Алгоритмы контроля и диагностики систем управления авиационными ГТД на основе нейросетевых моделей и нечеткой логики тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Макаров, Андрей Сергеевич

• Макаров, Андрей Сергеевич
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Макаров, Андрей Сергеевич

СОКРАЩЕНИЯ И ОБОЗНАЧЕНИЯ, ПРИНЯТЫЕ В РАБОТЕ.

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ И ТЕНДЕНЦИИ РАЗВИТИЯ СИСТЕМ КОНТРОЛЯ И ДИАГНОСТИКИ ЦИФРОВЫХ САУ ГТД.".

1.1 Архитектура современной цифровой« системы управления и контроля авиационного двигателя.

1.2 Способы построения алгоритмов контроля и диагностики цифровых САУ ГТД и требования, предъявляемые к ним-.

1.3 Перспективы применения интеллектуальных алгоритмов для решения задач контроля и диагностики цифровых САУ ГТД.

1.4 Современное состояние в области технической реализации НС-моделей и алгоритмов.

1.5 Выводы по первой главе. Цели и задачи исследования.

ГЛАВА 2. РАЗРАБОТКА И ИССЛЕДОВАНИЕ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ В ЗАДАЧАХ КОНТРОЛЯ И ДИАГНОСТИКИ САУ ГТД.

2.1 Разработка и исследование нейросетевых алгоритмов идентификации

2.2 Разработка и исследование нейросетевой модели исполнительного механизма ГТД.

2.3 Разработка и исследование архитектуры и структуры нейросетевого регулятора в составе интеллектуальной САУ ГТД.

2.4 Синтез нейросетевых алгоритмов контроля и диагностики САУ ГТД на основе метода FDI.

2.5 Результаты и выводы по второй главе.

ГЛАВА 3. РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ КОНТРОЛЯ И ДИАГНОСТИКИ С УЧЕТОМ РЕКОНФИГУРАЦИИ САУ ГТД ПРИ

ВОЗНИКНОВЕНИИ ОТКАЗОВ НА ОСНОВЕ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ.

3.1 Идея обеспечения отказоустойчивости САУ ГТД на основе интеллектуальных технологий.

3.2 Разработка алгоритмов контроля и диагностика отказов элементов канала управления ГТД с учетом реконфигурации при возникновении отказов на. основе методов нечеткой логики.

3.3 Разработка алгоритмов контроля и диагностики отказов управляющей части САУ ГТД с учетом реконфигурации при возникновении отказов на основе методов нечеткой логики.

3.4 Разработка алгоритмов контроля и диагностики САУ ГТД на основе интеллектуального супервизора.

3.5 Исследование отказоустойчивости нейронной сети на примере НС-модели ГТД.

3.6 Результаты и выводы по третьей главе.

ГЛАВА 4. ПРОГРАММНО-АППАРАТНАЯ РЕАЛИЗАЦИЯ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ КОНТРОЛЯ И ДИАГНОСТИКИ САУ ГТД.

4.1 Анализ возможных подходовк реализации предложенных нейросетевых алгоритмов контроля и диагностики САУ ГТД.

4.2 Проектирование нейросетевых модулей и алгоритмов на базе программируемых логических интегральных схем.

4.3 Реализация нейросетевых алгоритмов контроля и диагностики САУ ГТД на ПЛИС.

Введение диссертации (часть автореферата) на тему «Алгоритмы контроля и диагностики систем управления авиационными ГТД на основе нейросетевых моделей и нечеткой логики»

В последние десятилетия развитие и совершенствование авиационных газотурбинных двигателей (ГТД) сопровождается ужесточением требований к надежности и эффективности их систем автоматического управления (САУ). Современные ГТД являются сложными комплексными техническими устройствами, которые отличаются многообразием протекающих в них физических процессов и характеризуются многомерностью, многосвязностью, нелинейностью, нестационарностью рабочих процессов, существенным влиянием режимов работы и внешних условий на характеристики их функционирования. Перечисленные особенности приводят к формированию-устойчивой тенденции в развитии САУ ГТД, характеризующейся постоянным ростом сложности» и. числа решаемых с их помощью задач. Одной из важных задач является совершенствование методов=и алгоритмов управления' и контроля ГТД и необходимость обеспечения, отказоустойчивости САУ, что обусловлено наличием жестких требований к обеспечению безопасности и экономичности полетов.

