kui see on mõnel määramatusega määratletud objektide hulgast.

Seega tähendab robustsuse mõiste kontrolleri, objektide komplekti olemasolu ja süsteemi teatud tunnuse fikseerimist.

Käesolevas töös me ei puuduta kogu kontrolliteooria raames lahendatud probleemide kogumit. Puudutagem ainult minimaalse tundlikkuse probleemi: kontrolleri C konstrueerimine, mis stabiliseerib suletud ahelaga süsteemi ja minimeerib väliste häirete mõju väljundile y, teisisõnu minimeerib välishäirete ülekandefunktsioonide maatriksi normi. väljundisse y.

Selle ja tegelikult kogu robustsete juhtimisprobleemide komplekti lahenduse üheks tunnuseks on asjaolu, et eelnevalt, kontrolleri projekteerimise käigus, kehtestame piirangud sisendtoimingutele ja objekti ebakindlusele. ebavõrdsuse vorm.

Tugeva süsteemi töötamise ajal ei kasutata kontrollimiseks teavet süsteemi ebamäärasuste kohta.

Loomulikult viib see selleni, et robustsed süsteemid on konservatiivsed ja siirdeprotsesside kvaliteet ei rahulda mõnikord nende süsteemide arendajaid.

Sarnaselt robustsele adaptiivsele juhtimissüsteemile on adaptiivne juhtimissüsteem konstrueeritud objektide jaoks, mille kohta või mõjude kohta pole süsteemi toimimise alguses teavet. Enamasti saavutatakse kohanemisomadus objekti või sisendtoimingu matemaatilise mudeli eksplitsiitsel või kaudsel kujul moodustamise kaudu.

See eristab nii otsingu-adaptiivset juhtimist, mis põhineb juhtimiskvaliteedi indikaatori ekstreemumi otsimisel ja säilitamisel, kui ka mitteotsingu juhtimist, mis põhineb juhitavate koordinaatide tegelike muutuste hälvete kompenseerimisel soovitud muutustest. mis vastavad kvaliteedinäitaja nõutavale tasemele. Lisaks reguleeritakse vastavalt täiustatud mudelile adaptiivset kontrollerit.

Seega on adaptiivsete juhtimissüsteemide peamiseks tunnuseks võime hankida tööprotsessis teavet ja kasutada seda teavet juhtimiseks.

Veelgi enam, adaptiivsetes süsteemides kasutatakse alati a priori teavet süsteemi ebakindluse kohta. See on põhimõtteline erinevus adaptiivse ja jõulise lähenemisviisi vahel.

Mõelge lihtsale adaptiivsele juhtimissüsteemile, mis jälgib sisendsignaali objekti sisendis esinevate häirete korral (joonis 13.6).

Joonistamine. 13.6 – Adaptiivne juhtimissüsteem

Formaalne erinevus joonisel 13.5 olevast vooluringist on kohandusplokk A, mis lähtuvalt objekti väljundsignaalist ja antud kvaliteeti iseloomustavast signaalist genereerib signaali adaptiivse kontrolleri koefitsientide reguleerimiseks.

Pidades silmas iga regulaatori puudusi, on soovitatav proovida kasutada nende eeliseid, pakkudes välja objektile kombineeritud juhtimisskeemi. Adaptiivne süsteem kohanemisploki abil genereerib teatud informatsiooni väliskeskkonna seisundi kohta. Eelkõige on vaadeldaval juhul võimalik saada teavet välise häiringu d kohta. Juhtimisalgoritm С а vastab väliskeskkonna hetkeseisule, vastavalt kohandamisplokis sätestatud kriteeriumile. Kuid adaptiivne süsteem nõuab, et sisendsignaalil r oleks piisavalt lai sagedusvahemik, ning seab välise häiresignaali d väärtusele ja sagedusspektrile ranged piirangud. Seetõttu saavad adaptiivsed süsteemid töötada ainult sisendsignaali r ja väliste häirete d kitsastes vahemikes. Väljaspool neid vahemikke on adaptiivsel süsteemil halb juhtimiskvaliteet ja see võib isegi muutuda ebastabiilseks.

Eelpool vaadeldud robustse ja adaptiivse juhtimise omadused viivad järeldusele, et süsteemi toimimise protsessis on mõnel juhul kasulik kasutada robustset juhtimist, teistel - adaptiivset juhtimist, s.o. oskama kombineerida juhtimist olenevalt väliskeskkonna seisundist.

Kombineeritud juhtimine. Kombineeritud juhtimissüsteemide projekteerimisel on põhiküsimuseks, kuidas milliste teadmiste (informatsiooni) alusel valida üht või teist tüüpi juhtimist.

Kõige laiemad võimalused selleks pakuvad tehisintellekti meetodid. Nende eelis lihtsate lülitusalgoritmide ees on suure hulga andmete ja teadmiste kasutamine juhtimistüübi valimise algoritmi koostamiseks.

Kui vormiliselt ühendada joonistel 13.5, 13.6 näidatud ahelad, saame kombineeritud juhtimisahela (joonis 13.7).

Nagu jooniselt näha, peaks juhtsignaal lülituma robustselt kontrollerilt adaptiivsele ja vastupidi – kui keskkond süsteemi töö käigus muutub. Kasutades intelligentsete süsteemide teooria meetodeid, on võimalik tagada üleminek ühelt juhtimistüübilt teisele, olenevalt süsteemi töötingimustest.

Joonis 13.6 - Kombineeritud juhtimisskeem

Mõelgem esmalt, millist teavet saab kasutada süsteemi intelligentse üksuse käitamiseks. Nagu teate, on ühe sisendi ja ühe väljundiga süsteemid sageduspiirkonnas hästi kirjeldatud. Seetõttu on loomulik kasutada juhtimistüübi valikul otsustusprotsessi korraldamiseks sageduskarakteristikuid.

