Принципы синтеза интеллектуальных систем управления морскими динамическими объектами
Рассматриваются вопросы методологии синтеза интеллектуальных систем управления морскими динамическими объектами с учетом недостоверности знаний об объекте управления и условиях его функционирования. Обсуждаются причины возникновения неполноты информации. Анализируется эволюция систем управления в...
Saved in:
| Date: | 2009 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут проблем штучного інтелекту МОН України та НАН України
2009
|
| Subjects: | |
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/8148 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Принципы синтеза интеллектуальных систем управления морскими динамическими объектами / Ю.Л. Сиек, Соэ Мин Лвин // Штучний інтелект. — 2009. — № 4. — С. 448-456. — Бібліогр.: 15 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859850859758747648 |
|---|---|
| author | Сиек, Ю.Л. Лвин, С.М. |
| author_facet | Сиек, Ю.Л. Лвин, С.М. |
| citation_txt | Принципы синтеза интеллектуальных систем управления морскими динамическими объектами / Ю.Л. Сиек, Соэ Мин Лвин // Штучний інтелект. — 2009. — № 4. — С. 448-456. — Бібліогр.: 15 назв. — рос. |
| collection | DSpace DC |
| description | Рассматриваются вопросы методологии синтеза интеллектуальных систем управления морскими
динамическими объектами с учетом недостоверности знаний об объекте управления и условиях его
функционирования. Обсуждаются причины возникновения неполноты информации. Анализируется
эволюция систем управления в направлении компенсации влияния неточности и неопределенности
информации на качество процесса управления.
У статті розглядаються питання методології синтезу інтелектуальних систем керування морськими
динамічними об’єктами з огляду на недостовірність знань щодо об’єкта керування в умовах його
функціонування. Обговорюються причини виникнення неповноти інформації. Аналізується еволюція
систем керування у напрямку компенсації впливу неточності та невизначеності інформації на якість
процесу керування.
Questions of methodology of the designing of intelligent control systems of sea dynamic objects in terms of
un-authenticity of data on control object and conditions of its functioning are considered. The reasons of
incompleteness knowledge appearance are discussed. Evolution of control systems is analyzed in a direction of
compensation influence of inaccuracy and uncertainty of the information on quality of control process. For
the problem decision it is offered to raise degree of intellectuality system at the counting of application of the
effective information technology, which developed within the frame of a modern artificial intelligence. In a
quality of formalism, which considered inaccuracy and uncertainty, the concept of fuzzy set is chosen. The
methodology of designing of the intelligence control systems is offered.
|
| first_indexed | 2025-12-07T15:41:10Z |
| format | Article |
| fulltext |
«Искусственный интеллект» 4’2009 448
8С
УДК 656.61.052.4-52
Ю.Л. Сиек, Соэ Мин Лвин
Санкт-Петербургский государственный морской технический университет, Россия
Принципы синтеза интеллектуальных систем
управления морскими динамическими
объектами
Рассматриваются вопросы методологии синтеза интеллектуальных систем управления морскими
динамическими объектами с учетом недостоверности знаний об объекте управления и условиях его
функционирования. Обсуждаются причины возникновения неполноты информации. Анализируется
эволюция систем управления в направлении компенсации влияния неточности и неопределенности
информации на качество процесса управления.
Введение
Прогрессирующие направления развития современных вычислительных средств
оказывают революционное влияние на все сферы мировой и отечественной науки и
техники. Впечатляющие достижения в этой области открывают все новые и новые воз-
можности повышения степени автоматизации, точности и качества функционирования
различных, в том числе и морских, сложных технических систем. Новые научно-прак-
тические принципы их проектирования в настоящее время ориентированы в первую
очередь на создание аппаратно-программного обеспечения управляющих вычислитель-
ных систем, организующих и поддерживающих управление процессами на основе
применения эффективных информационных технологий.
