Помощь в написании студенческих работ
Антистрессовый сервис

Исследование и применение методов идентификации и оптимизации в задаче управляемого вакуумного напыления

Диссертация: Исследование и применение методов идентификации и оптимизации в задаче управляемого вакуумного напыления
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Построение любой системы автоматического управления невозможно без построения математической модели. Вопрос нахождения модели некоторых режимов широко исследовался и продолжает исследоваться в современных работах. В данной работе для построения математической модели предлагается использовать алгоритм структурной оптимизации — метод группового учета аргумента (МГУА). Применение методов… Читать ещё >

Исследование и применение методов идентификации и оптимизации в задаче управляемого вакуумного напыления (реферат, курсовая, диплом, контрольная)

Содержание

  • Список сокращений
  • Глава 1. Постановка задачи управляемого нанесения тонких пленок в вакууме
    • 1. 1. Анализ процесса ионно-плазменного нанесения тонких пленок и выделение основных факторов, влияющих на качество получаемых изделий
    • 1. 2. Особенности синтеза структуры системы автоматического управления технологическим процессом ионно-плазменного нанесения тонких пленок
    • 1. 3. Постановка задачи управляемого вакуумного напыления
    • 1. 4. Выводы
  • Глава 2. Исследование и выбор метода построения математической модели технологического процесса по экспериментальным данным
    • 2. 1. Построение блока выбора технологических режимов
    • 2. 2. Анализ методов идентификации и обоснование использования методов МГУА
    • 2. 3. Постановка задачи структурного моделирования МГУА
    • 2. 4. Методы построения моделей
      • 2. 4. 1. Комбинаторный алгоритм
      • 2. 4. 2. Итерационный алгоритм
      • 2. 4. 3. Пороговый алгоритм самоорганизации полиномиальной сложности
      • 2. 4. 4. Пороговый алгоритм самоорганизации K-сложности
    • 2. 5. Вопросы сходимости алгоритмов самоорганизации
    • 2. 6. Методология построения математического описания технологического процесса ионно-плазменного нанесения тонких пленок с использованием метода МГУА
    • 2. 7. Выводы
  • Глава 3. Исследование и выбор метода построения системы стабилизации параметров технологического процесса
    • 3. 1. Особенности построения блока регулирования параметров
    • 3. 2. Краткий анализ методов синтеза управления оптимального по быстродействию
    • 3. 3. Метод варьирования свободных функционалов
    • 3. 4. Синтез конечно временного регулятора
    • 3. 5. Исследование методов построения линейных моделей динамических процессов
    • 3. 6. Выводы
  • Глава 4. Разработка математической модели по экспериментальным данным и синтез системы стабилизации
    • 4. 1. Состав и характеристики технологического оборудования экспериментальной установки вакуумного ионно-плазменного напыления
    • 4. 2. Структура системы автоматического управления процесса ионно-плазменного напыления на базе вакуумной установки Ва1гегз
    • 4. 3. Построение блока выбора технологических режимов на примере анализа экспериментальных данных о титановых тонких пленках
    • 4. 4. Построения блока регулирования технологических параметров на примере вакуумной системы
      • 4. 4. 1. Разработка и исследование аппаратных средств обеспечения обмена информацией между газовой системой экспериментальной установки и ЭВМ
      • 4. 4. 2. Построение динамической модели изменения параметров вакуумной системы
      • 4. 4. 3. Разработка программного комплекса стабилизации внутрикамерного давления

Проблемной областью данной работы являются вопросы автоматизации управления технологическим процессом ионно-плазменного напыления (ТП ИПН). Развитие современной техники характеризуется усложнением режимов работы машин и аппаратов, увеличением эксплуатационных температур, широким применением микропроцессорных систем. Решение этих технических задач во многом связано с технологией ИПН.