Nagu eespool mainitud, vastab tugevalt juhitava süsteemi sagedusreaktsioon määramatuse piirkonna parameetrite halvimale kombinatsioonile. Seetõttu võib robustset juhtimist võtta valitud juhtimise ühe piirina.

Teise piiri määravad uuritava süsteemi võimalused (sõidukiirus, võimsuse ja kaalu suhe jne). Nende kahe piiri vahel on ala, kus on mõttekas kasutada adaptiivset juhtimist.

Joonis 13.7 - Kombineeritud juhtimisskeem

Kuna adaptiivne algoritm on tundlik süsteemi toimimise algfaasi suhtes, on selles etapis soovitatav kasutada robustset juhtimist, mis on piisavalt tundetu välismüra muutumise kiiruse suhtes. Kuid selle puuduseks on siirdeprotsesside pikk kestus ja väljundkoordinaadi suured lubatud väärtused häirete mõjul.

Mõne aja pärast on mõttekas lülitada jõuline juhtseade adaptiivsele.

Adaptiivne juhtimine võimaldab häirete kohta teabe olemasolul sisendsignaali täpsemalt jälgida. Adaptiivne juhtimine nõuab sisendsignaali spektri rikkalikkust ja näiteks aeglaselt muutuvate signaalide korral võivad kohanemisprotsessid katkeda või tugevalt aeglustada. Sellises olukorras on vaja uuesti üle minna robustsele juhtimisele, mis tagab süsteemi stabiilsuse.

Eeltoodust järeldub, et süsteemi toimimiseks on vaja teavet kasuliku häiresignaali sagedusspektri ja signaali-müra suhte kohta.

Lisaks on vaja eelteavet sagedusspektri kohta, millel adaptiivne süsteem töötab, ja juhtobjekti konkreetsete omaduste kohta määramatuse piirkonna piiridel. Sellest teabest on võimalik moodustada andmebaas, kuhu sisestatakse eelnevalt iga objektiklassi kohta individuaalne teave. Teave kasuliku signaali sagedusspektri, häirete ja signaali-müra suhte kohta sisestatakse süsteemi toimimise käigus andmebaasi ja seda uuendatakse pidevalt.

Andmebaasi sisu saab kasutada teadmistebaasis, mis moodustatakse reeglite kujul. Sõltuvalt süsteemi spetsiifilistest omadustest saab seadistada kahte tüüpi juhtimist. Nõutavad reeglid moodustatakse ühes vaadeldavale juhtumile sobivas loogilises süsteemis.

Andmebaaside ja teadmiste olemasolul on võimalik välja töötada otsustusmehhanism, mis tagab kontrollitüübi õige valiku, olenevalt süsteemi toimimise tingimustest.

Joonis 13.8 – intelligentse seadmega (IS) süsteemi plokkskeem

Süsteemi intellektuaalne osa töötab diskreetselt, kindlate ajavahemike järel. Joonisel 13.8 on kujutatud intelligentse IS-seadmega süsteemi plokkskeem, mis võimaldab valida juhtimistüübi.

Ploki sisend võtab vastu signaali r ja mõõdetud, objekti y väljundsignaali. Teabe eeltöötluse plokis BPOI vastavalt signaalide ajakarakteristikutele r (t), y (t), sisendsignaali sageduskarakteristikutele r (w) ja välishäirele d (w) suhteline asend. spektrid r (w) ja d (w) ning signaali-müra suhte r (w) / d (w) iseloomulikud väärtused. Kogu see teave läheb DB andmebaasi. BPR-i otsustusplokk, kasutades teadmistebaasi genereeritud teadmistebaasi ja andmebaasi andmeid, töötab välja otsuse, mille kohaselt üks juhtimistüüpidest sisse lülitatakse. Järgmisel intervallil korratakse protsessi uute andmetega.

SISSEJUHATUS

Kaasaegsete tehnoloogiliste komplekside töötingimused toovad kaasa vajaduse seire- ja kontrolliprotsessis raamatupidamise järele. järgmist tüüpi ebakindlus:

1. Juhtobjektidelt saadud operatiivteabe madal täpsus, mis tuleneb andurite suurest veast tehnoloogiliste parameetrite (voolukiirus, rõhk jne) mõõtmisel, nende madalast töökindlusest, sidekanali riketest, suurest viivitusest teabe edastamisel üle juhttasemete, suutmatusest mõõta parameetreid kõigis punktides mudelite jaoks vajaliku tehnoloogilise protsessi kohta.

2. Kontrolli- ja juhtimisobjektide mudelite ebatäpsus põhjustatud: praktikas kasutatavate süsteemi mitmetasandiliste hierarhiliste mudelite ja üksikute lokaalsete probleemide lahenduste ebavõrdsusest; üldjuhtimisprobleemi vale dekomponeerimine, tehnoloogilise protsessi mudeli liigne idealiseerimine, tehnoloogilise kompleksi oluliste ühenduste katkemine, lineariseerimine, diskretiseerimine, seadmete tegelike omaduste asendamine passi omadega, võrrandite tuletamisel tehtud eelduste rikkumine ( statsionaarsus, isotermaalsus, homogeensus jne).

3. Hägune otsuste tegemine mitmetasandilistes hierarhilistes süsteemides, kuna selgete (täpsete) eesmärkide ja koordineerivate otsuste olemasolu igal kontrolli- ja juhtimistasandil ning iga kohaliku reguleerimisseadme puhul muudab koordineerimisprotsessi keerulisemaks ja määrab ette kontrolli pika iteratiivsuse. otsuste kooskõlastamine.