При создании новых средств освоения и использования Мирового океана одной
из проблем является учет и компенсация влияния неточности и неопределенности ин-
формации о разрабатываемой морской технической системе и условиях ее функцио-
нирования на эффективность принимаемых проектных решений. Это особенно важно
при синтезе систем управления (СУ) многофункциональными морскими динамичес-
кими объектами (МДО) с изменяющимися в процессе работы структурой, весогабарит-
ными параметрами, гидродинамическими характеристиками, также испытывающими
в процессе плавания различные внешние возмущения [1]. Указанные факторы вносят
существенную недостоверность в знания, которые необходимы для проектирования
СУ МДО, обеспечивающей требуемое качество процесса управления.
Принципы построения СУ МДО зависят как от выбранного при проектировании
множества целей, для которых предназначен разрабатываемый объект, так и от априор-
ной неполноты информации. Если достижение выбранных целей возможно обеспечить
при конструктивной определенности МДО и достаточном объеме сведений о нем и
условиях его функционирования для всего периода эксплуатации, то рационален вы-
бор автоматической организации процесса управления. В случае отсутствия ясности
в определении множества целей и при наличии недостоверности знаний о МДО тра-
диционно считается целесообразным вариант СУ с человеком-оператором, как лицом,
принимающим решения (ЛПР). Предполагается, что его опыт, навыки и эвристические
Принципы синтеза интеллектуальных систем управления...
«Штучний інтелект» 4’2009 449
8С
возможности позволят компенсировать влияние недостоверности знаний в процессе
функционирования объекта. В информационно сложных ситуациях, складывающихся
в процессе плавания, ЛПР вынужден выполнять функции регулятора в контуре уп-
равления МДО с помощью движительно-рулевого комплекса. Это значительно уве-
личивает зависимость качества процесса управления от его психофизиологических и
эвристических свойств, снижая эффективность всей технической системы. Очевидно,
что для обеспечения требуемой надежности целесообразно проектирование таких СУ,
которые имитируют способность человека-оператора принимать правильные управ-
ленческие решения в сложных информационных ситуациях в условиях автоматичес-
кого или полуавтоматического процесса функционирования.
Одним из рациональных подходов к решению рассматриваемой проблемы яв-
ляется синтез интеллектуальных СУ МДО. Основной принцип построения таких
систем – программная и аппаратная реализация алгоритмического обеспечения, ис-
пользующего эффективные информационные технологии приобретения, представле-
ния и обработки знаний об объекте управления и их применения для формирования
управленческих решений на основе методов современного искусственного интеллек-
та [2]. Это позволяет создать условия снижения требований к знаниям, используемым
как на этапе проектирования системы, так и получаемым в процессе функционирова-
ния МДО, при сохранении требований к качеству управления [3].
1. Компенсация недостоверности знаний
в системах управления
Морские технические системы различного назначения представляют собой слож-
ные априорно неточные и неопределенные по своим характеристикам управляемые
динамические объекты, функционирующие в недостоверно известной среде и разнооб-
разных ситуациях, описание которых всегда является неполным на этапе проектирования
СУ. Укажем только некоторые из основных причин, которые порождают недостовер-
ность знаний, влияющих на качество процесса управления и успешность достижения
поставленной цели.
Многофункциональность МДО, поддерживаемая его модульностью, предполагает
варьирование в процессе эксплуатации его конструкции и технических характеристик.
Необходимость изменения состава исследовательской аппаратуры и производствен-
ного оборудования приводит к изменению в широком диапазоне его весогабаритных
параметров. Однако даже в условиях их стационарности присутствует недостовер-
ность знаний о силовом воздействии среды, уточнение которых требует проведения
масштабных и дорогостоящих научных исследований [4].
Важным фактором, вызывающим существенную неопределенность при проек-
тировании СУ, является отсутствие информации о нештатных ситуациях функцио-
нирования, при развитии которых принципиально важно сохранение управляемости
МДО. Эти ситуации могут порождаться отказом отдельных технических систем объек-
та, возникновением перегрузок при ударных воздействиях, превышением значений
кинематических параметров выше допустимых пределов и рядом других факторов.
Существенной причиной неопределенности является неполнота знаний о внеш-
них возмущениях. К ним, в первую очередь, следует отнести резкие перепады ветро-
волновых воздействий на МДО [4].