Одно из основных применений ИПН — разработка и синтез наноструктур-ных материалов с новыми или значительно улучшенными свойствами. Данное направление становится одной из приоритетных задач нового тысячелетия. При этом наука о наноструктурных тонких пленках находится только в самом начале своего становления. Ускорение темпов фундаментальных и прикладных исследований в данной области позволит добиться существенного прогресса во многих дисциплинах: физике, химии, биологии, материаловедении и технике. К наноматериалам, по разным оценкам, относятся объекты с размером зерен менее 100 нм или от 2 до 20 нм, хотя недавно были получены материалы с размером нанокристаллитов менее 1 нм [73]. Основные различия в поведении наноструктурных и обычных материалов связаны с тем, что в первом случае значительную роль играют поверхностные явления вследствие значительного увеличения объемной доли границ раздела. Это приводит к новым физическим явлениям и уникальным свойствам, присущим наномасштабу. Последние работы в области получения сверхтвердых (Н > 40 ГПа) и ультратвердых (Н > 70 ГПа) наноструктурных тонких пленок показали, что твердость материала может практически достигать твердости природного алмаза, если удается получить материал, состоящий из двух фазовых компонентов с размером зерен 2−5 нм и прочными энергиями связи на границах раздела. Поэтому идея метода получения сверхтвердых покрытий состоит в получении нано-композита, в котором удается избежать эффекта зернограничного проскальзывания. В комбинации с другими благоприятными характеристиками, такими как высокая вязкость и упругость восстановления, эти материалы обладают комплексом уникальных характеристик. В то же время высокая твердость не всегда является определяющей характеристикойв некоторых специальных применениях упругость и вязкость покрытий могут оказаться более важными факторами.

Несмотря на определенный прогресс в области конструирования нано-материалов остаются проблемы как в фундаментальном понимании поведения систем в наномасштабе, так и в количественном измерении и установлении их свойств. Это сдерживает реализацию возможностей нанотехнологии на практике. Интерпретация свойств наноструктурных тонких пленок является достаточно сложной задачей из-за большого разнообразия факторов, влияющих на характеристики пленок. На качество изделий, получаемых с помощью ИПН, сильно влияют особенности технологического оборудования и внешние воздействия. Применение одинаковых технологических режимов на установках разной конфигурации может давать принципиально различающиеся результаты.

Другой проблемой применения ИПН является недостаточное развитие контролирующего оборудования, так как при проведении работ внутри вакуумной камеры возникает множество проблем. Для получения высококачественных покрытий необходимо соблюдать жесткие требования по чистоте помещения и внутрикамерного пространства. Для обеспечения данного требования в современных установках вакуумная камера находится при пониженном давлении, что также усложняет проведение внутрикамерных работ. С другой стороны, контролирующее оборудование должно работать в условиях, близких к вакууму, что приводит в конечном итоге к высокой стоимости измерительного оборудования. Как следствие, в реальных производственных условиях экономически невыгодно применение высокоточного измерительного оборудования.

Из-за описанных сложностей использование систем управления ТП ИПН осложнено следующими взаимосвязанными и во многих случаях непреодолимыми проблемами:

• недостатком априорной информации о параметрах объекта и влиянии внешней среды;

• наличием большого разброса технологических параметров и, как следствие, необходимостью проведения большого количества экспериментов для набора полноценной статистической информации;

• решение задачи идентификации объекта осложняется из-за невозможности получения полноценной информации во время протекания технологического процесса по причине отсутствия соответствующего контролирующего оборудования.

Вышеуказанные проблемы позволяют сделать вывод, что данная задача не может быть решена в классе классических систем автоматического управления. Следовательно, для обеспечения необходимого качества получаемых изделий необходимо применение нового класса САУ — интеллектуальных систем автоматического управления [56, 59, 89].

Построение интеллектуальной системы является сложной и объёмной задачей, поэтому в данной работе рассматриваются лишь некоторые аспекты этой проблемы.