4. Inimoperaatori, sealhulgas dispetšeri olemasolu juhtimisahelas ja koordineerimisprotsessi läbiviimine reaalses tootmissüsteemis loomulikus keeles, tingib vajaduse arvestada dispetšeri teadmiste esitamise raskustega algoritmidena ning arvuti abil saadud lahenduse kooskõla selle hinnanguga.

„Liigne täpsuse poole püüdlemine hakkas mõjuma, mis nullib kontrolliteooria ja süsteemiteooria, kuna viib selleni, et selle valdkonna teadus keskendub neile ja ainult neile probleemidele, mis annavad täpseid lahendusi. Paljud oluliste probleemide klassid, mille puhul andmed, eesmärgid ja piirangud on täpse matemaatilise analüüsi võimaldamiseks liiga keerulised või halvasti määratletud, on olnud ja jäävad kõrvale lihtsalt seetõttu, et neid ei saa matemaatiliselt käsitleda.

L. Zadeh

Kaasaegsete tootmisprotsesside hulgas on palju omadusi, mis on klassikalise automaatjuhtimise teooria (TAU) jaoks ootamatud. See "ebamugav" või, nagu neid ka nimetatakse, "Poolstruktureeritud" või "Halvasti määratletud" objektidel on sellised omadused nagu unikaalsus, eksistentsi formaliseeritud eesmärgi ja optimaalsuse puudumine, struktuuri ja parameetrite mittestatsionaarsus, objekti formaalse kirjelduse mittetäielikkus või peaaegu täielik puudumine.

Kontseptuaalne raamistik

juhtimine ebakindluse all

Ebakindlus mida mõistetakse ebakindluse allikatena, jaotatakse pigem tinglikult kolmeks suureks rühmaks:

1. olukorra kohta teabe ebakindlus ja ebatäielikkus, mille abil tehakse otsus toimimise kvaliteedi hindamise või süsteemi toimimise üle kontrolli kujundamise kohta - süsteemi ja keskkonna määramatuse tegur;

2. tegurid, mis on põhjustatud ebakindlusest, mõtlemise hägususest ja inimese tundmisest- ebakindlus, mis avaldub inimese vastasmõjus süsteemi ja tema keskkonnaga;

3. määramatuse tegurid, hägusus(ebatäpsus) kogunenud teadmisi, mis on koondunud tehisintelligentsete süsteemide teadmistebaasidele, ebakindlus nende teadmiste rakendamisel rakendamise protsessis teatud loogilised ja loogilis-algebralised protseduurid teabe kogumiseks ja töötlemiseks, arendamiseks, valikuks ja juhtimisotsuste tegemiseks.

Määramatuse tegurite (allikate) klassifikatsioon mida tuleb keerukate süsteemide uurimisel arvesse võtta, on näidatud joonisel B.1.

Joonis B.1. Määramatuste klassifikatsioon

Ebakindlustegurite analüüsimise ja arvestamise metoodika

keerukate organisatsiooniliste ja tehniliste süsteemide juhtimine ...

(ACS koos DSS-i ja DSS-otsuste tugisüsteemide ja otsustussüsteemidega)

1. Probleemid ja ülesannete üldistatud vormistamine arendamiseks ja

juhtimisotsuste tegemine ebakindluse tingimustes….

2. Deterministlik mängukäsitlus otsuste tegemisel tingimustes

määramatus ………… .. …………… .. ……………………… ..

3. Stohhastiline lähenemine otsustusprobleemide lahendamisele aastal

määramatuse tingimused…………………………………………

4. Tõenäosuslik – statistiline lähenemine otsuste tegemisele meis-

ebakindluse ees ……………………………………………… ..

5. Tõenäosuslik lähenemine otsuste tegemisele määramatuse tingimustes

laiskus………………………………………………………………

6. Fuzzy – stohhastiline lähenemine otsuste tegemisele tingimustes

määramatused …………………………… .. ………………………………

7. Võimalusteooria ja tingimustes otsustamise probleem

ebakindlus …………………………………………………………

8. Fuzzy – võimalik lähenemine otsuste tegemisele tingimustes

ebakindlus ………………………………………………………….

9. Keeleline lähenemine otsuste tegemisele ebakindluse tingimustes

divisjonid .. ……………………… .. ………………………………….

Poolstruktureeritud objektide haldamine klassikalise TAU seisukohast on üsna keeruline, praktiliselt lahendamatu probleem. See on tingitud asjaolust, et traditsioonilise automaatjuhtimissüsteemi (ACS) ehitamisel on vaja juhtimisobjekti eelnevalt formaalselt kirjeldada ja kvantitatiivsetes kategooriates töötava matemaatilise aparaadi alusel moodustada juhtimiskriteeriumid. Kui objekti ja selle kontrollimise kriteeriumide täpset matemaatilist kirjeldust kvantitatiivselt ei ole võimalik anda, osutub traditsiooniline TAU mittekasutatavaks.

Näiteks klassikalist deterministlike ja stohhastiliste süsteemide abil kasutatavat ACS-i kasutatakse edukalt ACS-i ehitamiseks lennukites, elektrijaamades jne, kuid traditsioonilisi meetodeid püütakse laiendada sellistele valdkondadele nagu biosüntees, mitmefaasilised keemilis-tehnoloogilised protsessid, mis on seotud röstimise, sulatamise, katalüüsiga. jne, ei andnud käegakatsutavaid praktilisi tulemusi, vaatamata nende kirjeldamise üha keerulisemaks muutuvatele matemaatilistele meetoditele.

