Помощь в написании студенческих работ
Антистрессовый сервис

Применение нечетких лингвистических регуляторов для управления сложными динамическими объектами

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Выбор этих объектов обусловлен тем, что, во-первых, данные объекты являются сложными, с размытыми и плохо определенными параметрами, что позволяет использовать основные преимущества, предоставляемые нечеткими лингвистическими регуляторами. Во-вторых, примененные для этих объектов управляющие алгоритмы могут быть использованы для многих других объектов управления. А в третьих, для этих объектов… Читать ещё >

Применение нечетких лингвистических регуляторов для управления сложными динамическими объектами (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. Краткий обзор исследований по нечеткой логике
    • 1. 1. История создания нечетких методов и текущее состояние исследований
    • 1. 2. Основные определения и положения нечетких методов. И
    • 1. 2. Л Нечеткие множества
      • 1. 2. 2. Лингвистические переменные
      • 1. 2. 3. Нечеткая логика
      • 1. 2. 4. Нечеткие лингвистические регуляторы
    • 1. 3. Краткие
  • выводы по первой главе
  • 2. Адаптивный нечеткий лингвистический регулятор для управления реакционной температурой в процессе автоклавного выщелачивания бокситов
    • 2. 1. Процесс автоклавного выщелачивания бокситов
    • 2. 2. Исходная система управления реакционной температурой
    • 2. 3. Постановка задачи исследования
    • 2. 4. Исследование вариантов улучшения комбинированной системы управления с помощью нечетких методов
    • 2. 5. Предлагаемая структура системы управления с адаптивным нечетким лингвистическим регулятором
    • 2. 6. Существующие адаптивные нечеткие лингвистические регуляторы
    • 2. 7. Предлагаемый адаптивный нечеткий лингвистический регулятор
    • 2. 8. Исследование полученной системы управления
      • 2. 8. 1. Исследование метода с использованием простейшей модели объекта
      • 2. 8. 2. Исследование метода на модели процесса автоклавного выщелачивания бокситов
    • 2. 9. Свойства полученной системы управления
    • 2. 10. Практическое применение предложенного алгоритма управления
    • 2. 11. Краткие
  • выводы по второй главе
  • 3. Нечеткий лингвистический регулятор для управления движением электроподвижного состава монорельсовой дороги
    • 3. 1. Краткие сведения о системах автоведения
    • 3. 2. Задача автоведения электроподвижного состава монорельсовой дороги. Постановка задачи научного исследования
    • 3. 3. Традиционные алгоритмы управления автономных систем автоведения
      • 3. 3. 1. Алгоритмы управления движением электроподвижного состава на перегонах
      • 3. 3. 2. Управление прицельным торможением
    • 3. 4. Алгоритмы автоведения, основанные на нечетких методах
    • 3. 5. Предлагаемый алгоритм управления с использованием нечеткого лингвистического регулятора
      • 3. 5. 1. Общие положения предлагаемого метода
      • 3. 5. 2. Структура управляющего алгоритма
      • 3. 5. 3. Описание лингвистических переменных нечеткого регулятора
      • 3. 5. 4. Описание базы правил нечеткого лингвистического регулятора
      • 3. 5. 5. Процедура нечеткого вывода
    • 3. 6. Исследование предлагаемого нечеткого регулятора
      • 3. 6. 1. Соблюдение ограничений скорости
      • 3. 6. 2. Прицельное торможение
      • 3. 6. 3. Регулирование времени
    • 3. 7. Результаты вычислительных экспериментов
      • 3. 7. 1. Расчеты с использованием в качестве модели двух последовательно соединенных интеграторов
      • 3. 6. 2. Расчеты с использованием комплексной модели
    • 3. 8. Оценка вычислительной сложности предлагаемого алгоритма
    • 3. 9. Практическая реализация
    • 3. 10. Краткие
  • выводы по третьей главе

Актуальность.

В современной теории автоматизации методы построения систем управления, основанные на нечеткой логике, нечетких множествах и лингвистических переменных, получают все большее распространение. Прежде всего, это обусловлено рядом преимуществ, которые предоставляют данные методы (далее нечеткие методы) разработчику систем управления.

Одним из основных преимуществ нечетких методов является то, что они позволяют работать с размытыми или плохо определенными данными, оперируя ими на более высоком уровне общности — уровне макрознания [9]. Данное преимущество является очень важным при работе со сложными системами, для которых учет всех параметров традиционными методами является либо невозможным, либо чрезмерно трудоемким [1 — 3, 5 — 7].