Построение любой системы автоматического управления невозможно без построения математической модели. Вопрос нахождения модели некоторых режимов широко исследовался и продолжает исследоваться в современных работах. В данной работе для построения математической модели предлагается использовать алгоритм структурной оптимизации — метод группового учета аргумента (МГУА) [24, 28, 29]. Применение методов самоорганизации позволяет выполнять селекцию структур математических моделей, ориентированных на экспериментальные данные. Это дает возможность получать эффективное математическое описание ТП, использование которого для выбора управляющих параметров технологического режима позволяет получать желаемое качество конечной продукции. В данной работе предложен пороговый алгоритм МГУА К-сложности, который позволяет объединить достоинства комбинаторных и итерационных алгоритмов МГУА. Эффективность работы порогового алгоритма К-сложности подтверждена исследованиями на практике.

В условиях недостатка информации о некоторых параметрах течения ТП важным фактором, влияющим на качество получаемых изделий, является система стабилизации. В данной работе на практическом примере рассмотрено применение метода варьирования функционалов (МВФ) [1,3] для улучшения динамических характеристик. Применение МВФ позволило эффективно реализовать регулирование вакуумной системы и сократить экономические затраты на приобретение дорогостоящего оборудования, имеющего лучшие динамические характеристики.

В первой главе описана постановка задачи управляемого процесса ИПН. Приведено описание ТП ИПН с выделением основных факторов, влияющих на качество получаемых изделий. Предложена структура системы управления с кратким описанием функциональных блоков.

Во второй главе рассмотрен вопрос выбора параметров технологического процесса ИПН для получения желаемого качества получаемых изделий. Также рассмотрен вопрос построения математической модели технологического процесса, основанный не на параметрической оптимизации, а на построении структуры модели по экспериментальным данным. В основе методики построения модели лежат методы самоорганизации МГУА. Также предложен пороговый алгоритм поиска структуры модели К-сложности.

В третьей главе рассмотрен вопрос регулирования технологических параметров. Рассмотрен вопрос синтеза оптимального по быстродействию управления. Синтез управления производится на основе метода варьирования функционалов.

Во второй и третьей главах рассмотрены только теоретические аспекты исследуемых проблем. В четвертой главе представлены результаты работы модернизации экспериментального технологического оборудования, а также приведены примеры практической реализации теоретических вопросов, рассмотренных во второй и третьей главах. Даны практические рекомендации по применению предлагаемой методологии в промышленном варианте.

В приложении 1 описано сравнение принципа максимума Л.С. Понтря-гина с методом варьирования свободных функционалов.

В приложении 2 рассмотрен программный комплекс, который используется для регулирования давления.

4.5. Выводы и рекомендации.

В данной главе на практическом примере показано, что применение методов МГУА позволяет построить адекватную математическую модель ТП ИПН упрочняющих покрытий. Причем для выбора технологического режима достаточно произвести моделирование. С помощью полученной модели удалось произвести выбор технологического режима нанесения пленки, позволяющий увеличить параметры микротвердости алюминиевой основы на 95%.

Применение порогового алгоритма К-сложности позволяет получить качество математической модели, близкое к качеству модели, получаемой с помощью комбинаторного алгоритма. При этом временные затраты на пороговый алгоритм К-сложности значительно меньше, чем затраты на комбинаторный алгоритм. Использование нового вида пороговых функционалов позволяет улучшить селекционные свойства порогового алгоритма К-сложности. Благодаря улучшению селекционных свойств уменьшаются значения внешних критериев, что приводит к повышению помехоустойчивости математического описания.

Использование промежуточных состояний при переходе динамической системы между заданными режимами позволяет упростить задачу описания динамического объекта и, соответственно, задачу синтеза управления.

Применение метода варьирования свободных функционалов дало увеличение динамических характеристик вакуумной системы, что позволило уменьшить экономические затраты на покупку дорогостоящего оборудования.

В результате внедрения системы стабилизации технологических параметров на установке «Ва12егз-35(Ю» удалось увеличить коэффициент выхода годной продукции на десять процентов.

Рекомендации.

При построении САУ ТП ИПН рекомендуется использовать методологию, представленную на рис. 1.6. Данная методология позволяет управлять сложной динамической системой без наличия полного динамического описания объекта и разработана с учетом современного состояния развития технологии ИПН.