Praktikas aga juhib selliseid poolstruktureeritud objekte üsna edukalt inimoperaator, keda päästab oskus jälgida, analüüsida ja teavet meelde jätta, teha teatud järeldusi jne ning sellest tulenevalt teha õigeid otsuseid. ebatäieliku ja häguse teabe keskkonnas. Tänu tema intellektile, inimene saab opereerida mitte ainult kvantitatiivsega(mida teatud määral suudab masin), aga ka kvalitatiivsete mitteformaalsete mõistetega, mille tulemusena tuleb ta üsna edukalt toime juhtimisprotsessi ebakindluse ja keerukusega. Seetõttu on inimese ligikaudse arutluskäigu mudelite koostamine ja nende kasutamine ACS-is tänapäeval üks olulisemaid suundi TAU arengus.

Pole kahtlust, et keerukate objektide haldamise tõhususe märkimisväärne tõus seisneb intelligentse ACS loomises, mis suudab ühel või teisel määral reprodutseerida teatud intellektuaalseid inimtegevusi, mis on seotud teadmiste omandamise, analüüsimise ja klassifitseerimisega ainevaldkonnas. ​tehnoloogilise protsessi juhtimine, aga ka tööalased teadmised, mis on kogutud inimese poolt või süsteemi enda poolt praktiliste tegevuste käigus objekti juhtimiseks.

Nendes tingimustes töötamise vajadus raskendab standardsete automaatikasüsteemide ja APCS-i kasutamist... Eriti keeruline on kirjeldada seadmete lubatud töörežiimide piirkondi sellistes tingimustes, kui protsessijuhtimissüsteemile ja automaatikasüsteemidele rangete (selgete) piirangute seadmine toob kaasa nende süsteemide automaatse või käsitsi väljalülitamise. Seetõttu on äärmiselt oluline kasutada seadmete lubatud töörežiimide piirkondade kirjeldamiseks ja vormistamiseks tehisintellekti (AI) ja intelligentsete süsteemide (IS) teooriad.

Viimaste aastate arvutustehnoloogia kiire arengu tõttu hakati tööstuses kasutama uusi intelligentse juhtimise meetodeid... Ja kuigi intelligentse ACS-i esimesed rakendused leidsid aset Euroopas, võetakse selliseid süsteeme kõige intensiivsemalt kasutusele Jaapanis. Nende kasutusala on lai: tööstusrobotite, rektifikatsioonitehaste ja kõrgahjude juhtimisest pesumasinate, tolmuimejate ja mikrolaineahjudeni. Samal ajal võib intelligentne ACS parandada toodete kvaliteeti, vähendades samal ajal ressursi- ja energiatarbimist ning pakkuda suuremat vastupidavust häirivate tegurite mõjule võrreldes traditsioonilise ACS-iga.

Arukas süsteem tähendab(KA Pupkov) infoprotsessiga kombineeritud tehniliste vahendite ja tarkvara kogum, mis töötab koos inimesega (inimeste rühmaga) või autonoomselt, on võimeline teabe ja teadmiste põhjal eesmärgi sünteesima, motiveeritult, muutma otsus tegutsemiseks ja ratsionaalsete viiside leidmine eesmärkide saavutamiseks.

Peamine arhitektuuriline tunnus, mis eristab intelligentsed juhtimissüsteemid (IMS) traditsioonilisest"On mehhanism teadmiste hankimiseks, talletamiseks ja töötlemiseks oma funktsioonide täitmiseks.

Intelligentsete juhtimissüsteemide loomisel lähtutakse kahest põhimõttest: situatsioonijuhtimine (välisolukordade või sündmuste analüüsil põhinev juhtimine) ja tänapäevaste infotehnoloogiate kasutamine teadmiste töötlemisel (ekspertsüsteemid, tehisnärvivõrgud, hägusloogika, geneetilised algoritmid, nn. ja mitmed teised).

OEMMPU RAS-i fundamentaaluuringute programm nr 14

"MITMETASEMISE, INTELLIGENTSE JA VÕRGUJUHTMISE SÜSTEEMIDE TOIMIMISE ANALÜÜS JA OPTIMISEERIMINE Ebakindluse tingimustes"

1. Programmi põhjendus

1.1. Teaduslik ja praktiline tähtsus

Tehnoloogia intensiivne areng (võrkude interaktsioon, arvutite miniaturiseerimine, nende kiiruse suurendamine jne) seab kaasaegsetele juhtimissüsteemidele uusi nõudeid ja avab uusi võimalusi nii sisseehitatud juhtimissüsteemide tasemel (suurte dispetšerkeskuste tasemel) kui ka detsentraliseeritud mitme agentuuri süsteemide võrgutasandil (kommunikatsiooni-võrk, rühm) interaktsioon. Juhtimissüsteemid omandavad üha enam infojuhtimissüsteemide iseloomu ning neid uuritakse juhtimis-, arvutus- ja kommunikatsiooniteooriate ristumiskohas. Seega on sidekanalite (kommunikatsiooni) omaduste arvessevõtmine vajalik näiteks detsentraliseeritud (mitmeagendi) süsteemides ja sisseehitatud arvuti omadused on olulised selliste intellektuaalsete funktsioonide rakendamisel mitmetasandilistes juhtimissüsteemides. nagu tehniline nägemus, tegevuste planeerimine, koolitus, mitme kriteeriumi alusel otsustamine, refleksioon jne jne. Eelkõige on kontrolli intellektualiseerimise eesmärk suurendada süsteemide toimimise autonoomiat, kui puuduvad kvantitatiivsed mudelid. dünaamika või häired juhtobjekti toimimises, mis põhjustavad kvantitatiivsete mudelite (näiteks keeruka süsteemi evolutsiooni kirjeldavate võrrandite) adekvaatsuse kaotust, suurendavad kvalitatiivsete (nn teadmised) rolli. näiteks juhtimissüsteemi ülemistel tasanditel kasutatavad objekti ja keskkonna loogilis-lingvistilised) mudelid.