Вызывает неопределенность и многоцелевая ситуация, когда недостаточно имею-
щихся знаний для конкретизации текущей цели управления и требуется временной
Сиек Ю.Л., Соэ Мин Лвин
«Искусственный интеллект» 4’2009 450
8С
интервал для накопления необходимой информации. Такая проблема характерна, на-
пример, для МДО, решающего поисковые задачи.
Рассмотренные причины порождают проблему учета и компенсации недосто-
верности знаний при проектировании СУ МДО. В общем, это понятие включает в себя
как априорную неточность и неопределенность информации об объекте и условиях его
функционирования, так и неполноту измерений, используемых СУ для формирования
управляющих воздействий в процессе плавания. В первом случае мы имеем ограни-
ченность прогноза, выраженную в недостоверности знаний о математической модели
описания движения МДО.
Важнейшим фактором, влияющим на синтез СУ, является структурная неопре-
деленность, характерная для конструктивно сложного МДО с изменяющимся в про-
цессе плавания модульным составом и решающего широкий спектр задач сложного
пространственного маневрирования в различных ситуациях. Для ряда случаев описа-
ние движения таких объектов не поддается математической формализации и может
быть выполнено только на качественном уровне.
Наиболее характерна для прогноза параметрическая неопределенность. Для МДО
она, в первую очередь, выражается в интервальном представлении весовых и габарит-
ных характеристик, а также параметров моделей расчета силового воздействия жид-
кости на движущейся в ней объект. Однако следует отметить наличие априорной воз-
можности оценки номинальных значений проектных параметров. Это рационально
учитывать при математическом моделировании СУ.
Отсутствие сведений обо всех возможных режимах функционирования МДО, а
следовательно, и их математических описаний порождает ситуационную неопределен-
ность. В этом случае нет взаимно однозначного соответствия между элементами мно-
жества возможных ситуаций и множества моделей движения.
Неполнота прогноза проявляется в неопределенности и многообразии целей уп-
равления. Это затрудняет или делает невозможным выбор конкретной цели для иссле-
дуемой ситуации и ее формализацию для синтеза СУ.
При эксплуатации МДО неопределенность необходимой для формирования уп-
равляющих воздействий информации вызвана ограниченными возможностями аппа-
ратного обеспечения процесса наблюдения за текущим состоянием объекта управления
и окружающей средой. Технические характеристики информационно-измерительного
комплекса СУ объективно не позволяют получать данные о всех необходимых для
управления параметрах. Это служит причиной недостаточности объема используе-
мой информации. Ограниченность технических возможностей и внешние случайные
помехи процессу наблюдения существенно влияют на точность и определенность из-
мерений, внося интервальность в значения фиксируемых параметров и снижая степень
уверенности в их принадлежности к объекту наблюдения.
Уменьшение влияния указанных факторов как на качество процесса управления,
так и результат достижения поставленной цели функционирования является главной
проблемой при практической реализации любой возможной методологии синтеза СУ
МДО. Ее решение обеспечивается учетом недостоверности априорных знаний на основе
формализации неточности и неопределенности информации, заложенных в описате-
льной модели и МДО, и условий его эксплуатации. Эволюция принципов построения
СУ иллюстрирует стремление к снижению степени влияния недостоверности имею-
щихся знаний и измерительной информации на качество процесса управления. Основные
известные подходы к решению этой проблемы на системном уровне отражены на рис. 1.
Принципы синтеза интеллектуальных систем управления...
«Штучний інтелект» 4’2009 451
8С
Рис. 1. Эволюция систем управления.
Рисунок 1 – Эволюция систем управления
К системам управления, учитывающим только априорную информацию о про-
цессе функционирования, относятся разомкнутые системы, реализующие принцип
программного управления. Такие системы характеризуются низкой устойчивостью
по отношению к неучтенным при проектировании СУ внешним воздействиям, воз-
никающим в ходе работы. Для компенсации этого фактора и повышения качества
управления разработаны методы синтеза СУ, реализующих принцип обратной связи.
