Valdymas neapibrėžtumo akivaizdoje. Santrauka: Išmaniosios valdymo sistemos Išmaniųjų valdymo sistemų valdymo objektas

Šis straipsnis taip pat pasiekiamas:

Įvadas

Intelektualus valdymas – tai semiotinės, pažintinės ir informacinės kontrolės apibendrinimas. Intelektualiajame transporto valdyme išskiriamos šios sritys: intelektualios transporto sistemos, intelektualioji semiotinė kontrolė ir intelektualioji pažinimo kontrolė. Intelektualus semiotinis valdymas siejamas su įvairiomis logikos formomis, gamybos sistemomis, evoliuciniais algoritmais. Išmanusis kognityvinis valdymas yra vertinamas kaip žmogaus kompiuterio valdymo sintezė, naudojant asociatyvinius kanalus ir numanomą žinių analizę. Protinga kontrolė suvokiama kaip priemonė priimti sprendimus neapibrėžtumo sąlygomis. Išmanusis informacijos valdymas laikomas intelektualiu informacinių technologijų valdymu.

Išmanaus valdymo poreikis

Vystantis visuomenei ir komplikuojant objektams bei valdymo užduotims, keitėsi ir valdymo technologijos. Pati opiausia sudėtingų situacijų valdymo problema buvo „didžiųjų duomenų“ problema. Tai sukuria informacinę barjerą „organizacijų valdymo“ technologijoms. Šiuolaikiniam valdymui būdingas prastos struktūros informacijos augimas. Tai veda prie perėjimo prie protingo valdymo, o tai savo ruožtu lemia poreikį taikyti žinių valdymo technologijas. Išmanusis valdymas pagrįstas išmaniosiomis sistemomis ir intelektualiomis technologijomis. Išmanioji sistema – tai techninė arba programinė-techninė sistema, gebanti kūrybiškai išspręsti konkrečiai dalykinei sričiai priklausančias problemas, apie kurias išsaugomos žinios tokios sistemos atmintyje. Supaprastinta, intelektualios sistemos struktūra apima tris pagrindinius blokus – žinių bazę, sprendiklį ir išmaniąją sąsają. Sprendimas yra dominuojantis intelektualios sistemos komponentas. Pirmosios eilės logikoje sprendėjas yra mechanizmas, leidžiantis gauti loginių išraiškų sprendimus. Daugiaagentinėse sistemose, kurios priskiriamos dirbtiniam intelektui, taip pat vartojama sprendėjo sąvoka. Agentas yra problemų sprendėjas, kuris yra programinės įrangos subjektas, galintis veikti siekdamas savo tikslų. Simboliniame modeliavime s-solver yra pranešimo specializacijos reikšmė. Vienas pirmųjų Rusijoje šią koncepciją pristatė Efimovas E.I. ... Iš šio trumpo sąrašo matyti išmaniųjų sistemų ir intelektualių technologijų sprendiklio svarba.

Sumanus valdymas taikomosios semiotikos rėmuose

Semiotika tiria ženklų prigimtį, tipus ir funkcijas, ženklų sistemas ir ženklų žmogaus veiklą, natūralių ir dirbtinių kalbų ženklų esmę, siekdama sukurti bendrą ženklų teoriją. Semiotikos srityje yra kryptis „taikomosios semiotikos“, kurios įkūrėjas yra D.A. Pospelovas.

Semiotikoje išskiriamos dvi ženklų taikymo sritys: pažinimas ir komunikacija. Tai dalija semiotiką į dvi dalis: pažinimo semiotiką; semantinių komunikacijų semiotika. Protingo valdymo pagrindas yra semiotinė sistema. Anot Pospelovo, eilės aštuonios aibės vadinamos semiotine sistema W:

W =< T, R, A, P, τ, ρ, α, π>, (1)

kur
T - pagrindinių simbolių rinkinys;
R - sintaksinių taisyklių rinkinys;
A – daug žinių apie dalykinę sritį;
P – sprendimų išvedimo taisyklių rinkinys (pragmatinės taisyklės);
τ yra aibės T keitimo taisyklės;
ρ - aibės R keitimo taisyklės;
α - aibės A keitimo taisyklės;
π yra aibės P keitimo taisyklės.

Pirmieji du rinkiniai generuoja W sistemos kalbą ir τ ir ρ atlikti jo pakeitimą. taisykles α pakeisti daug žinių apie dalykinę sritį. Jei žinias laikysime formalios sistemos aksiomomis (kurią sudaro pirmieji keturi W elementai), tai taisyklės α , iš esmės pakeisti semiotinės sistemos W kalbos pagrindinių simbolių interpretaciją ir atitinkamai teisingai sukonstruotas formules.

Pirmieji keturi rinkiniai sudaro formalią sistemą FS, elementai nuo penkto iki aštunto sudaro formalios sistemos keitimo taisykles. Tokiu būdu jie užtikrina formalios sistemos pritaikymą, „pritaikydami“ ją sprendžiant problemas ir problemas, kurios kyla sistemoje. FS negalima išspręsti.

Taigi semiotinę sistemą (1) galima apibrėžti kaip sudėtinę dinaminę sistemą: W = , kur FSI- nustato semiotinės sistemos būseną, ir MFsi- jos būsenos keitimo taisyklė. Čia reikia pažymėti, kad nors kalbame apie semiotinę sistemą, de facto tokia sistema apibūdina valdymo objektą, tai yra valdymo objekto būseną ir jo dinamiką.

Todėl semiotinė sistema gali būti naujai interpretuojama. Sudėtinė dinaminė sistema: W = FSI, kuri nulemia būseną informacinėje situacijoje ar informacinėje pozicijoje, dinamiška MFsi, kuris apibrėžia valdymo objekto perėjimo iš vienos informacijos padėties į kitą taisykles.

taisykles MFsi = (τ, ρ, α, π), tuos, kurie keičia formaliosios sistemos (valdymo objekto) būseną, jungia semiotinio trikampio (Frege's trikampio) elementuose egzistuojanti priklausomybė. Tai reiškia, kad taikant vieną iš keturių taisyklių, taikomos ir likusios taisyklės.

Šios priklausomybės yra sudėtingos, jų analitinio atvaizdavimo nėra, o tai sunku ir yra dirbtinio intelekto semiotinių sistemų tyrimų objektas. Todėl lengviau naudoti informacinį metodą ir informacijos modeliavimą.

Formalių valdymo sistemų plėtiniai dinaminių komponentų pavidalu MFsi suteikti sistemų atvirumo savybes. Jie sukuria galimybę pritaikyti valdymo objektą prie valdymo įtakos ir besikeičiančių išorinių sąlygų.

Tai visų pirma leidžia žymiai išplėsti sprendimų priėmimo palaikymo galimybes, kai pradinė informacija yra neapibrėžta, neišsami ir nenuosekli.

Neapibrėžtumų tipai įgyvendinant intelektualųjį valdymą

Tradiciniai valdymo metodai, įskaitant kai kurias išmaniojo valdymo rūšis, yra pagrįsti prielaida, kad objekto būsenos ir valdymo modeliai tiksliai apibūdina jo elgesį. Šia prielaida pagrįsti metodai įtraukti į klasikinę valdymo teoriją. Tačiau didėjančių apimčių, nestruktūruotos informacijos augimo ir išorinės aplinkos poveikio sąlygomis būdingi nukrypimai nuo šios sąlygos.

Beveik bet koks modelis yra supaprastintas realaus objekto, jo būsenos ir elgesio aprašymas. Supaprastinimo laipsnis gali būti toleruojamas arba sukelti neaiškumų. Valdymo objekto elgsenos dinamikoje kai kurios objekto charakteristikos gali reikšmingai pasikeisti jam funkcionuojant. Visa tai sukuria dviprasmybių įvairiuose objekto apibūdinimo modeliuose ir apsunkina jo valdymą, įskaitant intelektualų. Tipiškas valdymo modelis, kuriuo grindžiamas valdymo algoritmas arba nustatytų valdymo taisyklių rinkinys, vadinamas vardiniu.

Esant dideliam neapibrėžtumui, klasikiniai valdymo teorijos metodai pasirodo netinkami arba duoda nepatenkinamus rezultatus. Tokiais atvejais būtina naudoti specialius neriboto modelio objektų valdymo sistemų analizės ir sintezės metodus. Pirmiausia reikia įvertinti neapibrėžtumo tipą ir vertę.

Išskiriami pagrindiniai valdymo modelių neapibrėžčių tipai: parametrinis, funkcinis, struktūrinis ir signalinis.

Parametrinė neapibrėžtis reiškia, kad pastovūs modelio parametrai yra nežinomi arba netikslūs. Pavyzdžiui, vietoj taškų reikšmės naudojamos intervalų reikšmės. Pereinant prie informacijos matavimo sistemų, galime kalbėti apie parametrų informacinio tikrumo stoką. Todėl daugeliu atvejų tikrosios parametrų vertės gali labai skirtis nuo priimtų vardinių verčių.

Signalo neapibrėžtis reiškia, kad valdymo veiksmą ar informacijos srautus valdymo sistemoje veikia trukdžiai, kurie reikšmingai keičia vardinius signalus. Tokie signalai, kurie valdymo procesą nukrypsta nuo vardinio, vadinami trikdžiais arba triukšmais. Skirtumas tas, kad trukdžiai yra pasyvūs ir keičia tik signalo ir triukšmo santykį. Perturbacija keičia signalą tais pačiais trukdžiais.

Šiuolaikinės išmaniosios valdymo sistemos turi užtikrinti daugelio susijusių techninių objektų autonominį veikimą. Tai suteikia pagrindo kalbėti apie intelektualią valdymo sistemą (IMS). Išmani sistema turi išspręsti sudėtingas problemas, įskaitant planavimą, tikslų nustatymą, prognozavimą ir pan. Dėl sprendimų universalumo, pritaikymo ir tikslumo patartina naudoti daugiafunkcį išmanųjį valdymą.

Išmaniosios valdymo sistemos daugiapakopė architektūra susideda iš trijų lygių: koncepcinio, informacinio ir veikimo (1 pav.). Tokia architektūra pagrįsta sistema kontroliuoja sudėtingų techninių objektų elgesį autonominės ir kolektyvinės sąveikos sąlygomis. Koncepcinis lygmuo yra atsakingas už aukštesnių intelektualinių funkcijų įgyvendinimą.

1 pav. Daugiapakopis protingas valdymas.

Koncepciniame lygmenyje naudojamas semiotinis (ženklinis) žinių vaizdavimas, o pranešimais keičiamasi su kitais lygiais. Informacijos ir veiklos lygmenyse yra moduliai, kurie palaiko įvairias intelektines ir informacines procedūras ir paverčia jas valdymu.

Pagrindinis vadybos uždavinys konceptualiame lygmenyje yra semiotine (simboline) forma pateiktų konceptualių žinių saugojimas, įgijimas ir panaudojimas.

Sudėtinė dinaminė sistema: W = susideda iš dviejų komponentų: statinio FSI kuri apibrėžia dinaminę ženklų sistemą MFsi, kuri apibrėžia taisyklių sistemą (1 pav.).

Žinių įgijimas grindžiamas realios situacijos išorinėje aplinkoje modeliu. Aukščiausios intelektinės funkcijos apima pagrindinio tikslo ir subtikslų nustatymo, elgesio planavimo ir poveikio paskirstymo bendrame veiksmų plane funkcijas.