Programmi eesmärk on lahendada põhiprobleeme, mis tekivad Venemaa Föderatsiooni prioriteetsetes teaduse, tehnoloogia ja tehnoloogia valdkondades. Ülesandeks on keerukate tehniliste, inimene-masin jt süsteemide juhtimisteooria vallas uute fundamentaalsete ja rakenduslike tulemuste saamine, arvestades esialgse info ebakindlust ja puudumist, sh: stohhastiliste süsteemide analüüsi ja sünteesi teooria, liikumis- ja tehnoloogiliste protsesside juhtimissüsteemide loomise teooria koos jooksva diagnostika ja tehnilise seisukorra kontrolliga, samuti kaasaegsetel infotehnoloogiatel põhinevate automatiseeritud projekteerimissüsteemide ja intelligentse juhtimise loomise teooria.

Kuna juhtimisteooria, analüüsi ja optimeerimise kasutamine erinevates rakendustes (transport, logistika, tootmine, lennundus- ja kosmosesüsteemid, allveelaevad ja pealveelaevad jne) on mitmekesine, on vaja arvestada paljude keerukuse teguritega. , nagu näiteks:

Mitmetasandiline juhtimine,

detsentraliseerimine,

mittelineaarsus,

Mitmekordne ühendus,

parameetrite jaotus,

Erinevad protsesside mastaabid ruumis ja ajas,

Kõrge mõõde,

alamsüsteemide kirjelduse heterogeensus,

mitmerežiimiline,

Impulssmõjude olemasolu,

Koordinaat-parameetriliste, struktuursete, regulaarsete ja ainsuse häirete olemasolu,

Deterministlike ja tõenäosuslike mudelite kasutamine olekuvektori ja süsteemi parameetrite, mõõtmisvigade omaduste ja keskkonna kohta teabe määramatuse kirjeldamiseks,

viivitusefektide olemasolu juhtseadmes või objektis,

· Kaasaegsete juhtimissüsteemide üldine struktuurne keerukus.

Selle eesmärgi saavutamiseks ja põhiülesannete lahendamiseks hõlmab programm teadus- ja arendustegevust järgmistes põhivaldkondades:

1. Mittetäieliku informatsiooniga mitmetasandiliste juhtimissüsteemide toimimise analüüs ja optimeerimine erinevates ajaskaalates.

2. Juhtimine ja optimeerimine organisatsioonilise ja tehnilise iseloomuga mitmetasandilistes ja detsentraliseeritud süsteemides.

2.1. Haldamine ja optimeerimine võrgukesksetes süsteemides.

2.2. Intelligentne liikuvate objektide juhtimine.

2.3. Mitmetasandiliste reaalajas info- ja juhtimissüsteemide modelleerimine ja optimeerimine.

1. suund. Sisse toimimise analüüs ja optimeerimine mittetäieliku teabega mitmetasandiliste juhtimissüsteemide erinevad ajaskaalad

Paljude kaasaegsete juhtimissüsteemide keerukus ei võimalda sageli eelnevalt saada täielikku kirjeldust süsteemis toimuvatest protsessidest ja selle koostoimest keskkonnaga. Reeglina kirjeldatakse reaalseid süsteeme mittelineaarsete dünaamika võrranditega ja üsna sageli võtavad juhtimissüsteemide matemaatilised mudelid arvesse ainult üksikute elementide parameetrite ja omaduste lubatud variatsioonivahemikke, ilma neid parameetreid ja omadusi ise täpsustamata.

Lisaks takistab mõnes süsteemis, eriti mikromehaanilistes ja kvantsüsteemides, klassikaliste kirjeldamismeetodite kasutamist pidevas või diskreetses ajas asjaolu, et tekkivad sisemised ja/või välised vastasmõjujõud, samuti juhtimistoimingud, on mööduvad, impulsiivsed ja neid ei saa täpselt arvutada. ... Tundub, et süsteem toimib erinevatel ajaskaaladel: tegelik (aeglane) ja kiire (impulss). Skaalade selline ajaline varieeruvus on paljude kaasaegsete juhtimissüsteemide, sealhulgas mitmetasandilise juhtimisega süsteemide loomuomane omadus, milles ülemised tasemed kasutavad kvalitatiivseid ja diskreetseid mudeleid ning madalamad, sagedamini kvantitatiivseid pideva ajaga mudeleid.

Sel põhjusel on selliste süsteemide hübriid- (pidev-diskreetses) ajas toimimise kirjelduse matemaatilise vormistamise meetodite väljatöötamine, nende juhitavuse ja stabiilsuse omaduste uurimine mittetäieliku teabe, opositsiooni ja mittestandardsete tingimustes. piirangud juhtelementidele ja faasimuutujatele on kiireloomuline ülesanne. Nii deterministlike kui ka stohhastiliste pidev-diskreetsete süsteemide optimaalse juhtimise sünteesi meetodite väljatöötamine on sama kiireloomuline ülesanne.

Lisaks on ebakindluse ja a priori teabe nappuse tingimustes väga olulised teabe kogumise ja töötlemise protsessi optimeerimise ülesanded (vaatluste jälgimine ja optimaalne filtreerimine).

2. suund. Juhtimine ja optimeerimine organisatsioonilise ja tehnilise iseloomuga mitmetasandilistes ja detsentraliseeritud süsteemides

2.1. Haldamine ja optimeerimine võrgukesksetes süsteemides

Kaasaegseid keerulisi organisatsiooni- ja tehnilisi süsteeme iseloomustab suur dimensioonilisus, detsentraliseeritus, mitmetasandiline juhtimine, vajadus tegevuste efektiivseks planeerimiseks, arvestades koolitust, tehtavate otsuste multikriteeriumid ja kontrollitavate subjektide kajastamine.