Такой подход позволил учесть информацию о текущем состоянии МДО и воздействую-
щих на него возмущениях. Однако появились проблемы, связанные с трудностью
организации измерения всех необходимых для управления параметров, а также с влия-
нием степени адекватности, принятой на этапе синтеза СУ математической модели
объекта реальным свойствам МДО. Для компенсации влияния этих факторов разра-
ботаны методы синтеза, обеспечивающие свойства робастности СУ. Такие методы
разработаны в рамках теории чувствительности, H – управления и др. [5], [6]. Однако
недостатком таких СУ является консервативность, так как информация о неопреде-
ленностях, которая может поступать в процессе функционирования, не используется
для организации процесса управления. Для преодоления влияния данного недостатка
разрабатываются адаптивные СУ МДО [1], предусматривающие идентификацию не-
известных параметров математической модели и самонастройку системы с компен-
сацией возмущений. Адаптационные свойства СУ позволяют снизить влияние априорной
неопределенности на качество процесса управления. К недостаткам таких систем
следует отнести существенную чувствительность к воздействиям на начальном этапе
функционирования МДО, а также отсутствие робастности к неучтенным в прямых и
непрямых алгоритмах адаптации внешним и параметрическим возмущениям [7].
Развитие принципов проектирования СУ МДО, функционирующих в условиях
неопределенности, основано на применении идеологии интеллектуальных систем,
разрабатываемой в теории искусственного интеллекта. Такой подход предполагает
построение СУ, реализующей процедуры приобретения, представления и обработки
знаний о МДО, окружающей его среде и самой системе управления. Эти знания из-
влекаются из описательной модели на этапе проектирования системы и поступают
от информационно-измерительного комплекса в процессе функционирования. Эффек-
тивная обработка этих знаний позволит уточнить текущее представление об объекте
управления и среде, что позволяет повысить качество управления и эффективность
достижения поставленной цели функционирования. Такое направление в развитии
СУ МДО требует выбора концепции синтеза таких систем.
Компенсация влияния неточности и неопределенности
Системы
программного
управления
Системы
управления
с обратной
связью
Робастные
системы
управления
Адаптивные
системы
управления
Интеллектуальные
системы
управления
Сиек Ю.Л., Соэ Мин Лвин
«Искусственный интеллект» 4’2009 452
8С
2. Концептуальные основы синтеза
интеллектуальных СУ МДО
Для обоснования выбора методологического обеспечения процесса проектиро-
вания СУ, основанных на знаниях, необходима конкретизация признака «интеллек-
туальности» системы.
В теории искусственного интеллекта сформулированы понятия систем управ-
ления, обладающих свойствами «интеллектуальности в большом» [8]. В этом случае
предполагается, что система имеет многоуровневую иерархическую структуру со сле-
дующими горизонтами (в порядке понижения ранга): обучения, самоорганизации,
прогноза событий, баз событий и знаний, формирования решений, планирования опе-
раций по реализации сформированного решения, адаптации и исполнительного уровня.
На самом нижнем горизонте используются традиционные системы регулирования.
Остальные уровни реализуют эффективные информационные технологии работы со
знаниями, существенно расширяющие возможности модели объекта управления и,
следовательно, повышающие качество функционирования системы. Минимальная струк-
тура, сохраняющая свойство системы – «интеллектуальность в малом» – может содер-
жать базу знаний, формирователь решений и исполнительный контур.
Развитие признаков указанных свойств «интеллектуальности» в разрабатывае-
мых СУ любого МДО требует реализации следующей последовательности проекти-
рования:
– приобретение априорных знаний об объекте управления и условиях его функцио-
нирования;
– представление знаний с учетом выбранного формализма неточности и неопределен-
ности;
– синтез алгоритмов принятия решений и формирования управления на основе тех-
нологии активных экспертных систем с использованием моделей декларативных и
процедурных знаний;
– анализ качества управления движением МДО с интеллектуальной СУ по резуль-
татам имитационного моделирования с учетом недостоверности знаний;
– аппаратная реализация интеллектуального управляющего устройства на основе при-
менения производительных вычислительных сред, построенных с использованием
технологий последующих поколений компьютеров.