Важным направлением в обеспечении отказоустойчивости САУ ГТД является совершенствование их архитектуры на основе базовой концепции FADEC (Full Authority Digital- Engine Control), заключающейся1 в построении цифровой системы управления двигателем с полной ответственностью. Современные бортовые САУ ГТД типа FADEC объединяют функции управления двигателем, а также функции контроля технического состояния, диагностики отказов элементов САУ и их парирования. Наряду с традиционными задачами, "САУ ГТД нового поколения должны решать дополнительные задачи, связанные с принятием оперативных решений на основе накопленных знаний в условиях неопределенности« и адаптации (т.е. изменения своей структуры и параметров) в случае возникновения возможных нештатных ситуаций.

Большой вклад в исследование и разработку высокоэффективных САУ ГТД внесли отечественные ученые: А. А. Шевяков, С. А. Сиротин, О. С. Гуревич, Т. С. Мартьянова, Ф. Д. Гольберг, Г. В. Добрянский - ЦИАМ;

Б. Н. Петров, Б. А. Черкасов - МАИ; В. Г. Августинович, Г. И. Гордеев - 1111У; В. Ю. Рутковский, С. Д. Земляков - Институт проблем управления РАН; Ю. М. Гусев, Б. Г. Ильясов, В. И. Васильев, Г. Г. Куликов, Ю. С. Кабальное,

B. Н. Ефанов, В. Г. Крымский, JL Б. Уразбахтина, А. И. Фрид, В. Ю. Арьков,

C. С. Валеев, С. В. Жернаков, Оi Д. Лянцев, Р. А. Мунасыпов и др. - УГАТУ.

Несмотря на значительный объем исследований в области построения алгоритмов контроля и диагностики САУ, существующие информационные технологии контроля параметров САУ ГТД и диагностики её функциональных блоков не являются совершенными по ряду причин. С одной стороны, это слабая информационная "увязка", отсутствие элементов "интеллектуальности", позволяющих быстро, качественно и эффективно осуществить поддержку принятия решений и, как следствие, сокращать общее время, затрачиваемое на обслуживание ГТД. С другой стороны, это сложность процессов, протекающих в САУ ГТД, сложность их математического описания, ограниченный состав измеряемых параметров, их технологический разброс и т.д. Указанные факторы приводят к необходимости комплексной автоматизации и интеллектуализации процессов принятия решений о техническом состоянии САУ ГТД в условиях неопределенности, в том числе с использованием метода контроля по- модели FDI (Fault Detection and Identification).

В последние годы как в нашей стране, так и за рубежом большое внимание уделяется разработке и исследованию интеллектуальных алгоритмов контроля и диагностики технического состояния САУ ГТД на основе нейронных сетей и алгоритмов нечеткой логики. В то же время, в силу ряда причин (закрытость работ, узкая специализация решаемых задач и т.д.) в большинстве публикаций не приводятся конкретные инженерные методики, отсутствуют теоретические и практические рекомендации по решению подобных задач, что оставляет широкое поле деятельности для проведения научных исследований в данном направлении.

Таким образом, разработка интеллектуальных алгоритмов автоматического контроля и диагностики систем управления ГТД, а также исследование особенностей их практического применения с учетом ограничений на располагаемые вычислительные ресурсы бортовой цифровой вычислительной машины (БЦВМ) является актуальной задачей на современном этапе развития авиадви-гателестроения.

Объект исследования. Бортовая система автоматического контроля и диагностики САУ ГТД.