Diskreetsete ja pidevate suurte mõõtmetega hajutatud korrutisega ühendatud süsteemide planeerimise ja juhtimise probleeme iseloomustavad ka erinevad protsesside mastaabid mitte ainult ajas, vaid ka jaotus ja erinevad mastaabid ruumis ning need on üks keerukamaid ja töömahukamaid optimeerimisklasse. probleeme. Sel põhjusel on soovitatav välja töötada uurimismeetodid ja lähenemisviisid täpsete ja ligikaudsete lahenduste leidmiseks, samuti simulatsioonivahendid, mida kasutatakse otsustusabisüsteemides keeruka tehnilise, organisatsioonilise (sh transport ja logistika) ja teabe planeerimisel, projekteerimisel ja haldamisel. süsteemid.

Juhtida detsentraliseeritud organisatsiooni- ja tehniliste süsteemide komponentide (võrgukesksed süsteemid, tootmissüsteemid, andmetöötlus-, telekommunikatsiooni- ja muud võrgud jne) grupi interaktsiooni sidekanalite piirangute ja arvutuste keerukuse kontekstis, süsteemide omadused infotöötlusprotsessid, samuti piirangud otsuste tegemise ajale, arvutusvõimalustele ja sidekanalite ribalaiusele. Seetõttu on asjakohane välja töötada keerukate organisatsiooniliste ja tehniliste süsteemide struktuuri optimeerimismeetodid (arvestades loetletud piiranguid), sealhulgas paljude kriteeriumide samaaegse arvestamisega: lähteandmete detailsus, teabe kogumise tõhusus, planeerimine. ja peegeldav otsuste tegemine, üksikute arvutite piiratud jõudlus ja töö dubleerimise vähendamine. , samuti andmeedastusteenustega seotud kõrvalarvutuste osakaal.

Mitmetasandiliste ja detsentraliseeritud süsteemide jaoks on iseloomulik hajutatud otsuste tegemine reaalajas teabe vastumeetmete tingimustes, samuti teabe mittetäielikkus ja heterogeensus, mis on sageli mitme kriteeriumi kvalitatiivse ja subjektiivse iseloomuga. Seetõttu on vaja välja töötada meetodid adekvaatsete infotugisüsteemide loomiseks ning strateegiliste ja operatiivsete otsuste vastuvõtmise toetamiseks puuduliku informatsiooni ja vastuseisu tingimustes. Selleks on soovitatav eelkõige välja töötada: dünaamiliste organisatsiooniliste ja tehniliste süsteemide mitme agentuuri mudelid, sealhulgas konfliktsete agentidega võrgumudelid, rühma käitumise mudelid ja selle prognoosimine, huvide tasakaalu hindamine ja koalitsioonide moodustamine. need süsteemid, samuti infotehnoloogiate ja teabe esitamise vahendite arendamine.väliskeskkonna ja intelligentsete agentide tundmise kohta.

2.2. Intelligentne liikuvate objektide juhtimine

Püstitatud ülesannete lahendamiseks ei saa alati luua kvantitatiivseid mudeleid, seetõttu kasutatakse programmis traditsiooniliste meetodite kõrval tehisintellekti meetodeid. Tehisintellekt kui teadmiste valdkond on viimase viiekümne aasta jooksul teinud läbi tohutu hüppe nii intelligentsi kontseptsiooni arendamisel ja täiustamisel kui ka tehisintellekti praktilise rakendamise valdkonnas erinevates inimtegevuse valdkondades: tehnoloogias, majanduses, äris, meditsiinis, hariduses jne. Paljud tehisintellekti teoreetilised seisukohad ja meetodid on muudetud teadmistel põhinevateks rakenduslikeks intelligentseteks tehnoloogiateks.

Kaasaegse põlvkonna intelligentsete süsteemide eripära seisneb selles, et nad toetuvad väliskeskkonna komplekssele mudelile, mis võtab arvesse nii kvantitatiivset informatsiooni kui ka kvalitatiivseid mudeleid – teadmisi erinevate objektide võimalikust käitumisest väliskeskkonnas ja nende omavahelistest seostest. Selliste mudelite kasutamine sai võimalikuks tänu teadmiste esitamise meetodite väljatöötamisele, erinevatest allikatest pärit andmete integreerimise meetoditele, arvutite kiiruse ja mälu olulisele suurenemisele.

Väliskeskkonna mudeli olemasolu võimaldab kaasaegsetel intelligentsetel objektide liikuvate juhtimissüsteemidel teha otsuseid mitmekriteeriumi, ebakindluse ja riski tingimustes ning nende otsuste kvaliteet võib ületada inimese tehtud otsuste kvaliteeti teabe ülekülluse tingimustes. , piiratud aeg ja stress.

Sellega seoses on kiireloomuline ülesanne töötada välja uued vahendid ja meetodid liikuvate objektide intelligentse juhtimise arendamiseks ülaltoodud tegurite olemasolul.

2.3. Mitmetasandiliste reaalajas info- ja juhtimissüsteemide modelleerimine ja optimeerimine

Sellesuunaliste uuringute asjakohasus on tingitud vajadusest töötada välja meetodid mitmetasandiliste avatud modulaarsete reaalajas info- ja juhtimissüsteemide (IMS RT) analüüsiks ja sünteesiks mitmerežiimiliste ja mitmeotstarbeliste objektide jaoks, mis töötavad määramatuse, struktuurihäirete tingimustes. ja hädaolukorrad (NSS). Nende juhtimisobjektide hulka kuuluvad kriitilised objektid ja vastutustundliku kasutamise süsteemid, mis määravad riigi julgeoleku.