Informacijos valdymo lygmenyje sprendžiami informacijos modeliavimo uždaviniai, kurių pagrindiniai yra: informacinės situacijos, informacinės pozicijos kūrimas, atitinkantis komponentą. FSI... Informacijos valdymo lygmenyje sprendžiami informacinės struktūros kūrimo uždaviniai, kurie yra konceptualaus lygmens taisyklių sistemos atspindys ir atitinka komponentą. Mfsi. Semiotinio valdymo kalbinė aplinka informaciniame lygmenyje įgyvendinama naudojant įvairius informacijos vienetus. Kurie yra informacinės situacijos, informacijos pozicijos ir informacijos struktūros kūrimo pagrindas.

Operatyviniame (vykdomajame) lygmenyje vyksta valdymo sprendimų (vadybos įtakos) įgyvendinimas. Valdymo įtaka be klaidų keičia valdomo objekto informacinę padėtį. Valdymo įtakos prireikus gali pakeisti valdomo objekto informacinę situaciją. Tuo pačiu dažniausiai nereikia keisti informacinės situacijos. Pagrindinis šio lygio uždavinys – pakeisti valdymo objekto būseną ir padėtį bei pranešti apie pokyčius konceptualiame lygmenyje.

Sluoksniuota architektūra turi keletą savybių. Tai apima daugybę žmogaus pažinimo funkcijų. Ji remiasi informacinio požiūrio į protingą valdymą naudojimu.

Reikėtų pažymėti skirtumą tarp intelektualiųjų ir informacinių technologijų. Informacinės technologijos atlieka išmaniojo valdymo palaikymo funkcijas. Pagrindinį vaidmenį atlieka išmanios sprendimų priėmimo technologijos. Jie leidžia kartu su sprendimu arba sprendimo gavimo metu ieškoti naujų žinių ir kaupti intelektinius išteklius. Informacinės technologijos kuria tik informacinius išteklius. Tai reiškia, kad aiškiai įformintos žinios, įsisavintos, gali tapti patirties dalimi, žinių bazės dalimi ir būti panaudotos sprendžiant problemas ir priimant sprendimus.

Išvada

Sumanus valdymas yra veiksmingas ir būtinas valdant sudėtingus objektus, kuriems sunku arba neįmanoma rasti formalių funkcionavimo modelių. Išmaniojo valdymo pagrindas – pirmiausia semiotiniai modeliai, o antroje – informaciniai. Išmanieji valdymo metodai yra įvairūs ir pritaikomi techninėms, pažinimo ir transporto sistemoms. Išmanusis valdymas plačiai naudojamas įvairiems tikslams valdyti. Šiuolaikinis išmanusis valdymas integruojamas į debesų platformas ir paslaugas. Vadovaujant paskirstytoms organizacijoms ir korporacijoms, atsiranda būtinybė atsižvelgti į erdvinius ryšius ir erdvines žinias. Kita problema – ribotas intelektualių technologijų, skirtų dirbti su tyliomis žiniomis, skaičius. Techniškai žinių valdymo problema siejama su informacinių išteklių pavertimu intelektiniais ištekliais ir jų taikymu išmaniosiose technologijose.

Bibliografinis sąrašas

UDC 004.896

I. A. Ščerbatovas

IŠMANUS ROBOTIŠKŲ SISTEMŲ VALDYMAS NETURIUOSE

Įvadas

Intelektualus valdymas – dirbtinio intelekto metodų taikymas įvairios fizinės prigimties objektams valdyti. Robotinių sistemų valdymo srityje plačiausiai naudojami dirbtinio intelekto metodai. Tai visų pirma lemia robotų savarankiškumas ir poreikis jiems spręsti neformalizuotas kūrybines užduotis nepilnos informacijos ir įvairaus pobūdžio neapibrėžtumo sąlygomis.

Dar visai neseniai natūralaus intelekto prerogatyva išliko nurodyta problemų klasė: valdymo objekto operatorius, inžinierius, mokslininkas, t.y., žmogus. Šiuolaikiniai automatinio valdymo teorijos pasiekimai, išmanūs pusiau struktūrizuotų užduočių formalizavimo ir sudėtingų techninių sistemų valdymo metodai leidžia įgyvendinti labai sudėtingas robotines sistemas, apimančias mobilias robotines platformas, lanksčias automatizuotas linijas ir android robotus.

Robotinės sistemos veikia nepilnos įvesties informacijos sąlygomis, kai esminis negalėjimas išmatuoti daugelio parametrų nustato didelius valdymo programos apribojimus. Dėl to reikia sukurti algoritmų bazę, kuri leistų, remiantis netiesioginiais ženklais ir išmatuojamais rodikliais, apskaičiuoti neišmatuotus parametrus.

Dėl išorinės aplinkos, kurioje veikia robotų sistema, neapibrėžtumas verčia į valdymo sistemą įtraukti įvairių rūšių kompensatorius, informacijos pritaikymo, kaupimo ir reitingavimo modulius.

Problemos formulavimas

Tyrimo tikslas – suformuluoti robotizuotų sistemų išmaniųjų valdymo sistemų konstravimo požiūrius, kurie yra nekintami veikimo specifikos atžvilgiu, atsižvelgiant į įvesties informacijos neišsamumą ir įvairaus pobūdžio neapibrėžtumą.

Šiam tikslui pasiekti reikia išspręsti daugybę tarpusavyje susijusių uždavinių: išanalizuoti robotizuotų sistemų išmaniųjų valdymo sistemų architektūras; sukurti apibendrintą robotizuotos sistemos situacijos identifikavimo algoritmą; parengti apibendrintą robotizuotos sistemos valdymo sistemos schemą; sukurti išmaniąsias manipuliacinio roboto valdymo sistemas, mobilią robotų platformą ir lanksčią automatizuotą liniją.

Tyrimo metodai

Tyrimo metu panaudoti bendrosios automatinio valdymo teorijos, neaiškių aibių, neuroninių tinklų teorijos, sistemų analizės, ekspertinių vertinimų teorijos metodai.

Robotinės sistemos vieta išorinėje aplinkoje

Įgyvendinant išmaniuosius valdymo algoritmus, prioritetas yra dabartinės situacijos, kurioje yra robotinė sistema, identifikavimo užduotis. Šiai problemai išspręsti buvo sukurta situacijų identifikavimo sistemos struktūrinė schema (1 pav.).

Techninio regėjimo ir jutimo jutimo vienetas skirtas nustatyti išorinės aplinkos būklės pokyčius ir pateikti aplinkos jutiklinį žemėlapį tolesniam apdorojimui. Jutiminis aplinkos žemėlapis yra situacijos, kurioje robotas yra dabartiniu laiko momentu, vaizdas. Jutiklių žemėlapio sudarymo laiko intervalas parenkamas atsižvelgiant į dalykinės srities specifiką.

Žinių bazė

operatorius

Intelektualus

sąsaja

Identifikatorius

algoritmai

Techninio regėjimo ir juslinio suvokimo organai

Išorinė aplinka

Vykdomasis

mechanizmai

Ryžiai. 1. Situacijos identifikavimo sistemos blokinė schema

Darbinė atmintis, pagal analogiją su ekspertinėmis sistemomis, yra skirta apdoroti informaciją, gaunamą iš jutiklių ir apdorojamą naudojant esamą algoritmų bazę ir robotinės sistemos žinių bazę (KB).

Algoritmų bazė apima jutiklių žemėlapio išankstinio apdorojimo (skaitmeninio signalo apdorojimo, garso vaizdų ir vaizdų atpažinimo), neišmatuotų parametrų skaičiavimo (funkcinės priklausomybės nuo matuojamų parametrų), informacijos išsamumo atkūrimo (žinių išsamumo ir nenuoseklumo tikrinimo, žinių pritaikymo) algoritmus. atsižvelgiant į nestacionarumą ir kintamas išorines sąlygas), matematinius veiksmus ir kt.

Žinių bazė yra sudėtinga hierarchinė struktūra, kurioje yra a priori informacija apie išorinę aplinką, išdėstyta mokymo etape, išsamios ir nuoseklios žinios, kurias robotas įgyja funkcionuodamas ir suvokdamas išorinę aplinką. Žinios žinių bazėje reitinguojamos pagal aktualumo kriterijus ir atnaujinamos atsižvelgiant į roboto veikimo specifikos pokyčius remiantis žinių pritaikymo algoritmais.

Svarbiausias blokas yra situacijos identifikatorius. Būtent šis blokas yra atsakingas už teisingą situacijos vaizdo atpažinimą pagal jutiklio žemėlapį. Šio bloko rezultato informacija yra lemiama renkantis robotų sistemos valdymo programą.

Ir galiausiai – išmani sąsaja, reikalinga bendravimui su operatoriumi. Operatorius kontroliuoja robotizuotos sistemos veikimą, taip pat stebi procesą, kad būtų pasiekti užsibrėžti tikslai. Paprastai roboto ir operatoriaus ryšys turėtų vykti naudojant natūralios kalbos sąsają ribotame natūralios kalbos pogrupyje.

Robotinės sistemos valdymo sistemos struktūra neapibrėžtumo sąlygomis

Išmanaus robotizuotų sistemų valdymo algoritmų ir programų įgyvendinimas neapibrėžtumo sąlygomis yra susijęs su daugybe didelių sunkumų.

Preliminaraus įvesties informacijos apdorojimo algoritmų sudėtingumas ir pačios robotizuotos sistemos elgesio modelio struktūrinis neapibrėžtumas lemia intelektualios valdymo sistemos struktūros pertekliškumą.

Roboto valdymo neapibrėžtumo sąlygomis problemai išspręsti buvo sukurta tokia intelektualios valdymo sistemos architektūra (2 pav.).

Situacijos identifikavimo sistema (SID) turėtų būti bet kurios išmaniosios robotų sistemos valdymo sistemos dalis. Išmaniame valdymo įrenginyje (IUU) yra BZ ir valdymo programos pasirinkimo blokas (BVPU). Šio bloko tikslas – sukurti elektrinių pavarų sistemos (ED), veikiančios roboto mechaninę sistemą (MS), valdymo veiksmą.

Ryžiai. 2. Robotinės sistemos intelektualios valdymo sistemos blokinė schema

Pramoninių manipuliatorių valdymo sistemos

Tradicinės pramoninės manipuliatorių valdymo sistemos skirstomos į kelias klases. Pirmoji sistemų klasė – programinės valdymo sistemos.

Manipuliatoriaus darbinio kūno nuolatinio valdymo sistema reiškia manipuliatoriaus pritaikymą prie etaloninio modelio. Šis valdymo algoritmas neatsižvelgia į nuostolius manipuliatoriuje MS ir daroma prielaida, kad visos pavarų sukurtos pastangos perduodamos darbo korpusui.

Programuojama jėgos valdymo sistema darbiniame kūne valdoma ne tik jėgos vektorius, bet ir darbinio kūno padėties vektorius. Nepriklausomo judesio ir jėgos valdymo sistema manipuliatoriaus darbiniame korpuse skirtingam mobilumo laipsniui turi dvi valdymo kilpas su grįžtamuoju ryšiu: padėties ir jėgos.

Manipuliatoriaus darbiniame kūne susieto poslinkio ir jėgos valdymo sistemoje užduotis pagal darbinio kūno padėties vektorių koreguojama esama jėgos vektoriaus verte. Tai reiškia, kad darbiniam kūnui judant, jo smūgio dydis koreguojamas pagal poveikio išorinei aplinkai jėgą.

Adaptyvios valdymo sistemos naudojamos atliekant: savavališkai esančio ar judančio objekto paėmimo operacijas, lankinį siūlių suvirinimą su kintama padėtimi, apeinant judančias ir nenumatytas kliūtis. Tam naudojamos adaptyvios sistemos su asociatyvia atmintimi.