Предмет исследования. Методы и алгоритмы автоматического контроля и диагностики технического состояния САУ ГТД и её элементов.

Цель и-задачи исследования

Целью исследования является повышение оперативности и достоверности обнаружения отказов САУ ГТД в условиях изменения режимов работы-двигателя на основе разработки интеллектуальных алгоритмов контроля и диагностики систем управления ГТД и методики их программно-аппаратной реализации.

Для достижения указанной цели в работе поставлены и решены, следующие задачи:

1. Разработка и исследование алгоритмов идентификации ГТД и их исполнительных механизмов на основе рекуррентных нейронных сетей.

2. Разработка и исследование архитектуры и структуры нейросетево-го многорежимного регулятора с селектированием каналов управления в составе интеллектуальной САУ ГТД.

3. Разработка и исследование интеллектуальных алгоритмов контроля и диагностики САУ ГТД на основе нейросетевых моделей:

4. Разработка и исследование алгоритмов обеспечения отказоустойчивости САУ ГТД на основе мажоритарной схемы резервирования с использованием нейросетевых моделей и алгоритмов нечеткой логики.

5. Оценка эффективности разработанных интеллектуальных алгоритмов идентификации, контроля и диагностики САУ ГТД и способов их программно-аппаратной реализации на базе программируемых логических интегральных схем (ПЛИС).

Методика исследования

При решении поставленных в диссертационной работе задач использованы методы системного анализа, искусственного интеллекта, теории газотурбинных двигателей, теории идентификации, теории автоматического управления, нейроинформатики и нечеткой логики, методов имитационного-моделирования сложных систем, объектно-ориентированного программирования. .

Результаты, выносимые на защиту

1. Алгоритмы идентификации ГТД и их исполнительных механизмов на основе рекуррентных нейронных сетей.

2: Архитектура и структура нейросетевого* многорежимного регулятора ГТД'с селектированием каналов управления.

3*. Интеллектуальные: алгоритмы контроля, и диагностики САУ ГТД на основе нейросетевых моделей.

4*. Алгоритмы. обеспечения- отказоустойчивости, САУ ГТД* на- основе -ма--. жоритарной схемы резервирования, с использованием нейросетевых моделей и алгоритмов нечеткой логики.

5. Методика проектирования интеллектуальных алгоритмов-идентификации, контроля, и диагностики САУ ГТД,.а также практические рекомендации* по их технической реализации на базе ПЛИС.

Научная новизна результатов

1. Новизна предложенных нейросетевых алгоритмов идентификации ГТД и исполнительного механизма-системы топливопитания состоит в использовании. новых классов архитектур НС, таких как многослойные и каскадные рекуррентные нейронные сети, и выборе оптимальной структуры и алгоритмов обучения НС, что позволило повысить точность идентификации по сравнению с известными методами с учетом ограничений- на вычислительные ресурсы БЦВМ.

2. Новизна предложенного способа построения нейросетевого регулятора с селектированием каналов управления состоит в применении новых классов архитектур НС, включая многослойные и каскадные нейронные сети, и выборе оптимальной структуры и алгоритмов обучения НС, что позволило обеспечить высокое качество процессов управления в широком диапазоне изменения режимов работы двигателя.

3. Новизна предложенных интеллектуальных алгоритмов контроля и диагностики САУ ГТД состоит в применении нейронных сетей и алгоритмов нечеткой логики для анализа и распознавания текущего состояния ГТД, исполнительного механизма системы топливопитания и управляющей части САУ ГТД в режиме реального времени, что позволило повысить эффективность контроля и диагностики элементов системы управления ГТД за счет расширения< числа обнаруживаемых отказов.