On ilmne, et selle klassi süsteemide loomise probleeme ja ülesandeid saab edukalt lahendada ühtse teooria väljatöötamise ja selliste süsteemide dünaamilise ja stsenaariumianalüüsi ning selliste süsteemide struktuuri sünteesi, nende algoritmiliste tarkvarapõhiste meetodite abil. , tarkvara ja teabe tugi, mehhanismid tõhusate juhtimismõjude arendamiseks. Eelkõige hõlmavad need avatud info- ja juhtimissüsteemide projekteerimise formaliseeritud metoodika väljatöötamist, sealhulgas mudeleid ja meetodeid avatud arhitektuuriga objektorienteeritud I&C RW modulaarse struktuuri sünteesimiseks, mis on optimaalne vastavalt erinevatele tõhusustele. kriteeriumid. Dünaamilise analüüsi etapis saadud tulemuste põhjal sünteesitakse andmetöötluse ja juhtimise optimaalne funktsionaalne modulaarne struktuur, st määratakse I&C RV moodulite optimaalne koostis ja arv, sünteesitakse süsteemi liides ja selle struktuur. määratakse tarkvara- ja infotugi rakenduste sisendvoogude töötlemiseks.

Tegevuste kavandamiseks ja otsustamise toetamiseks ebakindluse, struktuurihäirete ja hädaolukordade tingimustes on soovitatav kasutada IMS RV stsenaariumianalüüsi ja tõhusate kontrollimeetmete sünteesi meetodeid. Sel juhul moodustatakse struktuursete häirete ja hädaolukordade leviku matemaatiline mudel kaalutud või funktsionaalsete märkide graafikute keeles. Selle mudeli alusel sünteesitakse ratsionaalsed stsenaariumid objektide haldamiseks, kasutades nende koostiselementide töövõime, vastupidavuse ja vastupidavuse mõisteid. NSS-i põhjuste ja tagajärgede kõrvaldamise stsenaariumide süntees mitmerežiimilistes sihtobjektides viiakse läbi, võttes arvesse dünaamiliselt määratud aja- ja ressursipiiranguid. Samuti on vaja välja töötada formulatsioonid ja meetodid ebakindluse, struktuurihäirete ja hädaolukordade tingimustes töötavate mitmerežiimiliste ja mitmeotstarbeliste objektide vastupidavuse kontrolli pöördprobleemide lahendamiseks.

Eelnimetatud juhtimissüsteemide ja -objektide eripära, juhtimisprobleemide lahendamise, analüüsi ja optimeerimise teaduslik ja praktiline tähtsus nende jaoks võimaldavad sõnastada järgmised Programmi peamised eesmärgid ja eesmärgid.

1.2. Peamised eesmärgid ja eesmärgid

Programmi põhieesmärk on lahendada juhtimisteooria fundamentaalsed probleemid, mis takistavad paljulubavate ja riiklikult olulise tähtsusega projektide elluviimist keerukate dünaamiliste ja intelligentsete süsteemide haldamise valdkonnas tehniliste objektide ja protsesside liikumise juhtimiseks tehnilistes ja tehnilistes valdkondades. organisatsioonilised süsteemid.

Uuringud viiakse läbi järgmistel üldistatud teemadel.

1. suund

· Mittelineaarsete süsteemide stabiliseerimise meetodite väljatöötamine koordinaatide mittetäieliku mõõtmise ja juhtimisjõudude lubatud struktuuri piirangute korral.

· Robustse ja adaptiivse vaatluse ja juhtimise meetodite väljatöötamine juhtobjekti ja funktsioneerimiskeskkonna parameetrite deterministlike, tõenäosuslike ja muude mudelite määramatuse tingimustes.

· Meetodite ja algoritmide väljatöötamine pidevate, diskreetsete ja mitmetasandiliste pidev-diskreetsete dünaamiliste mudelite kvalitatiivseks ja kvantitatiivseks analüüsiks ning redutseerimismeetodil põhinevaks juhtsünteesiks vektori ja maatriksi võrdlusfunktsioonide ja mudeliteisendustega.

· Sisekehade konfiguratsiooni või liikumise muutuste tõttu vastupidavas keskkonnas liikuvate uue klassi mehaaniliste süsteemide optimaalse juhtimise probleemi uurimine.

· Mehaaniliste süsteemide põrutusinteraktsiooni kuivhõõrdumise juuresolekul matemaatilise vormistamise meetodite väljatöötamine ja probleemide lahendamine.

· Diskreet-pidevate ja impulssdünaamiliste süsteemide optimaalse juhtimise meetodite väljatöötamine.

· Meetodite väljatöötamine mittelineaarsete objektide garanteeritud juhtimiseks, mis on avatud kontrollimatutele häiretele, dünaamiliste mängude vormis.

· Kvantsüsteemide juhtimise teooria väljatöötamine.

· Dünaamiliste omaduste, nagu stabiilsus, invariantsus, dissipatiivsus, analüüsi meetodite ja algoritmide väljatöötamine süsteemide mitmetasandilise juhtimise oleku ja sünteesi hindamiseks koos erinevatel tasanditel toimuvate protsesside dünaamika heterogeense kirjeldusega.

2. suund.1

· Meetodid suuremõõtmeliste jaotatud parameetrite ja erineva ulatusega (ruumis ja ajas) protsessidega võrgukesksete süsteemide juhtimise probleemide lahendamiseks.

· Kommunikatsioonivõrgu hajutatud projektide ja programmide detsentraliseeritud intelligentse juhtimise mudelid ja meetodid.

· Mitmetasandiliste ja detsentraliseeritud süsteemide struktuuri optimeerimise meetodid.