Для получения математического описания ТП ИПН рекомендуется использовать методологию построения модели представленную на рис. 2.2. Такая методология позволяет совмещать достоинства метода структурной идентификации МГУ, А и априорных знаний об объекте.

В качестве алгоритма поиска модели рекомендуется использовать пороговый алгоритм К-сложности. Алгоритм позволяет в ограниченных временных рамках получать качественные характеристики модели близкие к комбинаторному алгоритму.

Для получения модели микротвердости титанового покрытия на алюминиевой основе для порогового алгоритма К-сложности рекомендуется использовать гиперболические функции.

При переходе динамической системы между заданными технологическими стационарными режимами рекомендуется использовать промежуточные стационарные режимы. Величина максимального изменения должна выбираться из практических соображений.

При синтезе оптимального по быстродействию регулятора, при переходе линейной динамической системы между стационарными состояниями, рекомендуется использовать МВСФ. Данный метод позволяет упростить задачу синтеза управляющего воздействия.

Для вакуумной системы установки «Ва^егБ-ЗЗСЮ» рекомендуется ввести контур управления скоростью откачки диффузионного насоса для обеспечения повышения точности регулирования внутривакуумного давления.

Заключение

.

В результате проведенной научно-исследовательской работы получены следующие основные результаты:

1) Исследован ТП ИПН как объект управления, выделены основные факторы, влияющие на ТП ИПН.

2) Исследована задача совершенствования структуры САУ ТП ИПН и предложена методология построения САУ ТП ИПН.

3) Разработан комплексный формализованный подход к решению задачи построения математического описания ТП ИПН, основанный на применении методов МГУ А.

4)Предложен пороговый алгоритм МГУА К-сложности построения математического описания ТП ИПН, использующий новый вид пороговых функционалов. Разработанный алгоритм апробирован на типовой экспериментальной установке «Balzers-350G».

5) Исследован вопрос повышения качества работы динамических объектов. Разработан алгоритм повышения динамических характеристик газовой системы, на базе МВСФ и реализован на типовой экспериментальной установке «Balzers-350G».

6) Усовершенствована система управления установки «Balzers-350G», за счет внедрения разработанного алгоритмического обеспечения для газовой системы.

В дальнейшем полученные научные результаты могут быть использованы для создания САУ ТП ИПН и для настройки параметров типового оборудования САУ ТП ИПН.