Приобретение знаний о МДО и условиях его функционирования предполагает
составление описательной модели с анализом всех возможных ситуаций, в том числе
и аварийных. Обязательно описание сценариев развития и смены ситуаций. В модели
выделяются все информационные объекты, которые характеризуются неточностью и
неопределенностью. Все априорные сведения объединяются в базу знаний на основе
выбранной модели их представления. Эффективной формой построения базы знаний
является модульная конструкция, управляемая образцами [9]. За образцы выбираются
эталонные ситуации функционирования МДО. Каждой ситуации соответствует фрей-
мовая конструкция, содержащая в слотах процедуры расчета сил и моментов, дейст-
вующих на МДО, и определения текущих кинематических параметров. В базе данных
содержатся численные значения параметров с указанием их степени неопределенности.
Рациональным формализмом неточности и неопределенности информации для рассмат-
риваемой методологии является нечеткое множество, предложенное Л.А. Заде [10].
В этом случае характеристикой неточности и неопределенности служит функция при-
надлежности нечеткого множества.
Принципы синтеза интеллектуальных систем управления...
«Штучний інтелект» 4’2009 453
8С
Описание перемещения в пространстве МДО зависит от уровня структурной не-
определенности модели движения и может быть построена на основе одной из из-
вестных форм моделей [11]: детерминированной, недетерминированной, стохастической
и нечеткой. Для первых трех форм удобно использование формализма динамики сис-
тем твердых тел, который учитывает сложность конструкции перспективных объектов
управления. Для четвертой формы движение МДО может быть описано нечеткими
дифференциальными включениями и логико-лингвистическими моделями [12]. Для
построения данных моделей используются методы имитационного моделирования
движения МДО в сочетании с технологиями экспертных систем.
Алгоритм управления для каждой эталонной ситуации проектируется на основе
методологии построения активных нечетких экспертных систем. Ядром процедуры
формирования команд является база знаний с набором продукционных правил. Ее
заполнение осуществляется на основе моделирования эталонных ситуаций с учетом
принятых неопределенностей и решением оптимизационной задачи для выбранного
критерия отличия формируемых траекторий движения от желаемых. Учитывая ком-
бинаторный характер задачи целесообразно построение эволюционных систем проек-
тирования баз знаний. Результатом проектирования является система нечетких про-
дукционных правил и фреймовые формы представления соответствующих функций
принадлежности. В качестве процедуры нечеткого вывода из системы знаний рацио-
нально применение композиционного правила, реализованного на основе мер возмож-
ности. Для перехода от нечеткой формы многомерного выхода контроллера к четкой
целесообразно применение метода «центра тяжести». Открытость СУ МДО обеспе-
чивается включением процедур самонастройки и самоорганизации на основе моделей
нечеткого автомата.
Вариант структуры интеллектуальной системы управления движением МДО, учи-
тывающий особенности рассматриваемого подхода, приведен на рис. 2. В данном
случае базовые свойства интеллектуальности поддерживаются на аппаратно-программ-
ном уровне в бортовом вычислительном управляющем устройстве. Это обеспечива-
ется программной реализацией таких алгоритмических элементов как:
– синтез текущей цели управления на основе заданной мотивации;
– генерация задач управления, успешное решение которых обеспечивает достижение
текущей цели управления;
– решатель задач, в котором формируются алгоритмы преобразования входной инфор-
мации в результат решения требуемой задачи с применением информационных тех-
нологий баз знаний;
– формирователь команд, в котором результаты решения задач интерпретируются в
виде команд управления, подаваемых в исполнительную систему;
– самоорганизация, самонастройка, самообучение, обеспечивающие открытость сис-
темы, необходимую для текущего совершенствования алгоритмов решения задач;
– прогноз, который позволяет при решении задач учитывать перспективу изменения
свойств объекта и внешней среды.
Минимально необходимыми элементами системы управления являются реша-
тель и формирователь команд. В этом случае свойство интеллектуальности СУ обес-
печивается в решателе на алгоритмическом уровне с применением технологий баз
знаний.