4. Новизна предложенных интеллектуальных алгоритмов обеспечения отказоустойчивости САУ ГТД заключается в использовании алгоритмов реконфигурации управляющей части САУ при возникновении отказов, отличающихся тем, что рбнаружение- отказов в системе осуществляется на основе мажоритарной схемы контроля с использованием нейросетевых моделей элементов САУ и алгоритмов принятия решения на основе нечеткой логики, что позволяет повысить оперативность и достоверность обнаружения отказов:

5. Новизна методики программно-аппаратной реализации интеллектуальных алгоритмов контроля и диагностики САУ ГТД на основе ПЛИС Altera заключается в предложенном способе текстово-графического представления нейросетевых моделей и алгоритмов нечеткой логики, а также программного задания функций активации нейронов, что позволяет повысить оперативность процесса проектирования и сократить требуемые вычислительные ресурсы на реализацию алгоритмов.

Практическая значимость работы

Разработаны алгоритмы и инженерные методики синтеза нейросетевых моделей и алгоритмов нечеткой логики для решения задач идентификации, контроля и диагностики САУ ГТД, применение которых позволяет повысить оперативность и достоверность обнаружения отказов САУ ГТД в реальном времени. Предложены методические и практические рекомендации по реализации разработанных алгоритмов идентификации, контроля и диагностики-элементов САУ ГТД на базе ПЛИС в САПР (^иагиш, что позволяет автоматизировать основные этапы проектирования: и отладки^ систем с учетом имеющихся ограничений на вычислительные ресурсы БЦВМ. Апробация работы

Основные положения* представленные в диссертационной работе, докладывались и обсуждались на:

- IX, XI Международных научных конференциях "Компьютерные науки и информационные технологии (СБЕГ)" (Уфа, 2007; Ретимнон, Греция, 2009);

- Международных молодежных научных конференциях "ХХХШ-ХХХУ Гагаринские чтения" (Москва, 2007, 2008, 2009); '

- Всероссийских молодежных научных конференциях» "Мавлютовские чтения" (Уфа, 2007, 2010, 2011);

- Ш-УГ Всероссийских зимних школах-семинарах аспирантов и молодых ученых "Актуальные проблемы в науке и технике" (Уфа, 2008-2011);

• • ' ' ''

- Российско-немецких* семинарах "Инновационные информационные технологии: теория^и практика" (Уфа, 2009; Дрезден, Германия, 2010);

- IX Всероссийской научной конференции'"Нейрокомпьютеры: и их применение" (Москва, 2011);

- заседании Башкирского отделения научного совета; РАН по методологии искусственного интеллекта (Уфа, 2011).

Публикации

По теме диссертации опубликовано 17 работ, в том числе 3 статьи в ре1 цензируемых журналах из перечня изданий, рекомендованных ВАК. Структура и объем работы

Диссертационная, работа состоит из введения, четырех глав основного материала, заключения, приложений и библиографического списка. Работа, из

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Макаров, Андрей Сергеевич

ЗАКЛЮЧЕНИЕ

1. Показано, что применение интеллектуальных технологий для повышения эффективности алгоритмов контроля^ диагностики и управления ГТД в рамках перспективных архитектур САУ ГТД, реализуемых на основе концепции РАЕ)ЕС, является актуальным. Обоснована необходимость комплексной автоматизации и интеллектуализации процессов принятия; решений о техническом состоянии САУ ГТД в условиях неопределенности с использованием алгоритмов управления по модели и метода: БОЕ Показано, что интеллектуальные алгоритмы; контроля и диагностики САУ ГТД являются не полностью проработанными и требуют развития в плане повышения точности НС-моделей и эффективности НС-алгоритмов контроля и диагностики САУ ГТД, выбора рациональной элементной базы; при программно-аппаратной; реализации НС-моделей и алгоритмов для работы в реальном времени на борту ЛА. Показано;, что; много вопросов; связанных как. с отработкой; эффективных методов контроля и диагностики САУ ГТД, с разработкой инженерных методик проектирования НС-моделей й алгоритмов контроля и диагностики САУ ГТД:на базе ЦСП и ПЛИС, остаются непроработанными и мало исследованными.