Показать весь текст

Список литературы

  1. О.Н. Метод варьирования свободных функционалов и его применение в задачах оптимального синтеза систем автоматического управления СПб.: Изд-во СПбГТУ, 1996.- 157 с.
  2. О.Н., Авдеев И. О., Мотайленко JI.B. Моделирование оптимальных систем управления с KB-регуляторами // Тр. 111Ш СПбГТУ Электрон. Машиностроение. 1999. — № 3. — С. 165−169.
  3. О.Н., Вертешев С. М., Мотайленко JI.B. Новый вариационный прикладной метод интеллектуальных технологий моделирования // Интеллектуальные и информ. технологии управления.: Тр. междунар. науч. конф.-Псков, 2000. С. 283−285.
  4. С.К., Жильцов А. И. Адаптивное моделирование как метод автоматизированного проектирования систем автоматического управления движущимися объектами // Труды МВТУ. 1986. — № 456. — С. 36−45.
  5. С.К., Жильцов А. И. Информационные аспекты задачи приближения // Труды МВТУ. 1977. — № 265 — С. 37−44.
  6. М., Фалб П. Л. Оптимальное управление / Пер. с англ. Г. Н. Алек-сакова- Под ред. Ю. И. Топчеева. М.: Машиностроение, 1968. — 764 с.
  7. В.А., Богданович В. И. Физические основы и математическое моделирование процессов вакуумного ионно-плазменного напыления— М.: Машиностроение, 1999. 309 с.
  8. А.И., Булыгина Е. В., Колесник Л. Л. Нанесение тонких пленок в вакууме: Метод, указание к лабораторным работам. М.: Издво МГТУ им. Н. Э. Баумана, 2001. — 84 с.
  9. Р. Динамическое программирование / Пер. с англ. И.М. Андреевой- Под. ред. H.H. Воробьева М.: Изд-во иностр. лит., 1960. — 400 с.
  10. В.А., Попов Е. П. Теория систем автоматического регулирования — М.: Наука, 1975. 767 с.
  11. Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974. — 274 с.
  12. В.И., Коноваленко В. В., Горелов Ю. И. Имитационное управление неопределенными объектами — Киев: Наукова думка, 1989. — 216 с.
  13. Е.М. Методы оптимизации управления многообъектными многокритериальными системами на основе стабильноэффективных игровых решений: Учебник / Под ред. К. А. Пупкова, Н.Д. Егупова- М.: Изд-во МГТУ им. Н. Э. Баумана, 2001.-576 с.
  14. Механические свойства тонких пленок на резиновой подложке / Е. Ю. Гамлицкий, В. В. Слепцов, Ю. А. Гамлицкий и др. // Тонкие пленки в оптике и электронике.: Сборник докладов 14-го Международного симпозиума. Харьков, 2002.-С. 147−151.
  15. В.А. Фундаментальные основы дискретной математики. Информационная математика: Учебник для втузов. М.: Наука. Физматлит, 2000. — 544 с.
  16. Д. Методы идентификации систем / Пер. с англ. В. А. Васильева, В.И. Лопатина- Под ред. Е. И. Кринецкого М.: Мир, 1976. — 302 с.
  17. А.М. Методы идентификации динамических объектов— М.: Энергия, 1979.- 240 с.
  18. Е.З. Оптимизация и регрессия М.: Наука, 1989. — 296 с.
  19. О.В., Кравченко В. А. Применение ЭВМ в управлении технологическими процессами: автоматизация и интеллектуализация производств: Учеб. пособие. М.: Изд-во МГОУ А/О Росвузнаука, 1992. — 246 с.
  20. О.С., Кеменов В. Н., Нестеров С. Б. Подходы к изучению и описанию поверхности материалов применяемые в вакуумной технике // Вакуумная наука и техника.: Сборник трудов X науч. техн. конф. -М., 2003.-С. 152−156.
  21. Ивахненко А. Г, Сарычев А. П., Непараметрические прогнозирующие модели метода группового учета аргументов. Модели для прогнозирования процессов в экономических макросистемах //Автоматика (Киев).- 1989.-№ 3. С. 3−16.
  22. А.Г. Индуктивный метод самоорганизации моделей сложных систем Киев: Наукова Думка, 1982. — 296 с.