Сиек Ю.Л., Соэ Мин Лвин
«Искусственный интеллект» 4’2009 454
8С
Бортовое вычислительное
управляющее устройство
Информационно-
измерительная
система
Датчики
внешней
среды
Датчики
состояния
МДО
Постановка задач управления
Решатель
задач
Самоорганизация,
самонастройка,
самообучение
Прогноз
Исполнительная
система
Морской
динамический
объект
Мотивация
Формирователь
команд
Синтез текущей цели
Рисунок 2 – Интеллектуальная система управления МДО
Анализ качества процесса управления, реализуемого с помощью интеллектуаль-
ной системы, предполагает решение задачи имитационного моделирования замкнутой
СУ МДО с учетом принятых формализмов неточности и неопределенности информа-
ции [13]. Функционирование объекта представляется сценарием изменения ситуаций
с описанием их информационных особенностей. В базе знаний, построенной на ос-
нове модели, управляемой образцами, оценивается мера сходства нечеткой текущей
ситуации с эталонной из заданного множества. В качестве меры сходства нечетких
ситуаций рационально использовать степень нечеткого включения [14]. В соответст-
вии с выбранной ситуацией в соответствующем алгоритме управления формируется
команда управления. Текущая оценка показателя качества управления характеризует
достигнутый уровень эффективности.
Для аппаратной реализации интеллектуальных управляющих устройств в СУ
МДО целесообразно применение бортовых вычислительных сред, построенных на
нечетких нейропроцессорах [15]. Такая архитектура может содержать блок нечеткой
памяти, обеспечивающий хранение нечетких слов (дискретное представление функции
принадлежности нечеткого множества), набор машин нечетких выводов с поддерж-
кой композиционного правила и блоки преобразования нечетких величин в четкие.
Другим возможным подходом к аппаратной поддержке свойств интеллектуаль-
ности системы является применение бортовых вычислительных систем с программируе-
мой архитектурой и реализация на них структуры нейронных сетей. Это обеспечивает
рациональное использование внутреннего параллелизма, присущего нечетким продук-
ционным моделям алгоритмов управления интеллектуальным контроллером, для
повышения производительности вычислительной системы. Эффективным вариантом
такого решения является многослойная нейронная сеть с формированием матрицы
синапсов на основе применения метода обратного распространения ошибки. Обучение
сети ведется по известной входной и выходной информации, получаемой по резуль-
татам имитационного моделирования СУ МДО.
Принципы синтеза интеллектуальных систем управления...
«Штучний інтелект» 4’2009 455
8С
Заключение
Рассмотренный подход к методологии синтеза интеллектуальных систем управ-
ления является достаточно универсальным для проектирования СУ МДО различного
назначения. Он объединяет в себе принципы традиционного синтеза СУ, разрабаты-
ваемые в рамках классической теории управления, и эффективные информационные
технологии работы со знаниями, предлагаемые современным искусственным интел-
лектом. Практическая реализация такого подхода позволяет:
– компенсировать за счет повышения степени интеллектуальности СУ влияние на ка-
чество процесса управления неточности и неопределенности информации, используемой
как на этапе проектирования системы, так и в процессе ее функционирования;
– обосновать целесообразность применения в качестве бортовых вычислительных сред
МДО компьютеров последующих поколений и формировать алгоритмические основы
проектирования для них программного обеспечения.
Изложенный подход позволяет наметить некоторые направления дальнейшего
развития интеллектуальных СУ МДО:
– конкретизация в вычислительном аспекте понятия категории интеллектуальности
алгоритмов управления МДО и формализуемого на ее основе принципа интеллек-
туальности с учетом реализации алгоритмов в бортовых вычислительных системах с
архитектурой и элементной базой компьютеров следующих поколений;
– математическое описание новых классов моделей алгоритмов управления, учиты-
вающих свойства неточности и неопределенности используемой при их синтезе ин-
формации, которые формализуются в терминах нечетких мер;
– создание комплексов программной поддержки методов анализа и синтеза интеллек-
туальных систем управления МДО при нечеткой информации;
– разработка программно-аппаратного интерфейса для сопряжения бортовых вычис-
лительных систем новых поколений с элементами систем управления различных МДО.
Изложенные принципы работы могут быть использованы для проектирования
алгоритмического обеспечения интеллектуальных систем принятия решений и управ-
ления по нечеткой исходной информации для различных МДО.
Литература
1. Лукомский Ю.А. Управление морскими подвижными объектами : учебник / Ю.А. Лукомский,
В.М. Корчанов. – СПб. : Элмор, 1996. – 320 с.
2. Пупков К.А. Интеллектуальные системы / К.А. Пупков, В.Г. Коньков. – М. : Издательство МГТУ
им. Н.Э. Баумана, 2003. – 348 с.