Pramoniniams manipuliatoriams valdyti taip pat naudojamos tvirtos valdymo sistemos, kurios šiuo metu plačiai naudojamos praktikoje.

Sumanus valdymo įgyvendinimas

Robotinės sistemos veikimo neapibrėžtumo sąlygomis problema yra daugialypė.

Apsvarstykite robotų sistemos elgesio planavimo neapibrėžtumo sąlygomis problemą. Jai išspręsti tikslingiausia pasitelkti dinaminių ekspertinių sistemų technologiją. Tokios ekspertų sistemos žinių bazė laikui bėgant koreguojama. Jei taikoma gamybos taisyklių bazė, tada nuolat tikrinama, ar gamybos taisyklių sudėtis yra išsamesnė ir nuoseklesnė. Be to, dėl adaptacijos algoritmų pasenusios ir pasenusios taisyklės yra atnaujinamos ir keičiamos. Kartu ypatingas dėmesys skiriamas ekspertinės sistemos mokymo be mokytojo (savarankiško mokymosi) klausimams, nes stebėti aukštos kvalifikacijos specialisto sistemą ekonomiškai netikslinga.

Savarankiškai besimokantis arba savaime derinamas ekspertų sistemos žinių bazės blokas reikalauja kruopštaus tyrimo projektuojant išmaniąją robotų sistemos valdymo sistemą.

mano. Būtent nuo šio projektavimo etapo kokybės dažnai priklauso užduoties sprendimo efektyvumas. Ji turėtų apimti žinių išsamumo ir nenuoseklumo vertinimo, valdymo kokybės vertinimo ir žinių koregavimo posistemes.

Chronologiškai kitas etapas po elgesio planavimo gali būti valdymo komandų davimo robotų sistemai problema natūralia kalba. Norint sukurti natūralios kalbos sąsają, mūsų nuomone, tinkamiausias įgyvendinimo įrankis yra neaiškių aibių teorija.

Kalbinių kintamųjų, turinčių tam tikrą, anksčiau aprašytą terminų rinkinį, pagalba sudaromas dalykinės srities aprašymas, ribota komandų ir objektų sistema, kuri veikia robotų sistemą ir keičiasi jos veikimo metu. Šiuo atveju naudojami miglotosios ir defuzifikacijos metodai bei neaiškios išvados algoritmai turi didelę įtaką valdymo veiksmų tikslumui ir robotinės sistemos greičiui.

Ir galiausiai, neuroninių tinklų valdymo sistemų naudojimas robotizuotoms sistemoms. Pagrindinis neuroninio tinklo privalumas yra tai, kad nereikia žinoti ar kurti matematinio objekto modelio, nes neuroninis tinklas yra universalus neryškus aproksimatorius.

Objektas (robotinė sistema) veikia kaip „juodoji dėžė“. Neuroninis tinklas gali veikti kaip kontrolinės robotų sistemos etaloninis modelis. Reikėtų pažymėti, kad tai turėtų būti mokomasis daugiasluoksnis neuroninis tinklas (objekto identifikatorius). Neuroninio tinklo modelis yra suderintas su valdymo objektu dėl objekto ir modelio išvesties signalų neatitikimo. Jis taip pat sudaro mokymo pavyzdį, skirtą valdymo įtaisui reguliuoti ir reguliuoti pagal pasirinktą kokybės kriterijų.

Išvada

Analizė leido susintetinti intelektualios robotizuotų sistemų valdymo sistemos architektūrą, kuri yra nekintama atsižvelgiant į veikimo specifiką. Sukurtas situacijos identifikavimo algoritmas leidžia sudaryti itin informatyvius išorinės aplinkos jutiklių žemėlapius. Aprašomi pagrindiniai robotizuotų sistemų išmaniųjų valdymo sistemų formavimo būdai. Pateikiamos efektyviausių dirbtinio intelekto metodų, naudojamų valdymo įtaisams įgyvendinti, perspektyvinio kūrimo kryptys.

BIBLIOGRAFIJA

1. Yurevich EI Robotikos pagrindai. - SPb .: BHV-Peterburgas, 2007 .-- 416 p.

2. Robotų manipuliavimo sistemos / red. A.I. Korendyaseva. - M .: Mashinostroenie, 1989 .-- 472 p.

3. Burdakov SF Tvirtų reguliatorių su elastiniais elementais sintezė: dirbinių rinkinys. mokslinis. tr. - Nr. 443. Mechanika ir valdymo procesai. - SPb .: SPbSTU, 1992 m.

4. Protalinsky OM Dirbtinio intelekto metodų taikymas technologinių procesų automatizavime: monografija. - Astrachanė: ASTU leidykla, 2004 .-- 184 p.

Straipsnis į redakciją gautas 2010-01-13

INTELEKTUALUS ROBOTIKOS SISTEMŲ VALDYMAS NEAPSIBRĖŽIMO SĄLYGOMIS

I. A. Ščerbatovas

Darbo tikslas – formuoti požiūrius į robotikos sistemų intelektualinio valdymo sistemų konstravimą, nekintamus veikimo specifiškumo atžvilgiu, atsižvelgiant į įėjimo informacijos neišsamumą ir įvairaus pobūdžio neapibrėžtumą. Atliekama analizė, leidžianti sintetinti robotikos sistemų intelektualinio valdymo sistemos architektūrą, nepakeičiamą veikimo specifiškumo atžvilgiu. Sukurtas situacijos identifikavimo algoritmas leidžia sukurti geras aplinkos lietimo korteles. Aprašomi pagrindiniai robotų sistemų intelektualinio valdymo sistemų formavimo būdai. Pateikiamos efektyviausių dirbtinio intelekto metodų, taikomų realizuojant paleidimo įtaisus, perspektyvinės plėtros kryptys.

Raktažodžiai: robotikos sistema, robotas, intelektualus valdymas, struktūrinis neapibrėžtumas, informacijos neužbaigtumas, jutiklinė kortelė, neuroninis tinklas, neaiškių aibių teorija, savarankiškai parengta ekspertų sistema.

13 TEMA. IŠMANIOS VALDYMO SISTEMOS

Naujos kartos sistemos – intelektualios sistemos (IS) – atgaivino kitus sistemų komponentų organizavimo principus, atsirado naujų sąvokų, terminų, blokų, su kuriais anksčiau nebuvo susidurta plėtroje, taigi ir mokslinėje literatūroje.

Intelektualios sistemos geba susintetinti tikslą, priimti sprendimą veikti, numatyti veiksmą tikslui pasiekti, numatyti veiksmo rezultato parametrų reikšmes ir palyginti jas su realiomis, formuojant grįžtamąjį ryšį, koreguoti tikslą ar kontrolę.

13.1 paveiksle parodyta IS blokinė schema, kurioje išryškinti du dideli sistemos blokai: tikslo sintezė ir jo įgyvendinimas.

Pirmajame bloke, remiantis aktyviu iš jutiklių sistemos gautos informacijos vertinimu, esant motyvacijai ir žinioms, susintetinamas tikslas ir priimamas sprendimas veikti. Aktyvus informacijos vertinimas atliekamas veikiant trigeriniams signalams. Aplinkos kintamumas ir pačios sistemos būsena gali sukelti kažko poreikį (motyvaciją), o jei yra žinių, galima susintetinti tikslą.

Tikslas suprantamas kaip idealus, protinis veiklos rezultato numatymas. Toliau aktyviai vertindami informaciją apie aplinką ir pačios sistemos, įskaitant valdymo objektą, būseną, lygindami tikslo pasiekimo galimybes, galite priimti sprendimą dėl veiksmų.

Be to, antrajame bloke dinaminė ekspertų sistema (DES), remdamasi dabartine informacija apie aplinką ir savo IS būklę, esant tikslui ir žinioms, atlieka ekspertinį vertinimą, priima sprendimą dėl valdymo. , numato veiksmo rezultatus ir ugdo kontrolę.

Užkoduotas valdymas paverčiamas fiziniu signalu ir tiekiamas į pavaras.

Valdymo objektas, gavęs signalą iš pavarų, atlieka vieną ar kitą veiksmą, kurio rezultatai, pateikti parametrų pavidalu, per grįžtamojo ryšio kilpą 2 patenka į DES, kur lyginami su numatomais. Tuo pačiu metu veiksmo rezultato parametrai, interpretuojami pagal tikslo savybes ir patenkant į I bloką, gali būti naudojami emociniam pasiekto rezultato įvertinimui: pavyzdžiui, tikslas pasiektas, tačiau rezultatas nėra malonus.

Jei tikslas visais atžvilgiais pasiekiamas, tada valdymas sustiprinamas. Priešingu atveju valdymas pataisomas. Kai tikslas nepasiekiamas, tikslas koreguojamas.

Pažymėtina, kad staigiai pasikeitus aplinkos, ar valdymo objekto, ar visos sistemos būklei, galima susintetinti naują tikslą ir organizuoti jo siekimą.

IS struktūroje kartu su naujais elementais yra tradicinių elementų ir jungčių, joje centrinę vietą užima dinamiška ekspertų sistema.

1 blokas – įvarčių sintezė II blokas – tikslo realizavimas

13.1 pav. – IC blokinė schema

Formaliai IS apibūdinama šiomis šešiomis išraiškomis:

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 SU T ,

čia T yra laiko taškų rinkinys;

X, S, M, C, R ir Y – sistemos, aplinkos, motyvacijos, tikslo, prognozuojamo ir realaus rezultato būsenų visuma;

А, В ir D - parametrų matricos;

Sumanūs transformacijų operatoriai, naudojantys žinias.

Šis aprašymas sujungia sistemos objektų vaizdavimą reikšmių rinkinio, teiginių rinkinio ar kitų formų pavidalu.

IS dinamines savybes galima aprašyti būsenų erdvėje. Sumanūs operatoriai, pažinimo procese įgyvendinantys suvokimą, reprezentavimą, sąvokų formavimą, sprendimą ir išvadas, yra formali informacijos ir žinių apdorojimo bei sprendimo priėmimo priemonė. Visi šie aspektai turėtų būti pagrindas kuriant DES, veikiančius realiuoju laiku ir realiame pasaulyje.

Dinamiška ekspertų sistema – tai tam tikras kompleksinis ugdymas, gebantis įvertinti sistemos ir aplinkos būklę, lyginti norimų ir realių veiksmo rezultatų parametrus, priimti sprendimą ir sukurti kontrolę, prisidedančią prie tikslo siekimo. Norėdami tai padaryti, DES turi turėti žinių ir problemų sprendimo metodus. Ekspertų sistemai perduotas žinias galima suskirstyti į tris kategorijas:

1) konceptualios (sąvokų lygmeniu) žinios yra žinios, įkūnytos žmogaus kalbos žodžiais arba, konkrečiau, moksliniais ir techniniais terminais ir, žinoma, už šių terminų esančiomis aplinkos objektų klasėmis ir savybėmis. Tai taip pat apima sąvokų ir jų savybių ryšius, ryšius ir priklausomybes, o ryšiai yra abstraktūs, taip pat išreikšti žodžiais ir terminais. Konceptualios žinios yra sfera, daugiausia fundamentinių mokslų, jei atsižvelgsime į tai, kad sąvoka yra aukščiausias aukščiausio materijos produkto – smegenų – produktas;

2) faktinės, dalykinės žinios – tai informacijos apie konkrečių objektų kokybines ir kiekybines charakteristikas rinkinys. Būtent su šia žinių kategorija yra siejami terminai „informacija“ ir „duomenys“, nors toks šių terminų vartojimas kiek sumenkina jų reikšmę. Bet kokios žinios neša informaciją ir gali būti pateiktos duomenų pavidalu; Faktinės žinios yra tai, su kuo kompiuteriai visada susidorojo ir su kuo iki šiol buvo daugiausiai. Šiuolaikinė duomenų kaupimo forma paprastai vadinama duomenų bazėmis. Žinoma, norint tvarkyti duomenų bazes, rasti jose reikiamą informaciją, reikia remtis konceptualiomis žiniomis;

3) algoritminės, procedūrinės žinios – taip paprastai vadinami žodžiai „įgūdžiai“, „technologija“ ir t.t.. Skaičiuojant algoritminės žinios realizuojamos algoritmų, programų ir paprogramių pavidalu, bet ne bet kokios, o tokios, kurios gali gali būti perduodami iš rankų į rankas ir naudojami nedalyvaujant autoriams. Šis algoritminių žinių įgyvendinimas vadinamas programinės įrangos produktu. Dažniausios programinės įrangos produkto formos yra programinės įrangos paketai, programinės įrangos sistemos ir kitos, orientuotos į konkrečią DES taikymo sritį. Programų paketų organizavimas ir naudojimas grindžiamas konceptualiomis žiniomis.