  23. А.Г. Самообучающиеся системы распознавания и автоматического управления Киев: Наукова Думка, 1969. — 392 с.
  24. А.Г., Зайченко Ю. П., Дмитров В. Д. Принятие решений на основе самоорганизации М.: Сов. Радио, 1976. — 275 с.
  25. А.Г., Ивахненко Г. А. Пороговый алгоритм МГУА Полиномиальной сложности // Штучний 1нтелект. 1999. — № 1. — С. 24−29.
  26. А.Г., Костенко Ю. В. Системный анализ и долгосрочный количественный прогноз квазистатических систем на основе самоорганизации моделей. 4.1 Системный анализ на уровне трендов //Автоматика.- 1982. — № 3. С. 11−19.
  27. А.Г., Степашко B.C. Помехоустойчивость моделирования -Киев: Наукова Думка, 1985. 216 с.
  28. А.Г., Юрачковский Ю. П. Моделирование сложных систем по экспериментальным данным М.: Сов. Радио, 1987. — 120 с.
  29. Прикладные нечеткие системы / К. Асаи, Д. Ватада, С. Иван и др. М.: Мир, 1993.-368 с.
  30. Колесник JI.JI.. Математическое моделирование распределения давления в технологических вакуумных системах // Вакуумные технологии и оборудование.: Сборник докладов 4-й Международной конференции. Харьков, 2002. — С. 60−61.
  31. Е. А. Кораблев Ю.А., Ухов A.A. Контроль и управление глубиной ионного травления с использованием ПЭС- спектрофотометра //Опыт внедрения прогрессивных методов и средств размерного контроля.: Сборник материалов семинара. -Л., 1990. С. 75−77.
  32. В.И., Шестерин Ю. А. Плазменные покрытия — М.: Металлургия, 1978. 160 с.
  33. Л. Идентификация систем. Теория для пользователя. Пер. с англ. / Под ред. Я. З. Цыпкина. М.: Наука. Гл. ред. физ. — мат. лит., 1991.432 с.
  34. Технология тонких пленок: Справочник / Под ред. Л. Майсела, Р. Глэнга Пер с англ. Под ред. М. И. Елинсона, Г. Г. Смолко. М.: Сов. радио, 1977.-Т. 1.-664 с.
  35. И.В. Имитационное моделирование на ЭВМ. — М.: Радио и связь, 1988.-230 с.
  36. Математические модели динамики и синтез устройств управления источников ионов: Учеб. Пособие / В. Д. Ломакин, В. П. Малайчук, А. Н. Петренко, А. Ф. Скрипник Днепропетровск: ДГУ, 1989. — 88 с.
  37. Л.В. Моделирование и идентификация оптимальных линейных систем управления: Дис. канд. техн. наук Псков, 2001. — 155 с.
  38. Д.А., Егоров Н. В. Математическое моделирование систем формирования электронных и ионных пучков. — СПб. Издательство С.-Петербургского университета, 1998. —276 с.
  39. Ю.В., Иванчинков И. В. Выбор режимов нанесения пленок алмазоподобного углерода с помощью базы данных // Справочник. Инженерный журнал. Приложение. Электронный, ионные и плазменные технологии 2000. — № 7. — С. 21−23.
  40. И.И. Оперативная идентификация объектов управления. — М.: Энергоиздат, 1982. 272 с.
  41. Ю.П. Вариационные методы теории оптимального управления 2-е изд., перераб. и доп. — JI.: Энергия, 1977. — 280 с.
  42. В.Н., Иванов JI.JI. Управления движением многокомпонентных систем на основе интеллектуальных алгоритмов // Вторая научно тех. конференция, навигация и управление движущимися объектов.: Сборник докладов. СПб., 2000. — С. 23−26.
  43. Дж. Символы, сигналы, шумы М.: Мир, 1967. — 334 с.
  44. В.Н., Зверев В. Ю. Принятие решений в системах управления. 4.2 Теория и проектирование принятия проектных решений для многообъектных распределенных систем управления. М.: Изд-во МГТУ им. Н. Э. Баумана, 1994. — 146с.
  45. В.Н., Зверев В. Ю. Принятие решений в системах управления. 4.1 Теория и проектирование алгоритмов принятия оперативных решений. М.: Изд-во МГТУ им. Н. Э. Баумана, 1993.-172 с.
  46. JI.C. Математическая теория оптимальных процессов. М.: Наука, 1969. — 384 с.