2. . Разработаны и исследованы алгоритмы идентификации ГТД' на основе нейронных сетей, для повышения точности: которых использованы алгоритмы регуляризации. Предложена методика идентификации НС-модели исполнительного механизма (дозатора топлива) на основе выбора оптимальной архитектуры и структуры НС, алгоритмов обучения НС, функции активации' нейронов. Разработан многофункциональный нелинейный ПИ-регулятора ГТД- с се-лектированием каналов, на основе НС, характеристики .которого настраиваются из условия получения заданных показателей качества САУ на фиксированном множестве режимов работы ГТД: Предложена методика построения^ НС-классификатора, позволяющая в зависимости от количества входов (невязок), количества выходов, количества классов отказов НС-классификатора определить минимальное число нейронов вскрытом слое сети.

3. Разработаны и исследованы интеллектуальные алгоритмы контроля и диагностики САУ ГТД типа FADEC на основе методов FDI и нечеткой логики. Разработаны и исследованы алгоритмы обеспечения отказоустойчивости САУ ГТД с использованием реконфигурации управляющей части САУ типа FADEC на основе мажоритарной схемы при возникновении отказов в режиме реального времени. Показано, что контроль и диагностика на основе нечеткой логики с использованием схемы голосования "два из трех" значительно повышает отказоустойчивость г САУ, так как позволяет парировать отказы датчиков, а также отказы нейронных сетей, выдавая команду на их переобучение. Спроектирован блок принятия решений FLCReg на основе нечеткой логики. Показано, что предложенный интеллектуальный супервизор обеспечивает своевременное распознавание отказов датчиков и ЦР, а встроенный блок реконфигурации каналов осуществляет необходимую реконфигурацию структуры управляющей части САУ ГТД. Результаты проведенного^ исследования« подтверждают работоспособность предложенных алгоритмов контроля и диагностики отказов, обеспечения-отказоустойчивости САУ ГТД при отказах элементов управляющей части САУ. Показано, что единичные отказы нейронов.скрытого слоя НС-модели ГТД' (при её аппаратной реализации) не приводят к катастрофическому отказу всей НС.

4. Спроектированы несколько вариантов многовходовых нейронов на основе блоков умножения, сложения и вычисления активационной функции. Проведено сравнение разработанных вариантов реализации двухвходовых нейронов по критерию минимизации занятых логических ячеек. Выполнена аппаратная реализация схемы контроля и диагностики отказов элементов канала управления ГТД на базе ПЛИС Altera. Проведено сравнение разработанной НС-модели ГТД с существующими разработками НС на ПЛИС, а также с реализацией на базе специализированный процессор Л1879ВМ1 и вычислителя 5T10F269. Выявлены следующие достоинства реализации НС-модели ГТД на базе ПЛИС: высокая точность вычислений, а также блоков LPM для их программно-аппаратной реализации. Тактовая частота работы спроектированной схемы НС-модели ГТД на базе ПЛИС более чем в 20 раз быстрее по сравнению со специализированным процессором Л1879ВМ1 и в 120 раз быстрее вычислителя на базе STG Thompson.

Список литературы диссертационного исследования кандидат технических наук Макаров, Андрей Сергеевич, 2011 год

1. Августинович В.Г., Акиндинов В.А., Боев Б.В. Идентификация систем управления авиационных газотурбинных двигателей. — М.: Машиностроение, 1984. 200 с.

2. Автоматический контроль и диагностика систем управления силовыми установками летательных аппаратов. М.: Машиностроение, 1989. — 240 с.

3. Аляутдинов М.А., Галушкин А.И., Казанцев П.А., Остапенко Г.П. Нейрокомпьютеры: от программной к аппаратной реализации. М.: Горячая линия Телеком, 2008. - 152 с.

4. Андриевский Б.Р., Фрадков А.Л. Избранные главы теории автоматического управления с примерами на языке Matlab. СПб.: Наука, 1999; 468 с.

5. Антонов А.П. Язык описания цифровых устройств AlteraHDL. Практический курс. 2-е изд., стереотип. М.: Радиософт, 2002. — 224 с.