Akivaizdu, kad konceptualios žinios yra aukštesnė, apibrėžianti žinių kategorija, nors praktiniu požiūriu kitos kategorijos gali atrodyti svarbesnės.

Tikriausiai todėl konceptualios žinios retai įkūnijamos tokia forma, kurią būtų galima apdoroti kompiuteriu. Ir jei jis yra įkūnytas, tada dažniausiai jis yra neišsamus ir vienpusis. Daugeliu atvejų žmogus išlieka konceptualių žinių nešėjas. Tai lėtina daugelio procesų automatizavimą.

Koncepcinių žinių, tiksliau – sistemų, kurios įgyvendina visas tris žinių kategorijas, tačiau išryškina konceptualias žinias pirmame plane ir veikia jų intensyvaus panaudojimo pagrindu, vaizdiniai, vadinami žinių bazėmis.

IP žinių bazių kūrimas ir platus naudojimas yra viena iš svarbiausių užduočių. Koncepcinė žinių bazės dalis bus vadinama domeno modeliu, algoritminė – programinės įrangos sistema, o faktinė – duomenų baze.

Kita DES funkcija yra problemų sprendimas. Problemą mašina gali išspręsti tik tada, kai ji yra formaliai iškelta – jei jai buvo parašyta formali specifikacija. Pastarasis turėtų būti pagrįstas tam tikra žinių baze. Domeno modelis aprašo bendrą nustatymą, kuriame užduotis atsirado, o specifikacijoje – užduoties turinį. Kartu jie leidžia nustatyti, kokius abstrakčius ryšius ir priklausomybes, kokiais deriniais ir kokia seka naudoti sprendžiant problemą.

Taikomosios programos atspindi konkrečius įrankius, slypinčius už šių priklausomybių, taip pat turi algoritmus, leidžiančius išspręsti kylančias lygtis. Galiausiai duomenų bazė pateikia visus arba dalį pradinių duomenų šiems algoritmams vykdyti, trūkstami duomenys turi būti pateikti specifikacijoje.

Šios trys žinių bazės dalys atitinka tris problemos sprendimo etapus:

1) abstrakčios sprendimo programos sudarymas (įskaitant problemos atsiradimą, jos formulavimą ir patikslinimą);

2) problemos vertimas į tinkamą mašinų kalbą;

3) programos transliavimas ir vykdymas.

Abstrakčios programos kūrimas yra susijęs su konceptualių žinių vaizdavimu ir apdorojimu IS ir pagal apibrėžimą yra dirbtinio intelekto nuosavybė.

Dirbtinis intelektas siejamas su tekstų, žodinių pranešimų natūralia kalba apdorojimu, su informacijos analize ir apdorojimu (visų tipų vaizdų atpažinimas, teoremų įrodinėjimas, loginė išvada ir kt.).

DES funkcijos taip pat yra problemos sprendimo rezultatų vertinimas, būsimo veiksmo rezultato parametrų formavimas, sprendimų dėl valdymo priėmimas, kontrolės kūrimas bei norimų ir realių parametrų palyginimas. rezultatus. Jame numatytas procesų modeliavimas siekiant įvertinti galimas pasekmes ir problemos sprendimo teisingumą.

Atkreipkite dėmesį, kad realiais atvejais iškyla tiriamų objektų aprašymo problema. Nedera tokio aprašymo laikyti užduoties specifikacijos dalimi, nes paprastai vienam objektui keliama daug užduočių, į kurias, žinoma, reikia atsižvelgti formuojant žinių bazę. Be to, gali pasirodyti, kad kilusi problema negali būti automatiškai išspręsta iki galo, pavyzdžiui, dėl objekto specifikacijos ar aprašymo neišsamumo.

Todėl IS tam tikrais etapais patartina turėti interaktyvų veikimo režimą su DES. Reikia atsiminti, kad domeno modelis apibūdina bendrą aplinką (žinias), o specifikacija – užduoties turinį. Labai svarbios problemos yra vieningos programinės įrangos aplinkos sukūrimas ir algoritmų sintezė tiesiogiai pagal problemos formuluotę.

Priklausomai nuo IS keliamo tikslo, žinių bazė, problemos sprendimo, sprendimo priėmimo, kontrolės kūrimo algoritmai, žinoma, gali turėti skirtingą atvaizdavimą, o tai, savo ruožtu, priklauso nuo problemų sprendimo pobūdžio. Atitinkamai, galima pamatyti tris DES tipus. Pirmojo tipo DES struktūra parodyta 13.2 pav.

13.2 pav. Pirmojo tipo DES struktūra

Čia daroma prielaida, kad konceptualios ir faktinės žinios tiksliai atspindi procesus ir informaciją, susijusią su tam tikra dalykine sritimi.

Tada šioje srityje kylančios problemos sprendimas bus gautas remiantis griežtais matematiniais metodais, laikantis formuluotės ir specifikacijos. Sprendimo tyrimo rezultatai ir prognozė naudojami ekspertų nuomonei gauti ir sprendimui dėl valdymo poreikio priimti. Tada, remiantis tinkamu valdymo algoritmu, esančiu žinių bazėje, formuojamas valdymo veiksmas.

Šio poveikio efektyvumas ir nuoseklumas, prieš jam pasiekiant valdymo objektą, įvertinamas naudojant matematinį modeliavimo modelį. Vertinimas turėtų būti atliktas greičiau nei realūs procesai IS.

Tačiau sprendimų priėmimą įgyvendinančios DES yra sudėtingos programinės įrangos sistemos, skirtos automatiniam sprendimams priimti arba padėti sprendimus priimantiems asmenims, o sudėtingų sistemų ir procesų operatyviniam valdymui, kaip taisyklė, jos veikia esant dideliems laiko apribojimams.

Skirtingai nuo pirmojo tipo DES, skirtos rasti optimalų sprendimą ir pagrįstos griežtais matematiniais metodais bei optimizavimo modeliais, antrojo tipo DES daugiausia yra orientuoti į sudėtingų formalizuotų problemų sprendimą, kai nėra išsamios ir patikimos informacijos (13.3 pav.). Joje naudojami ekspertų modeliai, pagrįsti ekspertų – šios probleminės srities specialistų žiniomis, ir euristiniai sprendimo paieškos metodai.

Viena iš pagrindinių antrojo tipo DES projektavimo problemų yra formalaus sprendimų priėmimo procesų aprašymo aparato pasirinkimas ir jo pagrindu sukuriamas probleminei sričiai adekvatus (semantiškai teisingas) sprendimų priėmimo modelis. Paprastai kaip toks aparatas naudojamos gamybos sistemos. Tačiau pagrindinis tyrimas atliekamas algoritminės (deterministinės) gamybos sistemos su jai būdingos nuoseklios sprendimų paieškos schemos interpretacijos kontekste.

Gauti modeliai dažnai yra neadekvatūs realioms probleminėms sritims, kurioms būdingas sprendimo paieškos proceso neapibrėžtumas. Išeitis iš šios situacijos yra paieškos paralelizmas.

Tiesą sakant, reikėtų sutelkti dėmesį į pirmojo ir antrojo tipų DES sujungimą į trečiojo tipo skaičiavimo-loginį DES, kur žinių bazė sujungia aprašymą griežtų matematinių formulių pavidalu su ekspertų informacija, taip pat atitinkamai, matematiniai metodai ieškant sprendimo negriežtais euristiniais metodais, o vieno ar kito komponento svorį lemia adekvataus dalykinės srities aprašymo galimybė ir sprendimo radimo būdas (13.4 pav.).

13.3 pav. Antrojo lygio dyzelinės elektrinės struktūra

Kuriant DES, iškyla šios problemos:

1.žinių bazės sudėties nustatymas ir formavimas;

2. naujų IS informacinių procesų aprašymo teorijų ir metodų kūrimas ir naudojimas;

3. žinių reprezentavimo ir panaudojimo organizavimo būdų kūrimas;

4. Algoritmų ir programinės įrangos su lygiagretavimu ir "lanksčios logikos" naudojimu kūrimas;

1. tinkamų skaičiavimo aplinkų radimas lygiagrečių algoritmų įgyvendinimui formuojant DES.

13.4 pav. Trečiojo lygio dyzelinės elektrinės struktūra

Be to, svarbu pažymėti, kad DES turėtų turėti savybę prisitaikyti prie dinamiškos probleminės srities, gebėti į situacijų aprašymą įtraukti naujus elementus ir ryšius, keisti objektų veikimo taisykles ir strategijas. sprendimo priėmimo ir kontrolės kūrimo procesas, darbas su neišsamia, neaiškia ir prieštaringa informacija ir kt.

Dinaminės ekspertinės sistemos veikia kaip IS su grįžtamuoju ryšiu dalis, todėl svarbu užtikrinti stabilų tokių IS veikimą.

Tradiciniu požiūriu galima daryti prielaidą, kad DES atsako į įvestį trukmė turi įtakos, t.y. laikas, praleistas apdorojant įvesties informaciją ir kuriant valdymo veiksmą, yra grynas delsimas. Remiantis dažnio analize, galima įvertinti sistemos fazių savybių pokytį ir taip nustatyti stabilumo ribą. Jei reikia, galite pataisyti sistemą naudodami filtrus.

Tačiau klasikinės valdymo teorijos požiūriu IS yra kelių objektų daugiajungės sistemos, kurių stabilumo analizė įprastiniais metodais yra labai sunki.

Šiuo metu tvirtos kontrolės teorija (-control theory, -control) yra viena iš intensyviai besivystančių valdymo teorijos šakų. Palyginti jaunas (pirmieji darbai pasirodė 80-ųjų pradžioje), jis kilo dėl aktualių praktinių daugiamačių linijinių valdymo sistemų, veikiančių įvairaus pobūdžio trikdžių ir parametrų pokyčių sąlygomis, sintezės problemų.

Realaus sudėtingo objekto, veikiančio neapibrėžtumo sąlygomis, valdymo projektavimo problemą galite spręsti kitaip: nemėginkite naudoti vieno valdymo tipo – prisitaikančio ar tvirto. Akivaizdu, kad reikėtų pasirinkti tokį tipą, kuris atitinka aplinkos ir sistemos būklę, kurią nustato sistemos turima informacija. Jei sistemos veikimo metu yra galimybė organizuoti informacijos gavimą, patartina ją panaudoti kontrolės procese.

Tačiau diegiant tokį kombinuotą valdymą dar visai neseniai iškilo neįveikiamų sunkumų nustatant valdymo tipo pasirinkimo algoritmą. Pažanga, pasiekta kuriant dirbtinio intelekto problemas, leidžia susintetinti tokį algoritmą.