Поскольку теория лингвистической переменной позволяет описывать модели объектов и алгоритмы систем управления в терминах естественного языка, то это делает их прозрачными и легкими для понимания, что облегчает их дальнейшую эксплуатацию и модернизацию. Применение терминов естественного языка позволяет напрямую использовать знания экспертов предметной области или опытных операторов для построения алгоритмов управления и моделей объектов [2, 3].

Нечеткие лингвистические регуляторы являются нелинейными по своей природе, что позволяет эффективно их использовать для управления нелинейными объектами [12, 15,20, 22 и др.].

Нечеткие методы можно применять совместно с традиционными алгоритмами управления, используя наилучшие черты различных подходов [25 — 29, 35]. Имеется значительный потенциал улучшения многих существующих управляющих систем за счет использования нечетких методов.

Данные преимущества отмечаются многими исследователями и подтверждены как теоретическими исследованиями, так и практическими применениями. Нечеткие методы переживают бурное развитие в Европе, Северной Америке, Китае, Японии, Корее. В нашей стране так же ведутся работы в этом направлении, например, [5−8, 10, 64−71]. Тем не менее, в России нечеткие лингвистические регуляторы широкого распространения пока не получили.

В условиях жесткой международной конкуренции применение нечетких методов должно повысить привлекательность отечественной продукции, снизить издержки при ее производстве.

Таким образом, в настоящее время является актуальной задача по применению существующих, а так же по разработке новых методов управления на основе нечетких лингвистических регуляторов, как для построения новых систем управления, так и для улучшения существующих.

В данной работе применение нечетких лингвистических регуляторов рассматривается на примере построения систем управления двумя сложными динамическими объектами: системы регулирования реакционной температуры в процессе автоклавного выщелачивания бокситов и системы управления движением электроподвижного состава монорельсовой дороги.

Выбор этих объектов обусловлен тем, что, во-первых, данные объекты являются сложными, с размытыми и плохо определенными параметрами, что позволяет использовать основные преимущества, предоставляемые нечеткими лингвистическими регуляторами. Во-вторых, примененные для этих объектов управляющие алгоритмы могут быть использованы для многих других объектов управления. А в третьих, для этих объектов существует возможность немедленного практического применения предлагаемых методов с прямым экономическим эффектом.

Объект исследования — нечеткие методы управления в технических системах.

Предмет исследования — методы применения нечетких лингвистических регуляторов для управления сложными динамическими объектами. Постановка цели исследования:

1. Исследование и разработка методов управления сложными динамическими объектами с помощью нечетких лингвистических регуляторов.

2. Использование разработанных методов для управления реакционной температурой в технологическом процессе автоклавного выщелачивания, а так же для управления движением электроподвижного состава монорельсовой дороги.

Для достижения данных целей были поставлены следующие задачи:

1. Исследование методов управления с использованием нечетких лингвистических регуляторов, ориентируясь на построение системы управления температурой в процессе автоклавного выщелачивания и системы управления движением рельсового транспортного средства.

2. Выбор наиболее подходящих методов или разработка новых для каждой из рассматриваемых систем управления.

3. Построение на базе разработанных методов системы управления температурой в процессе автоклавного выщелачивания и системы управления движением рельсового транспортного средства.

4. Исследование свойств полученных систем управления.

Методы исследований базируются на использовании теории нечеткой логики, нечетких множеств и лингвистических переменных, теории автоматического управления, системного анализа, вычислительного эксперимента, математического моделирования.

Научная новизна работы состоит в разработке новых методов применения нечетких лингвистических регуляторов для управления сложными динамическими объектами. При этом:

1. Разработана структура системы управления, состоящей из комбинированной системы управления и адаптивного нечеткого регулятора, который компенсирует отклонения программной составляющей от реальной характеристики объекта.

2. Разработан и теоретически обоснован адаптивный нечеткий лингвистический регулятор, позволяющий компенсировать отклонения программной составляющей комбинированной системы от реальной характеристики объекта.

3. Создан и апробирован алгоритм управления температурой в процессе автоклавного выщелачивания на основе комбинированной системы управления и адаптивного нечеткого лингвистического регулятора.

4. Предложен новый подход к построению систем автоведения поездов, основанный, с одной стороны, на традиционном программно-вычислительном алгоритме, а с другой, на использовании нечеткого лингвистического регулятора.

5. На основе предложенного подхода разработан алгоритм автоматического управления движением электроподвижного состава монорельсовой дороги. Дано теоретическое обоснование работоспособности алгоритма, проведена его экспериментальная и практическая реализация.