6. Антонов А.П., Мелехин В.Ф., Филиппов A.C. Проектирование цифровых устройств на СБИС программируемой, логики: Обзор элементной базы фирмы Altera. СПб.: ЭФО, 1997. 142 с.

7. Бабак С.Ф., Васильев В.И., Ильясов Б.Г., Кабальнов Ю.С., Красильщиков М.Н., Семеран В.А. Основы теории многосвязанных систем автоматического управления летательными аппаратами: Учеб. пособие. М.: Изд-во МАИ, 1995.-288 с.

8. Барский А.Б. Нейронные сети: распознавание, управление, принятие решений. М.: Финансы и статистика, 2004. 176 с.

9. Белоусов* Ю.А. Отказоустойчивые бортовые вычислительные системы. Классификация и- оценка технических характери-стик / Авиакосм, прибо-ростр. 2004. № 11. С. 26-34.

10. Богданов A.B., Корхов В.В:, Мареев В .В., Станкова E.H. Архитектуры и топологии многопроцессорных вычислительных систем. Курс лекций. Учебное пособие // М.:ИНТУИТ.РУ, 2004. 176 с.

11. Бородин Б.В., Калинин A.B. Системы на микроконтроллерах и БИС программируемой логики. М.: Издательство ЭКОМ, 2002. 400 с.

12. Бурыкин А.И., Коваленко И.К. Распределенная интеллектуальная* система управления вертолетным ГТД // Новые решения и технологии в газотурбостроении. Сборник тезисов докладов. М.: ЦИАМ, 2010. С. 6-8.

13. Валеев С.С. Проектирование интеллектуальных систем управления динамическими объектами на основе принципа минимальной сложности (на примере авиационных двигателей) // Автореферат диссертации на соискание ученой степени д.т.н. / Уфа: УГАТУ. 2005. 32 с.

14. Вальпа О.Д. Полезные схемы с применением микроконтроллеров и ПЛИС. М.: Додэка-ХХ1. 2006. - 416 с.

15. Васильев В.И., Валеев С.С. Проектирование интеллектуальных систем управления ГТД на основе принципа минимальной сложности // Вестник УГАТУ. 2007. №2(20). С. 32-41.

16. Васильев В;И., Гусев Ю.М., Миронов В.Н. Электронные промышленные устройства: Учеб. для студ. вузов. М.: Высш. шк., 1988. 303 с.

17. Васильев В.И., Жернаков C.B. Контроль и диагностика технического состояния-авиационных двигателей на основе экспертных систем // Вестник УГАТУ, Том 9, № 4 (22), 2007. С. 11-23. .

18. Васильев В.И.,, Идрисов И.И., Макаров A.C. Вопросы синтеза и технической реализации нейросетевых алгоритмов^ управления газотурбинным двигателем // Нейрокомпьютеры: разработка, применение. 2010: № 5. С. 44-52: •.;.

19. Васильев В;И, Идрисов И.И., Макаров А.С. Нейросетевые технологии в задачах управления и контроля авиационных двигателей // Системы управления и информационные технологии:.20IX. №1.1 (43). С. 122-126;

20. Васильев В.И.,: Идрисов^ И^И,. Макаров- A.C. Синтез и программно-• аппаратная реализация нейросетевой системы: управления ГТД с селектированием каналов // Нейрокомпьютеры: разработка, применение. 2011.№ 9. С. 72-78,

21. Васильев В:И, Ильясов» Б:Г. Интеллектуальные системы, управления и контроля ГТД: проблемыжперспективьь/ Авиадвигатели;ХХЕвека: Электронный ресурс. :,материалы»конф.М:Ц

22. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием' нечеткой логики: Учебное пособие / В .И. Васильев; Б:Г.Ильясов; Уфимск. гос: авиац. техш ун-т: Уфа; 1995. 80*с:

23. Васильев К. К. Теория автоматического управления'(следящие системы): Учебное пособие. Ульяновск, 2001. — 98 е. .