3. Нечаев Ю.И. Концептуальные основы создания бортовых интеллектуальных систем / Ю.И. Нечаев //
Информационно-измерительные и управляющие системы. – 2006. – № 9. – Ч. 2: Корабельные
системы. – С. 39-49.
4. Нечаев Ю.И. Моделирование устойчивости на волнении / Нечаев Ю.И. – Л. : Судостроение, 1989.
5. Розенвассер Е.Н. Методы теории чувствительности в автоматическом управлении / Е.Н. Розен-
вассер, Р.М. Юсупов. – Л. : Энергия, 1971. – 344 с.
6. Kwakernaak H.A. HҐ – optimization / Kwakernaak H.A. // 1 st IFAC Symp. on Des. Methods of Contr.
Systems. – ETH Zurich, Sw., Sept. 4-6, 1991.
7. Курдюков А.П. Комбинирование робастного и адаптивного управления с помощью интеллектуаль-
ных систем / А.П. Курдюков, А.В. Семенов, В.С. Косиков // Изв. вузов. Приборостроение. – 1994. –
Т. 37, № 9. – 10. – С. 15-18.
8. Захаров В.Н. Нечеткие модели интеллектуальных промышленных регуляторов и систем управле-
ния. / В.Н. Захаров, С.В. Ульянов // Эволюция и принципы построения. Известия РАН. Техничес-
кая кибернетика. – 1993. – № 4. – С. 189-206.
Сиек Ю.Л., Соэ Мин Лвин
«Искусственный интеллект» 4’2009 456
8С
9. Гаврилова Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. –
СПб. : Питер, 2001. – 384 с.
10. Zadeh L.A. Fuzzy sets / L.A. Zadeh // Inf. Contr. – 1965. – № 8. – Р. 338-353.
11. Негойце К. Применение терии систем к проблемам управления / Негойце К. – М. : Мир, 1981. –
180 с.
12. Алиев Р.А. Нечеткие регуляторы и интеллектуальные промышленные системы управления / Р.А. Алиев,
Э.Г. Захарова, С.В. Ульянов // Итоги науки и техники. Сер. Техн. кибернетика. – 1991. – Т. 32. –
М. : ВИНИТИ АН СССР.
13. Нечаев Ю.И. Математическое моделирование в бортовых интеллектуальных системах реального
времени / Нечаев Ю.И. // тр. 5-й Всероссийской конференции «Нейроинформатика-2003». – М. :
МИФИ, 2003. – Ч. 2 : Лекции по нейроинформатике. – С. 119-179.
14. Берштейн Л.С. Параллельный процессор нечеткого вывода для ситуационных экспертных систем /
Л.С. Берштейн, В.М. Казупеев, С.Я. Коровин, А.Н. Мелихов // Известия АН CCCР. Техническая
кибернетика. – 1990. – № 5. – С. 181-191.
15. Yamakawa T. High speed fuzzy controller hardware system / Yamakawa T. // Proc. 2nd Fuzzy System
Symposium. – Tjkyo, Japan. – 1986. – № 6. – P. 122-130.
Ю.Л. Сієк, Сое Мін Лвін
Принципи синтезу інтелектуальних систем керування морськими динамічними об’єктами
У статті розглядаються питання методології синтезу інтелектуальних систем керування морськими
динамічними об’єктами з огляду на недостовірність знань щодо об’єкта керування в умовах його
функціонування. Обговорюються причини виникнення неповноти інформації. Аналізується еволюція
систем керування у напрямку компенсації впливу неточності та невизначеності інформації на якість
процесу керування.
Yu.S. Syek, Soer Min Lvin
The Principles of Designing of Intelligent Control System of Sea Dynamic Objects
Questions of methodology of the designing of intelligent control systems of sea dynamic objects in terms of
un-authenticity of data on control object and conditions of its functioning are considered. The reasons of
incompleteness knowledge appearance are discussed. Evolution of control systems is analyzed in a direction of
compensation influence of inaccuracy and uncertainty of the information on quality of control process. For
the problem decision it is offered to raise degree of intellectuality system at the counting of application of the
effective information technology, which developed within the frame of a modern artificial intelligence. In a
quality of formalism, which considered inaccuracy and uncertainty, the concept of fuzzy set is chosen. The
methodology of designing of the intelligence control systems is offered.