Практическая ценность работы заключается в том, что разработанные методы позволяют повысить качество регулирования, что во многих случаях может приводить к существенному экономическому эффекту.

Метод построения управляющих систем состоящих из комбинированной системы • управления и адаптивного нечеткого лингвистического регулятора применим ко многим существующим системам, так как системы управления на основе комбинированной структуры широко распространены. Во многих случаях улучшение существующих алгоритмов можно произвести с минимальными затратами, на действующем программно-аппаратном обеспечении.

Метод построения систем автоведения электроподвижного состава монорельсовой дороги может быть применен для построения систем управления движением других рельсовых транспортных средств: пассажирских поездов, метрополитена и т. д.

Внедрение результатов. На основании результатов данной диссертационной работы реализован и внедрен алгоритм управления электроподвижным составом Московской монорельсовой дороги. Улучшен регулятор температуры во втором автоклаве батареи выщелачивания на Богословском алюминиевом заводе (г. Краснотурьинск).

Апробация результатов. Основные положения диссертационной работы докладывались на Всероссийской научной конференции «Управление и информационные технологии» УИТ 2003, на весенней отчетной научно-практической конференции аспирантов УГТУ (2002), на третьей научно технической конференции молодых специалистов НПО, А (2003), на весенней отчетной научно-практической конференции аспирантов УГТУ (2003).

Публикации. По теме диссертации опубликовано 7 работ, в том числе 4 статьи.

Структура диссертации. Первая глава посвящена обзору нечетких методов. В начале главы кратко рассматривается история их создания, обозначаются основные вехи развития и ведущие исследователи. Далее, во избежание неоднозначностей в трактовке основного материала, бегло излагаются базовые понятия нечетких методов.

Во второй главе рассматривается процесс автоклавного выщелачивания бокситов. Показывается его сложность и плохая определенность. Отмечается, что регулирование температуры является важнейшим фактором, влияющим на качество и выход глинозема. Рассматривается управляющий алгоритм на основе комбинированной структуры управления, реализованный ранее. Дается постановка задачи исследования. Исследуются возможные способы улучшения структуры управляющего алгоритма с помощью нечетких лингвистических регуляторов. Описывается предлагаемая структура управления с адаптивным нечетким лингвистическим регулятором, компенсирующим отклонения программной составляющей от реальной характеристики объекта. Рассматриваются различные алгоритмы обучения нечеткого лингвистического регулятора, описанные другими исследователями. Обосновывается выбор структуры нечеткого лингвистического регулятора и алгоритма обучения. Исследуются свойства полученной системы управления. Приводятся данные вычислительных экспериментов и практического применения. Формулируются некоторые выводы.

В третьей главе рассматривается система автоматического управления движением электроподвижного состава монорельсовой дороги. Для этого кратко излагаются общие сведения о системах автоведения поездов, показывается, в чем заключается сложность и неопределенность объекта управления. Ставится задача управления движением электроподвижного состава монорельсовой дороги. Дается постановка задачи научного исследования. Рассматриваются как традиционные методы построения систем управления движением рельсового транспортного средства, так и методы, основанные на нечеткой логике. Обосновывается выбор метода управления на основе традиционного программно-вычислительного алгоритма и нечеткого лингвистического регулятора. Рассматривается его реализация. Исследуются свойства полученной системы управления. Аналитически показывается, что предлагаемый алгоритм управления позволяет решать основные задачи автоведения электроподвижного состава: регулирование времени хода, соблюдение ограничений скорости, прицельное торможение. Исследуется влияние параметров функций принадлежности нечетких переменных на работу алгоритма управления. Приводятся результаты моделирования для различных моделей электроподвижного состава. Формулируются выводы.

В заключении приводятся основные выводы по проделанной работе. Кратко излагаются основные научные и практические результаты.

Автор выражает глубокую благодарность научному консультанту кандидату технических наук, доценту Евгению Эрастовичу Страшинину, научному руководителю заслуженному деятелю науки и техники РФ, доктору технических наук, профессору Владимиру Георгиевичу Лисиенко, а так же сотрудникам лаборатории динамических систем НПО Автоматики и коллективу Уральского филиала ЗАО «РТСофт» .

ЗАКЛЮЧЕНИЕ

.

Целью диссертационной работы являлось исследование и разработка методов управления сложными динамическими объектами с помощью нечетких лингвистических регуляторов, а так же использование разработанных методов для управления реакционной температурой в технологическом процессе автоклавного выщелачивания и управления движением электроподвижного состава монорельсовой дороги.