· Võrgukeskse juhtimise arvutirakenduse meetodid ja struktuurid hajutatud ja paralleelarvutuse matemaatiliselt homogeenses ruumis.

· Mittetäielikul, heterogeensel, kvalitatiivsel ja subjektiivsel informatsioonil põhinevad rühmaotsuste tegemise mudelid ja meetodid.

· Komplekssete tehniliste ning transpordi- ja logistikasüsteemide omavahel seotud toimingute komplekside planeerimise ja juhtimise mudelid ja meetodid.

· Mitme agendi tehnoloogiatel põhinevate hajutatud tarkvara intelligentsete süsteemide loomise põhimõtete, arhitektuuri, meetodite ja algoritmide väljatöötamine.

· Infohalduse mudelite ja meetodite väljatöötamine mitme agentuuriga võrgustruktuurides.

Suund2.2

· Situatsioonijuhtimise üldistatud mudelite väljatöötamine, mis kajastavad fuzzy-, närvivõrgu- ja loogilis-dünaamiliste elementide mudelite struktuuri kaasamise tunnuseid.

· Meetodi väljatöötamine marsruutide planeerimiseks, mis tagavad oma mudelesituses heterogeensete (kvantitatiivsete ja kvalitatiivsete) juhitavate dünaamiliste objektide rühma side stabiilsuse omaduse.

· Adaptiivsete reaalajas modelleerimisplatvormide analüüsi- ja sünteesimeetodite väljatöötamine, võttes arvesse mittelineaarsust, multiühenduvust, juhtimisobjektide kõrget dimensioonilisust rakendusega mere mobiilsetele objektidele.

· Konfliktikeskkonnas liikuvate objektide mitmetasandilise juhtimise intelligentsete süsteemide optimeerimine, võttes arvesse nende grupi interaktsiooni, mitme kriteeriumi, ebakindlust ja riski.

· Meetodite väljatöötamine intelligentsete juhtimissüsteemide tehnilise visiooni pakkumiseks.

· Keerulist manööverdamist sooritavate dünaamiliste objektide intelligentse juhtimise meetodite väljatöötamine, mis põhinevad sundliikumise korraldamisel süsteemi olekuruumis.

Suund2.3

· Avatud arhitektuuriga objektorienteeritud mitmetasandiliste reaalajas infohaldussüsteemide moodulstruktuuri analüüsi ja optimeerimise mudelid ja meetodid määramatuse ja struktuursete häirete tingimustes.

· Elektrisüsteemide ja nende juhtimise režiimide analüüsi- ja optimeerimismeetodid.

· Juhtimisülesannete haavatavuspunktide otsimise stsenaariumi-indikaatori lähenemisviisi mudelid ja meetodid.

· Meetodid liikuvate objektide mitmerežiimiliste juhtimisprotsesside modelleerimiseks, analüüsimiseks ja optimeerimiseks.

· Meetodite ja algoritmide väljatöötamine mittelineaarsete mittestatsionaarsete objektide intelligentseks tuvastamiseks, et parandada juhtimise efektiivsust tehnoloogilise teadmistebaasi moodustamise kaudu, mis põhineb juhtimisobjekti a priori teabel.

· Geoinfotehnoloogiad looduslike ja tehnogeensete komplekside modelleerimiseks megalopolide ökosüsteemide haldamise ülesannetes.

· Navigatsiooni- ja juhtimissüsteemide infotoe analüüs ja optimeerimine.

· Tootmisprotsesside juhtimise mudelid ja meetodid.

Väljatöötatud teooria ning juhtimissüsteemide analüüsi ja sünteesi meetodite tulemusi kasutatakse järgmistes valdkondades:

· liikluse juhtimine lennunduses ja astronautikas, maa- ja mereobjektidel, sõidukitel;

· mitme agentuuriga võrgukesksed süsteemid, tootmissüsteemid, andmetöötlus-, telekommunikatsiooni- ja muud võrgud ;

· transpordi- ja logistikasüsteemid ;

· Ülemaailmsed energia-, gaasiülekande- ja muud suuremahulised infrastruktuurisüsteemid;

· Infosüsteemid juhtimisülesannete täitmiseks ning strateegiliste ja operatiivsete otsuste toetus puuduliku teabe ja vastuseisu tingimustes.

Juhtsüsteemide konstrueerimise teooria põhiprobleemid nõuavad nende intensiivset arendamist. Sellesuunaliste uuringute arendamine võimaldab:

Teoreetiliste aluste väljatöötamine keeruka kolmikprobleemi juht-arvutus-kommunikatsioon lahendamiseks (probleem on " Kontroll- Arvutamine- Suhtlemine") keeruliste info- ja juhtimissüsteemide jaoks, sealhulgas sidekanalite piirangute ja allsüsteemide rikete korral;

Lahendada liikuvate objektide, eriotstarbeliste objektide, tehnoloogiliste ja organisatsioonisüsteemidega seotud põhimõtteliselt uute objektide ja protsesside haldamise probleeme;

Luua tõhusad funktsionaalse diagnostika meetodid ning tagada õhusõidukite ja muude liikuvate objektide juhtimissüsteemide tõrketaluvus ning elektrisüsteemide dünaamiline stabiilsus;

Parandada projekteerimislahenduste väljatöötamise kvaliteeti, kiirendada ja vähendada kulusid juhtimissüsteemide väljatöötamise protsessi algoritmiseerimise ja automatiseerimise kaudu.

Edaspidi mõistetakse juhtimist laiemas tähenduses, sh side-võrk, grupp, hajutatud juhtimine (ingliskeelses kirjanduses - kontroll võrkudes, kontroll võrkude üle, hajutatud juhtimine jne)