Статья поступила в редакцию 09.06.2009.
|
| id | nasplib_isofts_kiev_ua-123456789-8148 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-12-07T15:41:10Z |
| publishDate | 2009 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Сиек, Ю.Л. Лвин, С.М. 2010-05-13T10:01:12Z 2010-05-13T10:01:12Z 2009 Принципы синтеза интеллектуальных систем управления морскими динамическими объектами / Ю.Л. Сиек, Соэ Мин Лвин // Штучний інтелект. — 2009. — № 4. — С. 448-456. — Бібліогр.: 15 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/8148 656.61.052.4-52 Рассматриваются вопросы методологии синтеза интеллектуальных систем управления морскими динамическими объектами с учетом недостоверности знаний об объекте управления и условиях его функционирования. Обсуждаются причины возникновения неполноты информации. Анализируется эволюция систем управления в направлении компенсации влияния неточности и неопределенности информации на качество процесса управления. У статті розглядаються питання методології синтезу інтелектуальних систем керування морськими динамічними об’єктами з огляду на недостовірність знань щодо об’єкта керування в умовах його функціонування. Обговорюються причини виникнення неповноти інформації. Аналізується еволюція систем керування у напрямку компенсації впливу неточності та невизначеності інформації на якість процесу керування. Questions of methodology of the designing of intelligent control systems of sea dynamic objects in terms of un-authenticity of data on control object and conditions of its functioning are considered. The reasons of incompleteness knowledge appearance are discussed. Evolution of control systems is analyzed in a direction of compensation influence of inaccuracy and uncertainty of the information on quality of control process. For the problem decision it is offered to raise degree of intellectuality system at the counting of application of the effective information technology, which developed within the frame of a modern artificial intelligence. In a quality of formalism, which considered inaccuracy and uncertainty, the concept of fuzzy set is chosen. The methodology of designing of the intelligence control systems is offered. ru Інститут проблем штучного інтелекту МОН України та НАН України Прикладные интеллектуальные системы Принципы синтеза интеллектуальных систем управления морскими динамическими объектами Принципи синтезу інтелектуальних систем керування морськими динамічними об’єктами The Principles of Designing of Intelligent Control System of Sea Dynamic Objects Article published earlier |
| spellingShingle | Принципы синтеза интеллектуальных систем управления морскими динамическими объектами Сиек, Ю.Л. Лвин, С.М. Прикладные интеллектуальные системы |
| title | Принципы синтеза интеллектуальных систем управления морскими динамическими объектами |
| title_alt | Принципи синтезу інтелектуальних систем керування морськими динамічними об’єктами The Principles of Designing of Intelligent Control System of Sea Dynamic Objects |
| title_full | Принципы синтеза интеллектуальных систем управления морскими динамическими объектами |
| title_fullStr | Принципы синтеза интеллектуальных систем управления морскими динамическими объектами |
| title_full_unstemmed | Принципы синтеза интеллектуальных систем управления морскими динамическими объектами |
| title_short | Принципы синтеза интеллектуальных систем управления морскими динамическими объектами |
| title_sort | принципы синтеза интеллектуальных систем управления морскими динамическими объектами |
| topic | Прикладные интеллектуальные системы |
| topic_facet | Прикладные интеллектуальные системы |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/8148 |
| work_keys_str_mv | AT siekûl principysintezaintellektualʹnyhsistemupravleniâmorskimidinamičeskimiobʺektami AT lvinsm principysintezaintellektualʹnyhsistemupravleniâmorskimidinamičeskimiobʺektami AT siekûl principisintezuíntelektualʹnihsistemkeruvannâmorsʹkimidinamíčnimiobêktami AT lvinsm principisintezuíntelektualʹnihsistemkeruvannâmorsʹkimidinamíčnimiobêktami AT siekûl theprinciplesofdesigningofintelligentcontrolsystemofseadynamicobjects AT lvinsm theprinciplesofdesigningofintelligentcontrolsystemofseadynamicobjects |