Поскольку для управления реакционной температурой в процессе автоклавного выщелачивания применяется система управления комбинированной структуры, было принято решение применить нечеткие методы для улучшения свойств комбинированной системы управления.

Проведенное исследование имеющихся публикаций показало, что многие исследователи предлагают варианты улучшения ПИ, ПИД-регуляторов с помощью нечетких методов. Вместе с тем, возможность улучшения комбинированной системы управления путем добавления нечеткого лингвистического регулятора к разомкнутой части системы управления исследована недостаточно.

В диссертационной работе предлагается структура системы управления состоящей из комбинированной системы управления и адаптивного нечеткого лингвистического регулятора, компенсирующего отклонения программной составляющей от реальной характеристики объекта.

Исследование принципов построения адаптивных нечетких лингвистических регуляторов позволило построить адаптивный нечеткий регулятор, лучшим образом удовлетворяющий требованиям по быстродействию и объему хранимой информации.

На основе теоретических рассуждений выбран алгоритм обучения. Доказано утверждение, что предложенный нечеткий регулятор способен аппроксимировать функцию нескольких переменных в некоторой области с произвольно высокой точностью.

Исследования свойств полученной системы управления, проведенные для различных моделей объектов, показали, что предложенная система управления с адаптивным нечетким лингвистическим регулятором позволяет улучшить переходные процессы и отработку измеряемых возмущений без снижения запасов устойчивости.

Полностью подготовлена практическая реализация предлагаемого метода в системе регулирования реакционной температуры в процессе автоклавного выщелачивания бокситов на Богословском алюминиевом заводе, г. Краснотурьинск.

Таким образом, предложен новый подход, заключающийся в применении адаптивного нечеткого лингвистического регулятора для уточнения программной составляющей комбинированной системы управления. При этом адаптивный нечеткий регулятор способен обучаться наблюдая поведение обычной комбинированной системы без осуществления поисковых действий и оценки результатов своей работы.

Впервые разработан адаптивный нечеткий регулятор, совмещающий принцип построения функций принадлежности и нечетких правил из работы [61] и метод нечеткого вывода Такаги-Сугено [30].

Предложенный подход позволяет без снижения запасов устойчивости улучшить переходные процессы и отработку измеряемых возмущений для комбинированной системы управления.

Для построения системы управления движением электроподвижного состава монорельсовой дороги были исследованы как традиционные методы автоведения поездов, так и методы, основанные на нечеткой логике. Оказалось, что система автоведения электроподвижного состава монорельсовой дороги обладает рядом особенностей по сравнению с системами автоведения других рельсовых транспортных средств и требует построения подхода, впервые востребованного в отечественной практике.

В диссертационной работе совмещается отечественный опыт построения программно-вычислительных алгоритмов автоведения с опытом зарубежных специалистов для построения системы автоматического управления движением поезда на основе нечеткого лингвистического регулятора.

Описывается структура предлагаемого алгоритма управления. В соответствии с решаемыми задачами выбираются четкие входы нечеткого лингвистического регулятора, описываются процедуры их вычисления. Вводятся лингвистические и нечеткие переменные. Описывается база правил нечеткого лингвистического регулятора, процедура нечеткого вывода.

Проводится теоретический анализ полученного алгоритма автоведения. Рассматривается работа нечеткого лингвистического регулятора в различных ситуациях. Показывается, что нечеткий регулятор позволяет решать поставленные задачи автоведения: регулирование времени в пути, соблюдение ограничений скорости и прицельное торможение. Анализируется влияние параметров функций принадлежности нечетких переменных на работу регулятора.

Отмечается, что нечеткий лингвистический регулятор позволяет естественно и компактно описать алгоритм управления, настройка параметров регулятора является наглядной и интуитивно понятной.

Результаты моделирования показали, что предложенный алгоритм автоведения обеспечивает высокую точность соблюдения графика движения и точность позиционирования состава на станции, строгое соблюдение ограничений скорости.

Из результатов моделирования вытекает, что предложенный алгоритм авто ведения является робастным — устойчивым по отношению к изменениям параметров объекта.

Предложенный алгоритм управления был реализован в системе автоматического управления движением электроподвижного состава Московской монорельсовой дороги.

Таким образом, предложен новый подход к построению систем автоведения, основанный, с одной стороны, на традиционном программно-вычислительном алгоритме, а с другой, на использовании нечеткого лингвистического регулятора. Предложенный метод позволяет эффективно и точно решать задачу автоведения электроподвижного состава монорельсовой дороги.

В результате написания диссертационной работы были разработаны новые методы применения нечетких лингвистических регуляторов для управления сложными динамическими объектами. С помощью разработанных методов решены две важные народно-хозяйственные задачи.

Показать весь текст

Список литературы

  1. L.A. Zadeh, Fuzzy Sets, Inform, and Control, Vol. 8, 1965, pp. 338−353.
  2. L.A. Zadeh Outline of a new approach to the analysis of the complex systems and decision processes, IEEE Trans. Systems Man Cybernet. SMC-3 (1) (1973) 28−44. На эту статью часто ссылаются, как на базовую по нечеткой логике.
  3. JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.
  4. А. Введение в теорию нечетких множеств: Пер. с франц. М.: Радио и связь, 1982. -432 с.
  5. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Д. А. Поспелова. М.: Наука, 1986. — 312 с.
  6. А.Н., Берштейн JI.C., Коровин С. Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука 1990. — 272 с.
  7. Р.А., Церковный Э. А., Мамедова Г. А. Управление производством при нечеткой исходной информации М.: Энергоатомиздат, 1991. — 240 с.
  8. Методы робастного, нейро нечеткого и адаптивного управления: Учебник / под ред.Н. Д. Егупова. М.: Изд-во МГТУ им. Н. Э. Баумана, 2001. — 744 с.
  9. Прикладные нечеткие системы под ред. Т. Тэрано, К. Асаи, М. Сугэно. М.: Мир 1993
  10. В.А. Введение в Fuzzy-регулирование: Учебное пособие. Екатеринбург: Издательство УГГГА 1997. — 36 с. 11. 3. Т. Heske, J.N. Heske Fuzzy Logic for Real World Design, Annabooks, San Diego USA 1996.
  11. E.H. Mamdani, Application of fuzzy algorithms for control of simple dynamic plant, Proc. IEEE 121 (1974) 1585−1588.
  12. T.J. Procyc, E.H. Mamdani, A linquistic self-organizing process controller, Automatica 15 (1979) 15−30.
  13. Y.P.Singh, A modified self-organizing controller for real-time process control applications, Fuzzy Sets and Systems, 96 (1998) 147−159.
  14. M.Sugeno, Industrial Applications of Fuzzy Control, Elsevier Science, Amsterdam 1985.
  15. Rajani K. Mudi, Nikhil R. Pal A self tuning fuzzy PI controller, Fuzzy Sets and Systems, 115 (2000) 327−338.
  16. Wei Li, Xiaoguang Chang, Application of hybrid fuzzy logic proportional plus conventional integral-derivative controller to combustion control of stoker-fired boilers, Fuzzy Sets and Systems 111 (2000) 267−284.
  17. Zhi-Wei Woo, Hung-Yang Chung, Jin Jye Lin, A PID type fuzzy controller with self-tuning scaling factors, Fuzzy Sets and Systems 115 (2000) 321−326.
  18. M. Lown, E. Swidenbank, B.W.Hogg, R. Smith, Adaptive fuzzy reference model control of multi-machine power systems, Fuzzy Sets and Systems 102 (1999) 59−70
  19. Yong-Tae Kim, Zeungnam Bien, Robust self-learning fuzzy controller design for a class of nonlinear MIMO systems, Fuzzy Sets and Systems, 111 (2000), 117−135.
  20. E.H. Mamdani, Twenty years of fuzzy control: experiences gained and lessons learned, IEEE Internat. Conf. on Fuzzy Systems, 1993 pp. 339−344.
  21. J.L. Castro, Fuzzy logic controllers are universal approximators, IEEE Trans. Systems Man Cybernet. 25 (4) (1995) 629−635.
  22. J.J. Buckley, Sugeno type controller, are universal controllers, Fuzzy Sets and Systems 52 (1993)299−303.
  23. D.W. Shimmin, M. Sephens, J.R. Swaintson Adaptive control of a submerged vehicle with sliding fuzzy relations, Fuzzy Sets and Systems 79 (1996) 15−24.
  24. Larry R. Medsker, Hybrid Intelligent Systems, Kluwer Academic Publishers, 1995 pp. 240 + 55 of references.
  25. Wermter S., Sun R. Hybrid Neural Systems. Springer, Heidelberg, Germany, 2000.
  26. Akifumi Jtsubo, Kenichiro Hayashi, Shuta Murakami, Mikio Maeda, Fuzzy hybrid control using simplified indirect inference method, Fuzzy Sets and Systems 99 (1998) 265 272.
  27. N. Matsunaga, S. Kawaji, Fuzzy hybrid control for DC servomotor, Trans. Inst. Electrical Eng. Japan Dill (1991) 195 200.
  28. T. Ishida, Fuzzy hibrid control, Proc 1st Intelligent System Symp. (1991) 1−2.
  29. M.Sugeno, T. Takagi, Multidimentional fuzzy reasoning, Fuzzy Sets and Systems 9 (1983).
  30. M.Sugeno G.T.Kang, Fuzzy modeling and control of multilayer incinerator, Fuzzy Sets and Systems 18 (1986), 329−346.
  31. M.Sugeno G.T.Kang, Structure Identification of fuzzy model, Fuzzy Sets and Systems 28 (1988), 15−33.
  32. T.Takagi, M. Sugeno, Fuzzy identification of systems and its application to modelling and control, IEEE Trans. Systems, Man Cybernet. 15 (1985) 116−132.
  33. Y.H.Joo, H.S. Hwang, K.B.Kim, K.B.Woo, Fuzzy system modeling by fuzzy partition and GA hybrid schemes, Fuzzy Sets and Systems 86 (1997), 279−288.
  34. Rong-Jong Wai, Hsin-Hai Lin, Faa-Jeng Lin Hybrid controller using fuzzy neural networks for identication and control of induction servo motor drive, Neurocomputing 35 (2000), 91−112.
  35. Guy Gavish, Ran Zaslavsky, Abraham Kandel, Longitudinal fuzzy control of a submerged vehicle, Fuzzy Sets and Systems, 115 (2000) 305−319.
  36. W.Li a, X.G.Chang a, F.M.Wahl b Jay Farrell c, Tracking control of a manipulator under uncertainty by FUZZY P+ID controller, Fuzzy Sets and Systems 122 (2001)125 -137
  37. A. Kandel, Y. Luo, Y.-Q. Zhang, Stability analysis of fuzzy control systems, Fuzzy Sets and Systems 105 (1999)33−48.
  38. Wen-June Wang, Shao-Feng Yan, Chih-Hui Chiu, Flexible stability criteria for a linguistic fuzzy dynamic system, Fuzzy Sets and Systems 105 (1999) 63−80.
  39. Yuezhong Tang, Naiyao Zhang, Yanda Li, Stable fuzzy adaptive control for a class of nonlinear systems, Fuzzy Sets and Systems 104 (1999) 279−288.
  40. Kenichiro Hayashi, Akifumi Otsubo, Shuta Murakami, Mikio Maeda, Realization of nonlinear and linear PID controls using simplified indirect fuzzy inference method, Fuzzy Sets and Systems 105 (1999) 409−414.
  41. Б.З. Барласов, В. И. Ильин, Наладка приборов и систем автоматизации, М.: Высш. шк. 1985.- 304 с.
  42. Е.К. Круг, О. М. Минина, Электрические регуляторы промышленной автоматики, М,-JL: Госэнергоиздат, 1962, 336 с.
  43. К. Острём, Б. Виттенмарк, Системы управления с ЭВМ: Пер. с англ. М.: Мир, 1987. -480 с.
  44. Р. Изерман, Цифровые системы управления: Пер. с англ. М.: Мир, 1984. — 541 с.
  45. Ш. Е. Штейнберг, Промышленные автоматические регуляторы. Под ред. Е. П. Стефани. М.: Энергия, 1973, 568 с.
  46. Р.Т. Chang, W.F. Xie, А.В. Rad, Tuning of fuzzy controller for an open-loop unstable system: a genetic approach, Fuzzy Sets and Systems 111 (2000) 137−152.
  47. F. Herrera, M. Lozano, J.L. Verdegay, Tuning fuzzy logic controllers by genetic algorithms, Internat J. Approx. Reasoning 12 (1995) 299−315.
  48. Yang Yupu, Xu Xiaming, Zhang Wengyuan, Real-time stable self-learning FNN controller using genetic algorithm, Fuzzy Sets and Systems 100 (1998) 173−178.
  49. H.B. Gurocak, A genetic-algorithm-based method for tuning fuzzy logic controllers, Fuzzy Sets and Systems 108 (1999) 39−47.
  50. K. Sugiyama, Rule-based self-organizing controller, Fuzzy Computing, North-Holland, Amsterdam, 1988, 341−353.
  51. B.S. Zhang, J.M. Edmunds, Self-organizing fuzzy logic controller, IEE Proc. D (1992) 460 464.
  52. C.H. Wong, S.L. Shah, M.M. Bourke, D.G. Fisher, Adaptive fuzzy relational predictive control, Fuzzy Sets and Systems 115 (2000) 247−260.