24. Верма С. Как объективно оценить параметры FPGA разных производителей // Электронные компоненты, №1. 2009. — С. 40-44.

25. Волков Д.И.,, Грудинкин. BIM-, Качура В.А., Разладский A.A. Стенды-иммитаторы и их применение на различных стадиях жизненного цикла систем управления газотурбинных двигателей // Авиационно-космическая техника и технология, 2008, №9(56). С. 133-137.

26. Встраиваемые системы для ответственных применений / Институт точной механики и вычислительной техники им;: С.А. Лебедева РАН. Электронный ресурс. <http://www.ipmce.ru/custom/ysop> (01.09:2011)

27. Вычужанйн В: Устройство для управления шаговым двигателем на ПЛИС // Технология и конструирование в электронной аппаратуре, №3, 2006. -С. 17-20.

28. Галушкин А.И. Основы нейроуправления // Нейрокомпьютеры: разработка и применение. 2002, № 9-10. С. 87-106.

29. Галушкин А.И. Теория нейронных сетей. Кн. 1: Учеб. Пособие для вузов / Под общей ред. А.И. Галушкина. М.: ИПРЖР," 2000. - 416 с.

30. Гарнье В. Авиадвигатели XXI века: эволюция или революция? / Авиадвигатели XXI века Электронный ресурс.: материалы конф. Электрон, дан. - М.: ЦИАМ, 2010. - С. 119-120.

31. Гостев В.И. Проектирование нечетких регуляторов для систем автоматического управления. СПб.: БХВ-Петербург, 2011. - 416 с.

32. Грибачев В. Элементная база аппаратных реализаций нейронных сетей // Компоненты-и технологии №8 2006. С. 100-103.

33. Григорьев В.В., Быстров C.B., Бойков В.И., Болтунов Г.И., Мансурова O.K. Цифровые системы управления / Учебное пособие для вузов.- СПб: СПбГУ ИТМО, 2011. 133 с.

34. Грушвицкий Р.И., Мурсаев А.Х., Угрюмов Е.П. Проектирование систем на микросхемах программируемой логики. СПб.: БХВ-Петербург, 2002.- 608 с. .

35. Гуревич О.С., Гольберг Ф;Д., Селиванов О.Д. Интегрированное управление силовой установкой многорежимного самолета / Под. оющ. ред. О.С. Гуревича: М.: Машиностроение, 1993. - 304 с.

36. Джонс М.Т. Программирование искусственного интеллекта в приложениях / М.Тим Джонс; Пер. с англ. Осипов А.И.- М!: ДМК Пресс, 2004. -312 с.

37. Дьяконов В:П., Курглов B.B. MATLAB, 6.5 SP1/7 SP 2 + Simulink 5/6. Ин-тсрументы искусственного интеллекта и биоинформатики. М.: COJIOH-ПРЕСС, 2006. 456 с.

38. Евдокимов А.А*. Реализация модулярных нейронных вычислительных структур на базе ПЛИС // Виртуальный, компьютерный музей Электрон• ный ресурс. <http://www.computer-museum.ru/books/archiv/sokcon04.pdf> (01.09.2011).

39. Жернаков C.B. Алгоритмы контроля и диагностики авиационного ГТД в условиях бортовой реализоции на основе технологии нейронных сетей // Вестник УГАТУ, 2010, Уфа, т.14, №3(38). С. 42-56.

40. Жернаков C.B. Контроль и диагностика технического состояния авиационных двигателей на основе интеллектуального анализа данных // Диссертация на соискание ученой степени д.т.н. / Уфа: УГАТУ, 2005. -340 с.

41. Жернаков C.B. Контроль технического состояния ГТД на основе нейронных сетей // Авиакосмическое приборостроение. М.: 2006. - № 8.- С. 34-37.

42. Зазулов В. Новые САУ путь к международному рынку // Научно-технический журнал "Двигатель" № 2(20), 2002. - С. 10-12.