  47. Е.П., Тимофеев A.B. Управляемость на подпространстве и адаптивные модальные регуляторы // Доклады АН СССР. 1983. — Т. 273, № 5. -С.1070−1073.
  48. О.С., Леонтьев O.A., Брусиловский Б. В. О едином принципе построения субоптимальных систем управления // Изв. вузов. СССР Приборостроение. 1977. — № 3 — С. 42—44.
  49. К. А., Авдеев О. Н., Иванов JI. JI. Рекуррентный алгоритм перебора моделей технологического процесса ионно-плазменного напыления //Интеллектуальные системы.: Труды пятого международного симпозиума. -М., 2002.-С. 352−354.
  50. К. А., Иванов JI. JI. Пороговый алгоритм МГУА К сложности // Труды МГТУ им. Н. Э. Баумана. — 2002. — № 583. — С. 127−135.
  51. К.А. Интеллектуальные системы проблемы теории и практики // Изв. Вузов. Приборостроение. 1994. — Т. 37, № 9. — С. 5−7.
  52. Методы классической и современной теории автоматического управления: Учебник в Зт.: Методы современной теории управления / Под ред. К. А. Пупкова, Н. Д. Егупова. М.: Изд-во МГТУ им. Н. Э. Баумана, 2000. — Т.З. -748 с.
  53. Методы робастного, нейро-нечеткого и адаптивного управления: Учебник / Под ред. К. А. Пупкова, Н. Д. Егупова М.: Изд-во МГТУ им. Н. Э. Баумана, 2001.-744 с.
  54. Основы кибернетики / Под ред. К. А. Пупкова. М.: Высшая школа, 1976.-263 с.
  55. JI.A., Маджаров Н. Е. Введение в идентификацию объектов управления. М.: Энергия, 1977. — 216 с.
  56. Я.Н. Автоматическое управление: Учеб. пособие, изд. 2-е перераб. и дополн. М.: Изд-во Наука, 1978. — 552 с.
  57. В.А. Статистическое моделирование эксперимента по изменению неравновесных ионных разрядов осколков деления ФЭИ Обнинск, 1996. 13 с. (Препринт Физико-энерг. ин-т, ФЭИ-2533)
  58. В.К., Молин В. Н., Дарьюшкин.Д. В. Компьютерное моделирование диффузии натрия в оксидный катод // Тонкие пленки в оптике и электронике.: Сборник докладов 15-го Международного симпозиума — Харьков, 2003. С.159−161.
  59. В.В., Плотников В. Н., Яковлев A.B., Основы теории и элементы систем автоматического регулирования. Учебное пособие для вузов.- М.: Машиностроение, 1985 536 с.
  60. В. С., Коппа Ю. В. Опыт применения системы АСТРИД для моделирования экономических процессов по статистическим данным // Кибернетика и выч. техника. 1999. — № 117. — С. 23−29.
  61. B.C. Конечная селекционная процедура получения результата полного перебора // Автоматика. — 1981. № 3 — С.45−53.
  62. В. Метод пространства состояний в теории дискретных линейных систем управления / Пер. с англ. Э.Д. Аведьяна- Под ред. Я. З. Цыпкина. — М.: Наука, 1985.-296 с.
  63. И.Н. Итерационный метод решения задач оптимального управления. Учет краевых условий // Сб. тр. Моделирование и оптимизация управляемых динамических систем. — М., 1989. -96 с.
  64. . Н.Б. Системы многорежимного регулирования: Концепция, принципы построения, проблемы синтеза// Приборостроение. 1988. -Т. XXXI, № 2. — С. 18−33.
  65. М.Г., Коломиец Н. Г. Самоорганизация простых моделей, прогнозирующих урожай пшеницы // Автоматика. 1980. — № 1. — С. 2837.
  66. Я.З. Информационная теория идентификации.- М.: Наука Физматлит, 1995. 336 с.
  67. Я.З. Теоретические и прикладные задачи оптимизации // Сб. ст. / АН СССР. Ин-т пробл. управления. М.: Наука, 1985. — С. 171−173
  68. Состав, структура и свойства Ti-Al-B-N покрытий, полученных вакуумным реактивным распылением СВС-мишеней / Д. В. Штанский, Е. А. Левашов, А. Н. Шевейко, Дж. Мур //Цветные Металлы. — 2000.- №. 4. С. 116 123.
  69. . П. Основы идентификации систем управления: Пер. с англ. — М.: Мир, 1975.-683 с.
  70. П. Сейдж, Джеймс Л. Мелса Идентификация систем управления М.: Наука, 1974. — 248 с.
  71. Ю.П. Применение разложения Карунена-Лоева для построения скалярной свертки векторного критерия (на примере оценки качества поверхностных вод суши) // Автоматика. — 1987. № 1. — С.17−25.
  72. Andreas Kroll, Thomas Bernd, Sandra Trott Fuzzy Network Model-Based Fuzzy State Controller Design // IEEE Trans, on fuzzy systems. -2000. Vol. 8, №. 5.-P. 632−644.
  73. Asriel U. Levin, Kumpati S. Narendra Control of nonlinear dynamic system using neural networks Part II: Observability, Identification, and Control // IEEE Trans, on neural network. — 1996. — Vol.7, №. 1. — P. 30−42.
  74. Baker M.D., Himmel C.D., May G.S. Time series modeling of reactive ion etching using neural networks //IEEE Trans. Semiconductor Manufacturing.-1995.-Vol. 8, № l.-P. 62−71.
  75. Byung Whan Kim, Gwi Tae Park Modeling Plasma Equipment Using Neural Networks // IEEE Transaction on Plasma Science. 2001. — Vol. 29, № l.-P. 8−12.
  76. Doosik Kim, Economou D.J. Plasma molding over surface topography: Simulation of ion flow, and energy and angular distributions over steps in RF high-density plasmas // IEEE Transaction on Plasma Science. 2002. — Vol. 29, № 5. -P. 2048−2058.
  77. Himmel C.D., May.G.S. Advantages of plasma etch modelling using neural networks over statistical techniques // IEEE Trans. Semiconductor Manufacturing. -1993. Vol. 6, № 2. — P. 103−111.
  78. Fuzzy Model Predictive Control / Y.L. Huang, H. Lou Helen, J.P. Gong, F. Edgar Thomas // IEEE Trans, on fuzzy systems. 2000. — Vol. 8, № 6. — P. 665 678.
  79. Jiangxin Wang, Spanos C.J. Real-time furnace modeling and diagnostics // IEEE Trans. Semiconductor Manufacturing -2002. Vol. 15, №. 4. — P. 393- 403.
  80. Jill P. Card, Debbie L. Sniderman and Casimir Klimasauskas. Dynamic Neural Control for a Plasma Etch Process //IEEE Trans! on Neural networks-1997. Vol. 8, № 4. — P. 883 — 901.
  81. Johan-Adolf Mueller, Frank Lemke, Self-organizing Data Mining An Intelligent Approach to Extract Knowledge From Data- Berlin Dresden, 1999.225 p.
  82. Krzysztof Ciesielski, Jaroslaw P. Sacha, Krzysztof J. Cios, Synthesis of Feedforward Networks in Supremum Error Bound // IEEE Trans, on neural network. 2000. — Vol. 11, № 6. — P. 1213−1227.
  83. Lee S.F., Spanos C.J. Prediction of wafer state after plasma processing using real-time tool data // IEEE Trans. Semiconductor Manufacturing. — 1995. Vol. 8, No 3.-P 252−261.
  84. M.M. Gupt, N.K. Cinch. Intelligent Control System- New York: IEEE Press, 1996.-258 p.
  85. Miodrag K. Ravic, Cedomir A. Maluckov Statistical Analysis of the Dynamic Voltage Electrical Breakdown in Nitrogen// IEEE Transaction on Plasma Science. 2001. — Vol. 29, № 5. — P. 832−836.
  86. Control of semiconductor manufacturing equipment: real-time feedback control of a reactive ion etcher / B.A. Rashap, M. E Elta, H Etemad and others // IEEE Trans. Semiconductor Manufacturing. 1995. -Vol. 8, № 3. — P. 286−297.
  87. Multivariate statistical methods for modeling and analysis of wafer probe test data / K.R. Skinner, D.C. Montgomery, G.C. Runger and others // IEEE Trans. Semiconductor Manufacturing. 2002. -Vol. 15, № 4. — P. 523- 530.
  88. Wei Li A Method for Design of a Hybrid Neuro-Fuzzy Control System Based on Behavior Modeling //IEEE Trans, on fuzzy systems. -1997.- Vol. 5, № 1. P.128−137.
Заполнить форму текущей работой

Сессия? Спокойно!