  53. D.W. Shimmin, M. Stephens, J.R. Swainston, Adaptive control of submerged vehicle with sliding fuzzy relations, Fuzzy Sets and Systems 79 (1996) 15−24.
  54. Vladimir Pavlica, Dusan Petrovacki, About simple fuzzy control and fuzzy control based on fuzzy relational equations, Fuzzy Sets and Systems 101 (1999) 41−47.
  55. S. Yasunobu, S. Miyamoto, Automatic train operation system by predictive fuzzy control, in: M. Sugeno (Ed.), Industrial Applications of Fuzzy Control, Elsevier, Amsterdam, Thet Netherlands, 1985, pp. 1−18.
  56. M. Sugeno, M. Nishida, Fuzzy control of model car, Fuzzy Sets and Systems 16 (1985) 103 113.
  57. Chunshien Li, Roland Priemer, Fuzzy control of unknown multiple-input-multiple-output plants, Fuzzy Sets and Systems 104 (1999) 245−267.
  58. Yuezhong Tang, Naiyao Zhang, Yanda Li, Stable fuzzy adaptive control for a class of nonlinear systems, Fuzzy Sets and Systems 104 (1999) 279−288
  59. Jang-Hyun Park, Sam-Jun Seo, Gwi-Tae Park, Robust adaptive fuzzy controller for nonlinear system using estimation of bounds for approximation errors, Fuzzy Sets and Systems 133 (2003) 19−36
  60. Joana Matos Dias, Antonio Dorado, A self-organizing fuzzy controller with a fixed maximum number of rules and an adaptive similarity factor, Fuzzy Sets and Systems 103 (1999)27.48.
  61. А.И., Еремин Н. И., Лайнер Ю. А., Певзнер И. З., Производство глинозема 2-е издание М.: Металлургия, 1978.
  62. К.А., Андрианов С. А., Пастухов С. Н., Страшинин Е. Э. // Промышленные АСУ и контроллеры, 2001, № 6 С. 5.
  63. Р.А., Э.Г. Захарова, Ульянов С. В., Нечеткие модели управления динамическими системами, Итоги науки и техники. Техническая кибернетика Т. 29: М.: ВИНИТИ АН СССР, 1990, с 127−200.
  64. Р.А., Э.Г. Захарова, Ульянов С. В., Нечеткие регуляторы и интеллектуальные промышленные системы управления, Итоги науки и техники. Техническая кибернетика Т. 32: М.: ВИНИТИ АН СССР, 1990, с 127−200.
  65. О.И., Ионов И. П., Кантор П. С., и др., Дуальное управление процессом искусственной вентиляции легких с использованием нечеткого регулятора в цепи обратной связи// Мед. техника, № 1, 1989 г.
  66. С.В., Нечеткие модели интеллектуальных систем управления: теоретические и прикладные аспекты, Итоги науки и техники. Техническая кибернетика. № 3, с 3−29.
  67. Aliev R.A., Production control on the basis of fuzzy models, Fuzzy Sets and Systems, 22 (1987), № 1.
  68. .Н., Уланов Г. М., Гольденблат И. И., и др., Информационные аспекты качественной теории динамических систем, Итоги науки и техники. Техническая кибернетика ТТ 7, 8, 10, М.: ВИНИТИ АН СССР, 1976 1978.
  69. .Н., Уланов Г. М., Ульянов С. В., и др., Информационно семантические проблемы в процессе управления и организации. М.: Наука, 1977
  70. Р.А., Церковный А. З. Интеллектуальные роботы с нечеткими базами знаний. М.: Радио и связь, 1990.
  71. А.В., Ситуационное управление концентрационным режимом алюминиевого электролизера с использованием нечеткой логики, Известия ВУЗов. Цветная металлургия. № 4, 2002 г., с. 68−72.
  72. М.А., Нечеткие множества, нечеткие доказательства и некоторые нерешенные задачи теории автоматического регулирования. Автоматика и телемеханика, 1976, № 7, с. 171 — 177.
  73. А.В., Проблема построения нечетких ситуационных моделей управления. В кн.: Методы и системы принятия решений — Рига: РПИ, 1979, с. 12−19.
  74. С.А., Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1980.
  75. И.А. Троицкий, В. А. Железное, Металлургия алюминия, М.: Металлургия, 1984, 398 с.
  76. Р.Г. Современные системы автоматизированного управления процессами выщелачивания в производстве глинозема. М.: 1986.