Iš tiesų, išsikelkime užduotį: sukurti sistemą, kuri naudotų adaptyvų ir tvirtą valdymą ir parenka valdymo tipą remiantis dirbtinio intelekto metodais. Tam mes apsvarstysime abiejų tipų ypatybes ir, atsižvelgdami į specifines jų savybes, nustatysime, kaip galima sukurti kombinuotą valdymo sistemą.

Viena iš pagrindinių tvirtos kontrolės teorijos sąvokų yra neapibrėžtumo sąvoka. Objekto neapibrėžtumas atspindi objekto modelio, tiek parametrinio, tiek struktūrinio, netikslumą.

Išsamiau panagrinėkime neapibrėžtumo nurodymo formas patikimoje valdymo teorijoje naudojant paprastą sistemą – su vienu įėjimu ir vienu išėjimu (13.5 pav.).

Signalai turi tokį aiškinimą: r - įvesties signalo nustatymas; u - objekto įvesties signalas (įvestis); d - išorinis trikdymas; y – matuojamo objekto išvesties signalas (išvestis).

13.5 pav. Sistema su vienu įėjimu ir vienu išėjimu

Valdymo teorijoje patogu nustatyti neapibrėžtį dažnio srityje. Tarkime, kad normalaus augalo perdavimo funkcija P ir apsvarstykite sutrikusį augalą, kurio perdavimo funkcija,

kur W yra fiksuota perdavimo funkcija (svorio funkcija);

- savavališka stabilaus perdavimo funkcija, kuri tenkina nelygybę.

Šis pasipiktinimas bus vadinamas leistinu. Žemiau pateikiami keli neapibrėžtumo modelių variantai:

Kiekvienu atveju turi būti daromos atitinkamos prielaidos dėl kiekių ir W.

Įvesties signalų neapibrėžtis d atspindi skirtingą išorinių trikdžių, veikiančių įrenginį ir valdiklį, pobūdį. Taigi neapibrėžtas objektas gali būti laikomas tam tikra objektų visuma.

Parinkime kokią nors grįžtamojo ryšio sistemų charakteristiką, pavyzdžiui, stabilumą. Reguliatorius C yra tvirtas šios charakteristikos atžvilgiu, jei kuri nors iš neapibrėžtumo apibrėžtų objektų rinkinio ją turi.

Taigi, tvirtumo sąvoka reiškia valdiklio, objektų rinkinio buvimą ir tam tikros sistemos charakteristikos fiksavimą.

Šiame darbe neliesime visos valdymo teorijos rėmuose išspręstų problemų. Palieskime tik minimalaus jautrumo problemą: sukonstruoti valdiklį C, kuris stabilizuoja uždarojo ciklo sistemą ir sumažina išorinių trikdžių įtaką išėjimui y, kitaip tariant, sumažina perdavimo funkcijų matricos normą nuo išorinių trikdžių. į išėjimą y.

Vienas iš šios ir, beje, visos patikimų valdymo problemų sprendimo ypatybių yra tai, kad iš anksto, kurdami valdiklį, nustatome įvesties veiksmų ir objekto neapibrėžtumo apribojimus. nelygybių forma.

Veikiant tvirtai sistemai informacija apie sistemos neapibrėžtumus valdymui nenaudojama.

Natūralu, kad tai lemia tai, kad tvirtos sistemos yra konservatyvios, o pereinamųjų procesų kokybė kartais netenkina šių sistemų kūrėjų.

Panašiai kaip ir tvirta adaptyvi valdymo sistema, adaptyvi valdymo sistema yra sukonstruota objektams, apie kuriuos ar apie poveikį, sistemos veikimo pradžioje informacijos nėra. Dažniausiai prisitaikymo savybė pasiekiama tiesiogiai arba numanoma forma sudarant matematinį objekto modelį arba įvesties veiksmą.

Tai išskiria tiek paieškos adaptyvų valdymą, kuris yra pagrįstas valdymo kokybės rodiklio ekstremumo paieška ir išlaikymas, tiek ne paieškos valdymą, kuris yra pagrįstas faktinių valdomų koordinačių pokyčių nuokrypių nuo norimų pakeitimų kompensavimu. atitinkantį reikiamą kokybės rodiklio lygį. Be to, pagal patobulintą modelį reguliuojamas prisitaikantis valdiklis.

Taigi, pagrindinė adaptyvių valdymo sistemų savybė yra galimybė gauti informaciją veikimo procese ir naudoti šią informaciją valdymui.

Be to, adaptyviose sistemose visada naudojama a priori informacija apie neapibrėžtumą sistemoje. Tai yra esminis skirtumas tarp adaptyvaus ir tvirto požiūrio.

Apsvarstykite paprastą prisitaikančią valdymo sistemą, kuri stebi įvesties signalą esant trukdžiams objekto įėjime (13.6 pav.).

Piešimas. 13.6 – prisitaikanti valdymo sistema

Formalus skirtumas nuo 13.5 pav. pavaizduotos grandinės yra adaptacinis blokas A, kuris, remdamasis objekto išėjimo signalu ir duotą kokybę charakterizuojančiu signalu, generuoja signalą adaptyvaus valdiklio koeficientų koregavimui.

Turint omenyje kiekvieno iš reguliatorių trūkumus, patartina pabandyti išnaudoti jų privalumus, pasiūlant kombinuotą objekto valdymo schemą. Adaptacinė sistema adaptacijos bloko pagalba generuoja tam tikrą informaciją apie išorinės aplinkos būklę. Visų pirma, nagrinėjamu atveju galima gauti informacijos apie išorinį trikdymą d. Valdymo algoritmas С а atitinka esamą išorinės aplinkos būklę, pagal adaptacijos bloke numatytą kriterijų. Tačiau adaptyvioji sistema reikalauja, kad įvesties signalas r turėtų pakankamai platų dažnių diapazoną, ir nustato griežtus išorinio trikdžių signalo d vertės ir dažnių spektro apribojimus. Todėl adaptyviosios sistemos gali veikti tik siauruose įvesties signalo r ir išorinių trikdžių d diapazonuose. Už šių diapazonų ribų adaptyvioji sistema turi prastą valdymo kokybę ir gali net tapti nestabili.

Aukščiau nagrinėtos robustinio ir adaptyvaus valdymo savybės leidžia daryti išvadą, kad sistemos funkcionavimo procese vienais atvejais pravartu naudoti robustų valdymą, kitais – adaptyvų valdymą, t.y. mokėti derinti valdymą priklausomai nuo išorinės aplinkos būklės.

Kombinuotas valdymas. Pagrindinis klausimas projektuojant kombinuotas valdymo sistemas – kaip, remiantis kokiomis žiniomis (informacija), pasirinkti vieną ar kitą valdymo tipą.

Plačiausias galimybes tam suteikia dirbtinio intelekto metodai. Jų pranašumas prieš paprastus perjungimo algoritmus yra daugybės duomenų ir žinių panaudojimas valdymo tipo pasirinkimo algoritmui sudaryti.

Jei formaliai sujungsime 13.5, 13.6 pav. parodytas grandines, gausime kombinuotą valdymo grandinę (13.7 pav.).

Kaip matyti iš paveikslo, valdymo signalas turėtų persijungti iš tvirto valdiklio į adaptyvųjį ir atvirkščiai – keičiantis aplinkai sistemos veikimo metu. Naudojant išmaniųjų sistemų teorijos metodus, galima numatyti perėjimą nuo vieno valdymo tipo prie kito, priklausomai nuo sistemos veikimo sąlygų.

13.6 pav. – Kombinuoto valdymo schema

Pirmiausia apsvarstykime, kokia informacija gali būti naudojama intelektualiajam sistemos blokui valdyti. Kaip žinote, sistemos su vienu įėjimu ir vienu išėjimu yra gerai aprašytos dažnių srityje. Todėl natūralu, kad pasirenkant valdymo tipą sprendimų priėmimo procesui organizuoti naudojamos dažninės charakteristikos.

Kaip minėta aukščiau, tvirtai valdomos sistemos dažnio atsakas atitinka blogiausią parametrų derinį neapibrėžtumo srityje. Todėl tvirtą valdymą galima laikyti viena iš pasirinkto valdymo ribų.

Dar vieną ribą lemia tiriamos sistemos galimybės (važiavimo greitis, galios ir svorio santykis ir kt.). Tarp šių dviejų ribų yra sritis, kurioje prasminga naudoti adaptyvųjį valdymą.

13.7 pav. – Kombinuoto valdymo schema

Kadangi adaptyvusis algoritmas yra jautrus pradiniam sistemos veikimo etapui, šiame etape patartina naudoti tvirtą valdymą, kuris yra pakankamai nejautrus išorinio triukšmo kitimo greičiui. Tačiau jo trūkumas yra ilga pereinamųjų procesų trukmė ir didelės leistinos išvesties koordinatės vertės veikiant trukdžiams.

Po kurio laiko tikslinga tvirtą valdymą perjungti į adaptyvųjį.

Adaptyvusis valdymas leidžia tiksliau sekti įvesties signalą esant informacijai apie trukdžius. Adaptyvusis valdymas reikalauja įvesties signalo spektro turtingumo, o, pavyzdžiui, lėtai kintant signalams, prisitaikymo procesai gali būti sutrikdyti arba labai sulėtėti. Esant tokiai situacijai, būtina vėl pereiti prie tvirto valdymo, kuris garantuoja sistemos stabilumą.

Iš to, kas išdėstyta pirmiau, išplaukia, kad norint, kad sistema veiktų, būtina turėti informacijos apie naudingojo trukdžių signalo dažnių spektrą ir apie signalo ir triukšmo santykį.

Be to, reikalinga išankstinė informacija apie dažnių spektrą, kuriame veikia prisitaikanti sistema, ir apie konkrečias valdymo objekto charakteristikas neapibrėžties srities ribose. Iš šios informacijos galima suformuoti duomenų bazę, į kurią iš anksto įvedama informacija, individuali kiekvienai objektų klasei. Informacija apie naudingo signalo dažnių spektrą, trukdžius ir signalo ir triukšmo santykį įvedama į duomenų bazę sistemai veikiant ir nuolat atnaujinama.

Duomenų bazės turinys gali būti naudojamas žinių bazėje, kuri formuojama taisyklių forma. Atsižvelgiant į konkrečias sistemos savybes, galima nustatyti dviejų valdymo tipų perjungimą. Reikalingos taisyklės formuojamos vienoje iš loginių sistemų, tinkamų nagrinėjamam atvejui.

Turint duomenų bazes ir žinias, galima sukurti sprendimų priėmimo mechanizmą, kuris užtikrins teisingą valdymo tipo pasirinkimą, priklausomai nuo sistemos funkcionavimo sąlygų.

13.8 pav. Sistemos su išmaniuoju bloku (IS) blokinė schema

Intelektualioji sistemos dalis veikia diskretiškai, nustatytais laiko intervalais. 13.8 paveiksle parodyta blokinė sistemos schema su išmaniuoju IS bloku, leidžiančiu pasirinkti valdymo tipą.

Bloko įėjimas gauna signalą r ir išmatuotą, objekto y išėjimo signalą. Išankstinio informacijos apdorojimo bloke BPOI, pagal signalų laiko charakteristikas r (t), y (t), įvesties signalo dažnines charakteristikas r (w) ir išorinį trikdymą d (w), santykinę padėtį spektrai r (w) ir d (w) ir būdingos signalo ir triukšmo santykio reikšmės r (w) / d (w). Visa ši informacija patenka į DB duomenų bazę. BPR sprendimų priėmimo blokas, naudodamas sugeneruotą žinių bazės žinių bazę ir duomenų bazės duomenis, parengia sprendimą, pagal kurį įjungiamas vienas iš valdymo tipų. Kitu intervalu procesas kartojamas naudojant naujus duomenis.

ĮVADAS

Šiuolaikinių technologinių kompleksų eksploatavimo sąlygos lemia, kad stebėjimo ir kontrolės procese reikalinga apskaita. šių tipų neapibrėžtumas:

1. Žemas operatyvinės informacijos, gautos iš valdymo objektų, tikslumas, atsirandančių dėl didelės jutiklių paklaidos matuojant technologinius parametrus (srauto greitį, slėgį ir kt.), mažo jų patikimumo, ryšio kanalų gedimų, didelio vėlavimo perduodant informaciją per valdymo lygius, nesugebėjimo išmatuoti parametrų visuose taškuose. modeliams reikalingo technologinio proceso.

2. Valdymo ir valdymo objektų modelių netikslumas sukelia: praktikoje naudojamų sistemų daugiapakopių hierarchinių modelių sprendimų nelygiavertiškumas ir individualios lokalios problemos; neteisingas bendros valdymo problemos išskaidymas, perdėtas technologinio proceso modelio idealizavimas, esminių jungčių technologiniame komplekse plyšimas, linijavimas, diskretizavimas, faktinių įrangos charakteristikų pakeitimas pasinėmis, prielaidų, padarytų išvedant lygtis, pažeidimas ( stacionarumas, izotermiškumas, homogeniškumas ir kt.).

3. Neaiškus sprendimų priėmimas kelių lygių hierarchinėse sistemose dėl to, kad aiškūs (tikslūs) tikslai ir koordinuojantys sprendimai kiekviename valdymo ir valdymo lygyje bei kiekvienam vietiniam reguliavimo įrenginiui apsunkina koordinavimo procesą ir iš anksto nulemia ilgą iteracinį valdymo pobūdį. sprendimų derinimas.

4. Žmogaus operatorius, įskaitant dispečerį, yra valdymo kilpoje ir koordinavimo proceso vykdymas realioje gamybos sistemoje natūralia kalba, todėl reikia atsižvelgti į dispečerio žinių pateikimo algoritmų pavidalu sunkumus ir kompiuterio gauto sprendimo suderinamumą su jo vertinimu.

„Perdėtas tikslumo siekimas ėmė daryti poveikį, kuris naikina valdymo teoriją ir sistemų teoriją, nes tai veda prie to, kad šios srities tyrinėjimai susikoncentruoja į tas ir tik tas problemas, kurias galima tiksliai išspręsti. Daugelis svarbių problemų klasių, kuriose duomenys, tikslai ir apribojimai yra per sudėtingi arba prastai apibrėžti, kad būtų galima atlikti tikslią matematinę analizę, buvo ir lieka nuošalyje vien todėl, kad jų negalima matematiškai gydyti.

L.Zadehas

Tarp šiuolaikinių gamybos procesų yra daug savybių, kurios yra netikėtos klasikinei automatinio valdymo (TAU) teorijai. Šis „nepatogus“ arba, kaip jie dar vadinami, „Pusiau struktūrizuotas“ arba „Netinkamai apibrėžtas“ objektai turi tokias savybes kaip unikalumas, formalizuoto egzistavimo tikslo ir optimalumo nebuvimas, struktūros ir parametrų nestacionarumas, formalaus objekto aprašymo neišsamumas arba beveik visiškas nebuvimas.

Koncepcija

valdymas neapibrėžtumo sąlygomis

Neaiškumai kurie suprantami kaip neapibrėžtumo šaltiniai, gana sąlygiškai skirstomi į šias tris dideles grupes:

1. informacijos apie situaciją neapibrėžtumas ir neišsamumas, kuris naudojamas priimant sprendimą dėl veiklos kokybės vertinimo ar sistemos veikimo kontrolės formavimo – sistemos ir aplinkos neapibrėžtumo veiksnys;

2. veiksniai, kuriuos sukelia neapibrėžtumas, mąstymo neryškumas ir žmogaus pažinimas- neapibrėžtumas, pasireiškiantis žmogaus sąveikoje su sistema ir jo aplinka;

3. neapibrėžtumo veiksniai, neryškumas(netikslumas) sukauptų žinių, sutelktas į dirbtinių intelektualių sistemų žinių bazes, neapibrėžtumas dėl šių žinių naudojimo įgyvendinimo procese tam tikros loginės ir loginės-algebrinės informacijos rinkimo ir apdorojimo, kūrimo, pasirinkimo ir valdymo sprendimų priėmimo procedūros.

Neapibrėžtumo veiksnių (šaltinių) klasifikacijaį kuriuos reikia atsižvelgti tiriant sudėtingas sistemas, parodyta B.1 paveiksle.

B.1 pav. Neapibrėžtumų klasifikacija

Neapibrėžtumo veiksnių analizės ir apskaitos metodika

valdymas sudėtingose ​​organizacinėse ir techninėse sistemose ...

(ACS su DSS ir DSS sprendimų palaikymo sistemomis ir sprendimų priėmimo sistemomis)

1. Problemos ir apibendrintas užduočių įforminimas plėtrai ir

priimant valdymo sprendimus neapibrėžtumo sąlygomis...

2. Deterministinis žaidimo požiūris į sprendimų priėmimą sąlygomis

neapibrėžtumas ………… .. …………… .. ……………………… ..

3. Stochastinis požiūris į sprendimų priėmimo problemų sprendimą

neapibrėžtumo sąlygos…………………………………………

4. Tikimybinis – statistinis požiūris į sprendimų priėmimą mumyse-

neapibrėžtumo akivaizdoje …………………………………………………

5. Tikimybinis požiūris į sprendimų priėmimą neapibrėžtumo sąlygomis

tinginystė………………………………………………………………

6. Fuzzy – stochastinis požiūris į sprendimų priėmimą sąlygomis

neaiškumai …………………………………………………………………………

7. Galimybių teorija ir sprendimų priėmimo sąlygomis problema

neaiškumai …………………………………………………………

8. Fuzzy – galimas požiūris į sprendimų priėmimą sąlygomis

neapibrėžtumai ……………………………………………………….

9. Lingvistinis požiūris į sprendimų priėmimą neapibrėžtumo sąlygomis

skyriai .. ………………………… .. ………………………………….

Pusiau struktūrinių objektų valdymas klasikinio TAU požiūriu yra gana sudėtinga, praktiškai neišsprendžiama problema. Taip yra dėl to, kad kuriant tradicinę automatinio valdymo sistemą (AVS), būtina iš anksto formaliai aprašyti valdymo objektą ir formuoti valdymo kriterijus remiantis kiekybinėmis kategorijomis veikiančiu matematiniu aparatu. Jei neįmanoma pateikti tikslaus matematinio objekto apibūdinimo ir jo valdymo kriterijų kiekybiniu požiūriu, tradicinis TAU pasirodo netinkamas.

Pavyzdžiui, klasikinė deterministinių ir stochastinių sistemų ACS sėkmingai naudojama kuriant ACS orlaiviuose, elektrinėse ir kt., tačiau bandoma išplėsti tradicinius metodus tokiose srityse kaip biosintezė, daugiafaziai cheminiai technologiniai procesai, susiję su skrudimu, lydymu, katalizė ir kt. ., nedavė apčiuopiamų praktinių rezultatų, nepaisant vis sudėtingesnių matematinių jų aprašymo metodų.

Tačiau praktikoje tokius pusiau struktūruotus objektus gana sėkmingai valdo žmogus operatorius, kurį gelbsti gebėjimas stebėti, analizuoti ir įsiminti informaciją, daryti tam tikras išvadas ir pan., o dėl to priimti teisingus sprendimus. neišsamios ir neaiškios informacijos aplinkoje. Jo intelekto dėka, žmogus gali operuoti ne tik kiekybiniu(ką tam tikru mastu gali padaryti mašina), bet ir su kokybinėmis neformaliomis sąvokomis, ko pasekoje gana sėkmingai susidoroja su valdymo proceso neapibrėžtumu ir sudėtingumu. Todėl žmogaus apytikslio samprotavimo modelių konstravimas ir jų panaudojimas AKS šiandien yra viena svarbiausių TAU raidos krypčių.

Neabejotina, kad reikšmingas sudėtingų objektų valdymo efektyvumo padidėjimas yra intelektualių ACS, galinčių vienu ar kitu laipsniu atkurti tam tikrus intelektualinius žmogaus veiksmus, susijusius su žinių įgijimu, analize, klasifikavimu dalykinėje srityje, sukūrimas. ​technologinių procesų valdymas, taip pat eksploatacinės žinios, kurias sukaupė žmogus arba pati sistema, vykdydama praktinę objekto valdymo veiklą.

Poreikis dirbti tokiomis sąlygomis apsunkina standartinių automatikos sistemų ir APCS naudojimą... Ypač sunku apibūdinti leistinų įrenginių veikimo režimų sritis tokiomis sąlygomis, kai griežtų (aiškių) apribojimų nustatymas procesų valdymo sistemai ir automatizavimo sistemoms lemia automatinį ar rankinį šių sistemų išjungimą. Todėl itin svarbu naudoti aprašant ir įforminant įrangos leistinų darbo režimų sritis dirbtinio intelekto (DI) ir intelektualiųjų sistemų (IS) teorijos.

Dėl pastaraisiais metais sparčiai besivystančios kompiuterinės technologijos pramonėje pradėti naudoti nauji protingo valdymo metodai... Ir nors pirmieji išmaniųjų ACS pritaikymai įvyko Europoje, tokios sistemos intensyviausiai diegiamos Japonijoje. Jų pritaikymo spektras platus: nuo pramoninių robotų, rektifikavimo įrenginių ir aukštakrosnių valdymo iki skalbimo mašinų, dulkių siurblių ir mikrobangų krosnelių. Tuo pačiu metu išmanioji ACS gali pagerinti gaminių kokybę, tuo pačiu sumažindama išteklių ir energijos sąnaudas bei užtikrinti didesnį atsparumą trikdančių veiksnių poveikiui, palyginti su tradicine ACS.

Išmani sistema reiškia(KA Pupkov) techninių priemonių ir programinės įrangos rinkinys, sujungtas informaciniu procesu, veikiantis kartu su asmeniu (žmonių grupe) arba savarankiškai, galintis motyvuotai sintetinti informacija ir žiniomis pagrįstą tikslą, priimti sprendimą dėl veiksmų. ir rasti racionalių būdų tikslams pasiekti.

Pagrindinis architektūrinis bruožas, kuris išskiria išmaniosios valdymo sistemos (IMS) iš „tradicinių„Tai žinių gavimo, saugojimo ir apdorojimo mechanizmas savo funkcijoms įgyvendinti.

Išmaniųjų valdymo sistemų kūrimas grindžiamas dviem principais: situaciniu valdymu (kontrolė, pagrįsta išorinių situacijų ar įvykių analize) ir šiuolaikinių informacinių technologijų panaudojimu žinioms apdoroti (ekspertų sistemos, dirbtiniai neuroniniai tinklai, fuzzy logika, genetiniai algoritmai, t. ir daugelis kitų).