43. Иванов Ю.П., Никитин В.Т., Чернов В.Ю., Контроль и диагностика измерительно-вычислительных комплексов / учебное пособие для вузов. / СПбГУАП, СПб., 2004. 98 с.

44. Идрисов И.И. Алгоритмы адаптации и обеспечения отказоустойчивости систем управления газотурбинными двигателями на основе нейросетевых технологий // Диссертация на соискание ученой степени к.т.н. / Уфа: УГАТУ, 2009. 150 с.

45. Интегральные системы автоматического управления силовыми установками самолетов / под ред. А. А. Шевякова. — М.: Машиностроение, 1983. -283 с.

46. Интеллектуальные системы управления и контроля газотурбинных двигателей / под ред. академика С.Н. Васильева. М.: Машиностроение, 2008. -550 с.

47. Карпенков А. Применение ПЛИС в системе управления // Электронные компоненты, №1 2007. С. 49-51.

48. Карпов В.Э: К вопросу об управлении мобильным роботом в условиях общей постановки задачи // Вестник компьютерных и информационных технологий, №1, 2008. С. 2-9.

49. Клепиков В., Федюкин В., Бондарев Л. Распределенная1 архитектура перспективных встроенных систем управления // Электроника НТБ, Вып.6, 2007. Электронный ресурс. <http://www.ipmce.ru/about/press/articles/ electronics6-2007> (01.09.2011).

50. Клепиков В.И. Механизмы обеспечения отказоустойчивости распределенных САУ ГТД / Авиадвигатели XXI века Электронный ресурс.: материалы конф. Электрон, дан. - М.: ЦИАМ, 2010. - С. 780-782.

51. Колосов В.В1; Проблемные вопросы технической реализации аппаратных средств бортового нейросетевого обеспечения малых космических аппаратов // Нейрокомпьютеры: разработка, применение, №10-11 2005. С. 75-87.

52. Комарцова Л.Г. Максимов A.B. Нейрокомпьютеры: Учеб. Пособие для вузов.- М.: Изд-во МГТУ им. Н.Э.Баумана, 2004. 400 с.

53. Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. М.: Горячая линия-Телеком, 2002. - 94 с.

54. Комолов Д.А., Мяльк P.A., Зобенко A.A., Филиппов A.C. Системы авто-матизированнрго проектирования фирмы Altera MAX+plus II и Quartus II. Краткое описание и самоучитель. — М.: ИП Радиософт, 2002 352 с.

55. Кривошеев И.А., Годованюк А.Г. Использование моделей ГТД в, составе адаптированных отказоустойчивых систем управления и контроля // Вестник УГАТУ, 2010, Уфа, т. 14, №5(40). С. 10-14.

56. Круглов В.В.,.Дли М.И. Нечеткая логика и искусственные нейронные сети -М.:Физматлит, 2001 224 с.

57. Куликов F.F., Арьков Абдулнагимов А.И*. Нечеткая марковскаяшо-дель реального времени для контроля«: и диагностики? газотурбинных двигателей / Авиадвигатели: XXI века Электронный ресурс.; материалы конф;- Электрон: дан, - Mi::ЦИАЩ 2010; - С:Т579^1583;

58. Лебедев Г.Н. Интеллектуальные системы, управления и их обучение с помощью методов оптимизации: Учебное пособие. М.: МАИ, 2002. - 112 с.

59. Леклидер Т. Погружаясь в ПЛИС // Компоненты и технологии, №12, 2006 Электронный ресурс. <http://www.kit-e.m/assets/flles/pdf/20061256.pdf> (01.09.2011).

60. Леоненков A.B. Нечеткое моделирование в среде МАТЬАВ и fuzzy TECH. СПб.: БХВ-Петербург, 2003. - 736 с.

61. Липчанский А.И., Лесовик У.И., Зидат Хабис Синтез заданной нейронной сети в программируемую логику // Радюэлектрошка. Гнформатжа. