Синтез структуры модели объекта управления как сложной системы

Рассмотрим процесс выявления модели объекта управления для сложной системы. Для сложных систем процесс выделения той части среды (явления), состояние которой интересует субъекта с точки зрения управления, может носить многогранный и подчас плохо формализуемый характер.

Так, помимо собственно сложных технических систем, подлежащих управлению (атомная энергетическая установка, атомная подводная лодка и т. д.), существуют сложные системы, в которых требуется выявление той части природной среды, которой мы хотим управлять. Примерами таких сложных систем являются природно-технические системы, многие объекты экономики и природопользования. И здесь уже совершенно не очевидно, как осуществлять это выделение, и этот процесс требует глубокого анализа с применением средств многомерного статистического и семантического анализа, а также моделирования, поддержанного средствами когнитивных интеллектуальных технологий.

Методическое замечание: к тяжелым последствиям приводят попытки управления природно-техническими системами при неправильном выборе модели объекта управления (сложной системы). Так, управление ирригационными системами в районе Аральского моря или орошаемым земледелием в Месопотамской низменности, не учитывающее того, что они являются составной частью географической системы, привело к катастрофе. Где теперь Аральское море или плодоносное Междуречье?

Моделирование должно основываться на том факте, что объект управления (сложная система) связан со средой многочисленными и сильными многомерными корреляционными связями. В этой ситуации можно использовать хорошо развитый и многократно опробованный на практике математический аппарат многомерного статистического анализа, который имеет в своем арсенале средства выявления и оценивания многомерных корреляционных связей. Кроме того, здесь содержатся инструменты выявления структуры этих многомерных связей с помощью регрессионных уравнений и факторного анализа. Перечисленные инструменты аппарата многомерного статистического анализа могут выступать как универсальные модели для описания объектов управления. Эти инструменты могут легко вписаться в концепцию кибернетики называемую «черный ящик». Здесь главное внимание при моделировании уделяется входным и выходным воздействиям. Такого рода модели называются кибернетическими. Эта концепция предполагает стохастический характер поведения объекта, что вполне укладывается в реальную природу объектов управления. Модель формально можно представить как Y = F (X, Y, U, Е (t)), где Е (t) — случайный процесс, моделирующий неопределенность поведения объекта управления и окружающей среды. Разумеется, что все входящие в данную структуру переменные носят векторный характер, чем достигается лаконичность записи.

Однако работа подобных многомерных моделей затрудняется так называемым проклятием размерностей: но мере возрастания числа параметров (переменных) возрастает вычислительная сложность алгоритмов многомерного статистического анализа. Это затрудняет задачу формирования кибернетической модели сложной системы. Здесь в качестве инструментов выступают самоорганизующиеся нейронные сетевые технологии и методы Big Data, которые адекватно решают задачи выбора объекта моделирования подобных сложных систем, что и позволяет решать практические задачи управления ими.

Рассмотрим, используя введенные ранее концепции теории управления и теории сложных систем, как можно задать определение модели для сложного объекта управления (рис. 4.7).

Согласно классической теории управления под моделью объекта управления будем понимать зависимость Ч* = F (X, V), где X — неуправляемое природное воздействие на объект (например, погода); V — управляемое воздействие. Их связь и есть модель объекта управления.

Для объективации этой модели существует широкий набор математических средств.

Рис. 4.7. Структура модели объекта управления

Структура модели объекта управления определяет характер связей между входами и выходами независимо от конкретных значений параметров. Формирование этой структуры называется синтезом, а измерение этих параметров — идентификацией объекта управления. Идентификация модели сводится к количественному сравнению измеренных параметров модели и реального объекта управления при подаче на вход одинаковых воздействий X. Если измеренные значения модели и реального объекта управления совпадают, то кибернетическая модель адекватна и может быть использована.

Процесс формирования модели разбивается на следующие подзадачи (этапы): выбор и синтез математической структуры для описания связей входных и выходных воздействий; декомпозиция модели.

На первом этане на основе принципа физичности субъект может выделить, какие параметры среды и объекта можно считать существенными. Затем субъектом выявляются связи. Перечислим основные подходы, необходимые для рационального выбора связей.

Связи подразделяются на неуправляемые, управляемые и информирующие.

Неуправляемые связи. X — неуправляемые, но контролируемые (измеряемые) связи, характеризующие воздействие среды на объект. Требования к неуправляемым связям: X должны влиять на реализацию целей в объекте управления; X должны измеряться.

Управляемые связи. Z — управляемые связи — позволяют целенаправленно изменять состояние объекта. Воздействие управления на состояние объекта должно компенсировать негативные изменения этого состояния (вызванные различными факторами среды и поведением самого объекта). Процесс управления должен быть количественно описан, т. е. имеется в виду количественное описание качества управления.