OEMMPU RAS fundamentinių tyrimų programa Nr. 14

„DAUGIALYGIŲ, IŠMANŲJŲ IR TINKLŲ VALDYMO SISTEMŲ VEIKIMO ANALIZĖ IR OPTIMIZAVIMAS NETURIŲ NETURIŲ POŽIŪRIŲ sąlygomis“

1. Programos pagrindimas

1.1. Mokslinė ir praktinė reikšmė

Intensyvi technologijų plėtra (tinklų sąveika, kompiuterių miniatiūrizavimas, jų spartos didinimas ir kt.) kelia naujus reikalavimus šiuolaikinėms valdymo sistemoms ir atveria naujas galimybes tiek įterptųjų valdymo sistemų lygmenyje (didžiųjų dispečerinių centrų lygmenyje), tiek tinklo lygmeniu (komunikacija- tinklas, grupė) decentralizuotų kelių agentų sistemų sąveika. Valdymo sistemos vis labiau įgauna informacijos valdymo sistemų pobūdį ir yra tiriamos valdymo, skaičiavimo ir komunikacijos teorijų sankirtoje. Taigi atsižvelgti į komunikacijos kanalų (komunikacijos) savybes būtina, pavyzdžiui, decentralizuotose (daugiagentinėse) sistemose, o įterptinio kompiuterio charakteristikos yra svarbios įgyvendinant tokias intelektines funkcijas kelių lygių valdymo sistemose kaip techninės. vizija, veiksmų planavimas, mokymas, daugiakriterinis sprendimų priėmimas, refleksija ir tt Visų pirma, valdymo intelektualizavimas skirtas sistemų funkcionavimo autonomiškumo laipsniui didinti, kai nėra kiekybinių dinamikos modelių ar valdymo objekto veikimo sutrikimai, dėl kurių prarandamas kiekybinių modelių (pavyzdžiui, lygčių, apibūdinančių sudėtingos sistemos evoliuciją) adekvatumas, sustiprėja kokybinių (pvz., vadinamųjų „žinių“) vaidmuo. loginiai-lingvistiniai) objekto ir aplinkos modeliai, naudojami viršutiniuose valdymo sistemos lygiuose.

Programa skirta spręsti esmines problemas, kylančias prioritetinėse Rusijos Federacijos mokslo, technologijų ir technologijų srityse. Užduotis – gauti naujų fundamentalių ir taikomųjų rezultatų valdymo teorijos srityje sudėtingoms techninėms, žmogaus-mašinos ir kitoms sistemoms, atsižvelgiant į neapibrėžtumą ir pradinės informacijos trūkumą, įskaitant: stochastinių sistemų analizės ir sintezės teoriją, judėjimo ir technologinių procesų valdymo sistemų kūrimo teorija su esama diagnostika ir techninės būklės kontrole, taip pat šiuolaikinėmis informacinėmis technologijomis pagrįsto automatizuoto projektavimo sistemų ir išmaniojo valdymo kūrimo teorija.

Dėl valdymo teorijos, analizės ir optimizavimo įvairiose programose (transporto, logistikos, gamybos, aviacijos ir kosmoso sistemose, povandeniniuose ir antvandeniniuose laivuose ir kt.) naudojimo įvairovės, būtina atsižvelgti į daugybę sudėtingumo veiksnių. , toks kaip:

Daugiapakopis valdymas,

Decentralizacija,

Netiesiškumas,

Daugialypis ryšys,

Parametrų paskirstymas,

Skirtingi procesų masteliai erdvėje ir laike,

Didelis matmuo,

Posistemių aprašymo heterogeniškumas,

Daugiarežimas,

Impulsinio poveikio buvimas,

Koordinačių-parametrinių, struktūrinių, reguliarių ir vienetinių trikdžių buvimas,

Deterministinių ir tikimybinių modelių naudojimas aprašant informacijos apie būsenos vektorių ir sistemos parametrus neapibrėžtumą, apie matavimo paklaidų savybes ir aplinką,

delsos efektų buvimas valdiklyje ar objekte,

· Bendras šiuolaikinių valdymo sistemų struktūrinis sudėtingumas.

Siekiant šio tikslo ir išspręsti pagrindinius uždavinius, Programa apima mokslinius tyrimus ir plėtrą šiose pagrindinėse srityse:

1. Daugiapakopių valdymo sistemų su nepilna informacija funkcionavimo įvairiais laiko intervalais analizė ir optimizavimas.

2. Valdymas ir optimizavimas daugiapakopėse ir decentralizuotose organizacinio ir techninio pobūdžio sistemose.

2.1. Valdymas ir optimizavimas į tinklą orientuotose sistemose.

2.2. Sumanus judančių objektų valdymas.

2.3. Daugiapakopių realaus laiko informacijos ir valdymo sistemų modeliavimas ir optimizavimas.

1 kryptis. Veikimo analizė ir optimizavimas skirtingos kelių lygių valdymo sistemų laiko skalės su nepilna informacija

Daugelio šiuolaikinių valdymo sistemų sudėtingumas dažnai neleidžia iš anksto gauti išsamaus sistemoje vykstančių procesų ir jos sąveikos su aplinka aprašymo. Paprastai realios sistemos aprašomos netiesinėmis dinamikos lygtimis ir gana dažnai valdymo sistemų matematiniuose modeliuose atsižvelgiama tik į leistinus atskirų elementų parametrų ir charakteristikų kitimo intervalus, nenurodant pačių šių parametrų ir charakteristikų.

Be to, kai kuriose sistemose, ypač mikromechaninėse ir kvantinėse sistemose, naudoti klasikinius aprašymo metodus nuolatiniu ar diskrečiu laiku trukdo tai, kad atsirandančios vidinės ir (arba) išorinės sąveikos jėgos, taip pat valdymo veiksmai, yra trumpalaikio, impulsyvaus pobūdžio ir negali būti tiksliai apskaičiuoti. Panašu, kad sistema veikia skirtingomis laiko skalėmis: realiu (lėtu) ir greitu (impulsiniu). Toks laikinasis mastelių kintamumas yra būdinga daugeliui šiuolaikinių valdymo sistemų, įskaitant sistemas su kelių lygių valdymu, kuriose viršutiniuose lygiuose naudojami kokybiniai ir diskretiški modeliai, o žemesniuose - dažniau kiekybiniai modeliai su nuolatiniu laiku.

Dėl šios priežasties tokių sistemų veikimo hibridiniu (nuolatiniu-diskrečiu) laiku aprašymo matematinio įforminimo metodų kūrimas, jų valdomumo ir stabilumo savybių tyrimas nepilnos informacijos, opozicijos ir nestandartinėmis sąlygomis. valdiklių ir fazių kintamųjų apribojimai yra neatidėliotina užduotis. Tokių nuolatinių diskrečių sistemų, tiek deterministinių, tiek stochastinių, optimalaus valdymo sintezės metodų kūrimas yra vienodai neatidėliotina užduotis.

Be to, esant neapibrėžtumui ir apriorinės informacijos trūkumui, labai aktualūs yra informacijos rinkimo ir apdorojimo proceso optimizavimo (stebėjimų stebėjimo ir optimalaus filtravimo) užduotys.

2 kryptis. Valdymas ir optimizavimas daugiapakopėse ir decentralizuotose organizacinio ir techninio pobūdžio sistemose

2.1. Valdymas ir optimizavimas į tinklą orientuotose sistemose

Šiuolaikinės sudėtingos organizacinės ir techninės sistemos pasižymi dideliu matmeniškumu, decentralizacija, daugiapakopiu valdymu, efektyvaus veiklos planavimo poreikiu, atsižvelgiant į mokymą, priimamų sprendimų daugiakriteriškumą ir kontroliuojamų dalykų refleksiją.

Didelės apimties diskrečiųjų ir nuolatinių paskirstytų daugiajungčių sistemų planavimo ir valdymo problemos taip pat pasižymi skirtingomis procesų mastelėmis ne tik laike, bet ir pasiskirstymu bei skirtingu masteliu erdvėje ir yra viena sudėtingiausių ir daugiausiai laiko reikalaujančių problemų. optimizavimo problemų klasės. Dėl šios priežasties patartina sukurti tyrimo metodus ir metodus, leidžiančius rasti tikslius ir apytikslius sprendimus, taip pat modeliavimo priemones, skirtas naudoti sprendimų palaikymo sistemose, skirtose planuoti, projektuoti ir valdyti sudėtingus techninius, organizacinius (įskaitant transportą ir logistiką) ir informaciją. sistemos.

Grupės sąveikai valdyti didelę reikšmę turi decentralizuotų organizacinių ir techninių sistemų komponentai (į tinklą orientuotos sistemos, gamybos sistemos, kompiuterijos, telekomunikacijų ir kiti tinklai ir kt.) ryšio kanalų apribojimų ir skaičiavimų sudėtingumo kontekste. informacijos apdorojimo procesų charakteristikos, taip pat sprendimų priėmimo laiko, skaičiavimo galimybių ir ryšio kanalų pralaidumo apribojimai. Todėl aktualu sukurti sudėtingų organizacinių ir techninių sistemų struktūros optimizavimo metodus (atsižvelgiant į išvardintus apribojimus), įskaitant vienu metu įvertinant daugelį kriterijų: pradinių duomenų detalumo, informacijos rinkimo efektyvumo, planavimo. ir reflektyvus sprendimų priėmimas, ribotas atskirų kompiuterių našumas, mažinantis darbo dubliavimą. , taip pat su duomenų perdavimo paslaugomis susijusių papildomų skaičiavimų dalis.

Daugiapakopėms ir decentralizuotoms sistemoms būdingas paskirstytas sprendimų priėmimas realiu laiku informacinių atsakomųjų priemonių sąlygomis, taip pat informacijos neišsamumas ir nevienalytiškumas, dažnai daugiakriterinio kokybinio ir subjektyvaus pobūdžio. Dėl šios priežasties būtina sukurti metodus, kaip sukurti adekvačias informacinės paramos sistemas ir paremti strateginių bei operatyvinių sprendimų priėmimą nepilnos informacijos ir prieštaravimo sąlygomis. Tam ypač patartina sukurti: daugiaagentinius dinaminių organizacinių ir techninių sistemų modelius, įskaitant tinklo modelius su konfliktuojančiais agentais, grupės elgesio modelius ir jo prognozes, įvertinančius interesų pusiausvyrą ir koalicijų formavimąsi. šios sistemos, taip pat informacinių technologijų ir informacijos pateikimo priemonių kūrimas.apie išorinę aplinką ir intelektualių agentų žinias.

2.2. Sumanus judančių objektų valdymas

Iškeltiems uždaviniams spręsti ne visada gali būti sukurti kiekybiniai modeliai, todėl Programoje kartu su tradiciniais metodais naudojami dirbtinio intelekto metodai. Dirbtinis intelektas, kaip žinių sritis, per pastaruosius penkiasdešimt metų padarė didžiulį šuolį tiek plėtojant ir tobulinant pačią intelekto sampratą, tiek praktinio dirbtinio intelekto pritaikymo įvairiose žmogaus veiklos srityse: technologijos, ekonomika, verslas, medicina, švietimas ir kt. Daugelis dirbtinio intelekto teorinių pozicijų ir metodų buvo transformuoti į taikomąsias intelektualiąsias technologijas, pagrįstas žiniomis.

Šiuolaikinės kartos intelektualių sistemų ypatumas yra tas, kad jos remiasi kompleksiniu išorinės aplinkos modeliu, kuriame atsižvelgiama tiek į kiekybinę informaciją, tiek į kokybinius modelius – žinias apie galimą įvairių išorinės aplinkos objektų elgseną ir jų tarpusavio ryšius. Tokių modelių naudojimas tapo įmanomas dėl žinių vaizdavimo metodų kūrimo, duomenų iš skirtingų šaltinių integravimo metodų, žymiai padidinus kompiuterių spartą ir atmintį.