  77. Н.С. Автоклавное выщелачивание бокситов. М.: 1980.
  78. В. М. Абрамов, Л. А. Мугинштейн, Б. Д. Никифоров, М. Д. Рабинович, Повышение надежности и перспективы развития микропроцессорных локомотивных систем управления и обеспечения безопасности движения поездов, Вестник ВНИИЖТ, 2002, № 5.
  79. L.P. Kaebling, M.L. Littman, A.W. Moore, Reinforcement Learning: A Survey, Journal of Artificial Intelligence Research 4 (1996) 237−285.
  80. J1.A. Баранов, Я. М. Головичер, Е. В. Ерофеев, В. М. Максимов, Микропроцессорные системы автоведения электроподвижного состава/ под ред. Л. А. Баранова. М.: Транспорт, 1990 г., 272 с.
  81. С. Кузнецов, В. Половинкин, Комплексная система обеспечения безопасности и автоматизированного управления движением поездов метрополитена, Современные технологии автоматизации, № 4, 2000, с. 40−47.
  82. С. Кузнецов, В. Половинкин, Система «Движение»: стационарная аппаратура, центральный пост и единая система радиосвязи, Современные технологии автоматизации, № 2, 2001, с. 6−15.
  83. М. Пясик, Е. Толстов, И. Случак, Системы автоматического ведения поезда, Современные технологии автоматизации, № 2, 2001, с. 60−69.
  84. М.Антипин, В. Архипов, И. Братушкин, Н. Вершинина, С. Дерюгин, В. Зеленин и др., Система управления электроподвижным составом Московской монорельсовой дороги, Практика приборостроения, № 1, 2002, с. 52 55.
  85. Рассматриваются перспективы развития БЛА. Показывается, что основой управляющих систем таких устройств должны быть интеллектные системы управления на основе нечетких методов и технологий.
  86. C.Phillips, C.L. Karr, and G. Walker. Helicopter flight control with fuzzy logic and genetic algorithms, Engineering Applications of Artificial Intelligence, 9(2), 1996, pp. 175−259.
  87. M. Sugeno, I. Hirano, S. Nakamura, S. Kotsu. Development of an intelligent unmanned helicopter, IEEE International Conference on Fuzzy Systems, Vol. 5, 1995, pp. 33−37.
  88. Е.В. Ерофеев, Я. М. Головичер, Исследование управления временем хода в системе автоведения поезда, Вестник ВНИИЖТ, № 5, 1976 г., с. 4 7.
  89. Е.В. Ерофеев, Я. М. Головичер, Исследование алгоритмов программных систем автоведения пассажирских поездов, Труды МИИТ, Вып. 612, 1978 г., с. 12 19.
  90. Е.В. Ерофеев, Я. М. Головичер, Система автоведения скоростного пассажирского поезда с электровозом ЧС200, Труды МИИТ, Вып. 550, 1977 г., с. 78−81.
  91. B.C. Кудрявцев, Применение блока нечеткой логики для улучшения свойств ПИ-регулятора, Научные труды I отчетной конференции молодых ученых ГОУ УГТУ-УПИ 2001, с. 91.
  92. B.C. Кудрявцев, Вариант применения нечеткой логики для решения задачи терминального управления движением монорельсового состава, Научные труды II отчетной конференции молодых ученых ГОУ УГТУ-УПИ 2002, с. 343.
  93. B.C. Кудрявцев, Управление движением электроподвижного состава рельсового транспортного средства с использованием нечеткой логики, Приборы и системы. Управление, контроль, диагностика. 2002 № 11. с. 14−17.
  94. B.C. Кудрявцев, Е. Э. Страшинин, Управление движением электроподвижного состава монорельсовой дороги на перегонах с использованием нечеткой логики, Ракетно-космическая техника. Выпуск 11, с 102−116.
  95. B.C. Кудрявцев, В. Г. Лисиенко, Применение нечеткой логики для терминального управления электроподвижным составом монорельсовой дороги, Ракетно-космическая техника. Выпуск 11, с 127−140
  96. B.C., Страшинин Е. Э., Лисиенко В. Г., «Адаптивный нечеткий регулятор и его использование при регулировании температуры в процессе автоклавного выщелачивания бокситов», Известия вузов. Цветная металлургия, № 2, 2004
Заполнить форму текущей работой