Išorinės aplinkos modelio buvimas leidžia šiuolaikinėms išmaniosioms judančių objektų valdymo sistemoms priimti sprendimus daugiakriterinėmis, neapibrėžtumo ir rizikos sąlygomis, o šių sprendimų kokybė gali viršyti žmogaus priimtų sprendimų kokybę tokiomis sąlygomis. informacijos perteklius, ribotas laikas ir stresas.

Atsižvelgiant į tai, neatidėliotinas uždavinys yra sukurti naujas priemones ir metodus, kaip sukurti protingą judančių objektų valdymą, esant minėtiems veiksniams.

2.3. Daugiapakopių realaus laiko informacijos ir valdymo sistemų modeliavimas ir optimizavimas

Šios krypties tyrimų aktualumą lemia būtinybė sukurti daugiapakopių atvirų modulinių realaus laiko informacijos ir valdymo sistemų (IMS RT), veikiančių neapibrėžtumo, struktūrinių trikdžių sąlygomis, analizės ir sintezės metodus. ir avarinės situacijos (NSS). Tarp šių valdymo objektų yra kritiniai objektai ir atsakingo naudojimo sistemos, lemiančios valstybės saugumą.

Akivaizdu, kad šios klasės sistemų kūrimo problemos ir uždaviniai gali būti sėkmingai išspręstos remiantis vieningos teorijos sukūrimu ir taikytais į programinę įrangą orientuotais dinaminės ir scenarijų analizės bei tokių sistemų struktūros sintezės metodais, jų algoritminiais metodais. , programinės įrangos ir informacijos palaikymas, efektyvių valdymo įtakų kūrimo mechanizmai. Tai visų pirma apima formalizuotos atvirų informacijos ir valdymo sistemų projektavimo metodikos sukūrimą, įskaitant modelius ir metodus, skirtus objektinio I&C RW modulinės struktūros sintezei su atvira architektūra, kuri yra optimali pagal įvairų efektyvumą. kriterijai. Remiantis dinaminės analizės etape gautais rezultatais, susintetinama optimali funkcinė duomenų apdorojimo ir valdymo modulinė struktūra, ty nustatoma optimali I&C RV modulių sudėtis ir skaičius, susintetinama sistemos sąsaja ir jos struktūra. nustatoma programinė ir informacinė parama programų įvesties srautams apdoroti.

Planuojant veiksmus ir remiant sprendimų priėmimą neapibrėžtumo, struktūrinių trikdžių ir avarinių situacijų sąlygomis, IMS RV patartina naudoti scenarijų analizės ir efektyvių kontrolės veiksmų sintezės metodus. Šiuo atveju svertinių arba funkcinių ženklų grafikų kalba bus suformuotas matematinis struktūrinių trikdžių ir avarinių situacijų plitimo modelis. Šio modelio pagrindu bus susintetinti racionalūs objektų valdymo scenarijai, naudojant juos sudarančių elementų darbingumo, atsparumo ir išgyvenamumo sąvokas. NSS priežasčių ir pasekmių šalinimo kelių režimų objektuose scenarijų sintezė bus vykdoma atsižvelgiant į dinamiškai nulemtus laiko ir išteklių apribojimus. Taip pat būtina sukurti formules ir metodus, kaip išspręsti atvirkštines išgyvenamumo kontrolės problemas daugiamožiams ir daugiafunkciams objektams, dirbantiems neapibrėžtumo, struktūrinių trikdžių ir avarinių situacijų sąlygomis.

Minėta valdymo sistemų ir objektų specifika, mokslinė ir praktinė valdymo, analizės ir optimizavimo problemų sprendimo reikšmė jiems leidžia suformuluoti šiuos pagrindinius Programos tikslus ir uždavinius.

1.2. Pagrindiniai tikslai ir uždaviniai

Pagrindinis Programos tikslas – spręsti esmines valdymo teorijos problemas, trukdančias įgyvendinti perspektyvius, svarbios valstybinės reikšmės projektus kompleksinių dinaminių ir išmaniųjų sistemų su taikomomis programomis valdyti techninių objektų ir procesų judėjimą technologinėse ir technologinėse srityse. organizacinės sistemos.

Tyrimai bus atliekami šiomis apibendrintomis temomis.

1 kryptis

· Netiesinių sistemų stabilizavimo metodų kūrimas esant nepilnam koordinačių matavimui ir leistinos valdymo jėgų struktūros apribojimams.

· Robusto ir adaptyvaus stebėjimo ir valdymo metodų kūrimas deterministinio, tikimybinio ir kitokio valdymo objekto parametrų ir veikiančios aplinkos neapibrėžtumo modelių sąlygomis.

· Tolydinių, diskrečiųjų ir daugiapakopių nuolatinių-diskrečių dinaminių modelių kokybinės ir kiekybinės analizės bei valdymo sintezės metodų ir algoritmų sukūrimas redukcijos metodu su vektorių ir matricų palyginimo funkcijomis bei modelių transformacijomis.

· Naujos klasės mechaninių sistemų, judančių atspariose terpėse dėl vidinių kūnų konfigūracijos ar judėjimo pokyčių, optimalaus valdymo problemos tyrimas.

· Matematinio įforminimo metodų sukūrimas ir mechaninių sistemų smūginės sąveikos, esant sausai trinčiai, uždavinių sprendimas.

· Optimalaus diskrečių-nuolatinių ir impulsinių dinaminių sistemų valdymo metodų kūrimas.

· Netiesinių objektų, veikiamų nekontroliuojamų trikdžių, garantuotos kontrolės metodų kūrimas dinaminių žaidimų forma.

· Kvantinių sistemų valdymo teorijos sukūrimas.

· Dinaminių savybių, tokių kaip stabilumas, nekintamumas, dispersiškumas, analizės metodų ir algoritmų sukūrimas daugiapakopės sistemos valdymo būsenai ir sintezei su nevienalyčiu skirtingų lygių procesų dinamikos aprašymu.

2 kryptis.1

· Didelio dimensijos į tinklą orientuotų sistemų su paskirstytais parametrais ir įvairaus masto procesais (erdvėje ir laike) valdymo problemų sprendimo metodai.

· Komunikacijos-tinklo decentralizuoto intelektualaus paskirstytų projektų ir programų valdymo modeliai ir metodai.

· Daugiapakopių ir decentralizuotų sistemų struktūros optimizavimo metodai.

· Į tinklą orientuoto valdymo kompiuterinio realizavimo metodai ir struktūros matematiškai homogeninėje paskirstytojo ir lygiagretaus skaičiavimo erdvėje.

· Grupinio sprendimų priėmimo modeliai ir metodai, pagrįsti neišsamia, nevienalyte, kokybine ir subjektyvia informacija.

· Sudėtingose ​​techninėse ir transporto bei logistikos sistemose tarpusavyje susijusių operacijų kompleksų planavimo ir valdymo modeliai ir metodai.

· Principų, architektūros, metodų ir algoritmų kūrimas paskirstytoms programinėms išmaniosioms sistemoms, pagrįstoms kelių agentų technologijomis, sukurti.

· Informacijos valdymo modelių ir metodų kūrimas kelių agentų tinklo struktūrose.

Kryptis2.2

· Sukurti apibendrintus situacijų valdymo modelius, atspindinčius įtraukimo į neryškių, neuroninių tinklų ir loginių-dinaminių elementų modelių struktūrą ypatumus.

· Maršrutų planavimo metodo sukūrimas, suteikiančių valdomų dinaminių objektų grupės, nevienalytės (kiekybinės ir kokybinės) jų modelio vaizdavimo komunikacijos stabilumo savybę.

· Adaptyviojo realaus laiko modeliavimo platformų analizės ir sintezės metodų sukūrimas, atsižvelgiant į valdymo objektų netiesiškumą, daugialypumą, aukštą dimensiją su pritaikymu jūriniams mobiliesiems objektams.

· Konfliktinėje aplinkoje judančių objektų daugiapakopio valdymo intelektualių sistemų optimizavimas, atsižvelgiant į jų grupinę sąveiką, daugiakriteriškumą, neapibrėžtumą ir riziką.

· Išmaniųjų valdymo sistemų techninės vizijos kūrimo metodų kūrimas.

· Sumanaus dinaminių objektų, atliekančių sudėtingą manevravimą, valdymo metodų sukūrimas, pagrįstas priverstinio judėjimo organizavimu sistemos būsenos erdvėje.

Kryptis2.3

· Objektinių daugiapakopių realaus laiko informacijos valdymo sistemų su atvira architektūra modulinės struktūros analizės ir optimizavimo modeliai ir metodai neapibrėžtumo ir struktūrinių trikdžių sąlygomis.

· Elektros energijos sistemų režimų ir jų valdymo analizės ir optimizavimo metodai.

· Scenarijus-rodiklis metodo modeliai ir metodai ieškant pažeidžiamumo taškų valdymo užduotims atlikti.

· Judančių objektų kelių režimų valdymo procesų modeliavimo, analizės ir optimizavimo metodai.

· Netiesinių nestacionarių objektų protingo identifikavimo metodų ir algoritmų kūrimas, siekiant pagerinti valdymo efektyvumą, formuojant technologinę žinių bazę, pagrįstą a priori informacija apie valdymo objektą.

· Geoinformacinės technologijos gamtinių ir technogeninių kompleksų modeliavimui atliekant megapolių ekosistemų tvarkymo užduotis.

· Navigacijos ir valdymo sistemų informacinio palaikymo analizė ir optimizavimas.

· Gamybos procesų valdymo modeliai ir metodai.

Sukurtos teorijos ir valdymo sistemų analizės bei sintezės metodų rezultatai bus naudojami šiose srityse:

· eismo kontrolė aviacijoje ir astronautikoje, sausumos ir jūros objektuose, transporto priemonėse;

· kelių agentų į tinklą orientuotos sistemos, gamybos sistemos, skaičiavimo, telekomunikacijų ir kiti tinklai ;

· transporto ir logistikos sistemos ;

· Pasaulinės energetikos, dujų perdavimo ir kitos didelio masto infrastruktūros sistemos;

· Informacinės paramos sistemos valdymo užduotims atlikti ir strateginių bei operatyvinių sprendimų palaikymas nepilnos informacijos ir prieštaravimo sąlygomis.

Esminės valdymo sistemų konstravimo teorijos problemos reikalauja intensyvaus jų tobulinimo. Tyrimų plėtra šia kryptimi leis:

Sukurti teorinius pagrindus sprendžiant sudėtingą trivienę valdymo-skaičiavimo-komunikacijos problemą (problema yra " Kontrolė- Skaičiavimas- Bendravimas") sudėtingoms informacijos ir valdymo sistemoms, įskaitant ryšio kanalų apribojimų ir posistemių gedimų sąlygomis;

Spręsti iš esmės naujų objektų ir procesų, susijusių su judančiais objektais, specialios paskirties objektais, technologinėmis ir organizacinėmis sistemomis, valdymo problemas;

Sukurti efektyvius funkcinės diagnostikos metodus, užtikrinančius orlaivių ir kitų judančių objektų valdymo sistemų atsparumą gedimams bei elektros energijos sistemų dinaminį stabilumą;

Gerinti projektavimo sprendimų kūrimo kokybę, pagreitinti ir sumažinti sąnaudas, algoritmizuojant ir automatizuojant valdymo sistemų kūrimo procesą.

Toliau kontrolė suprantama plačiąja prasme, apimanti komunikacinį-tinklinį, grupinį, paskirstytą valdymą (anglų kalba literatūroje - valdymas tinkluose, tinklų valdymas, paskirstytas valdymas ir kt.)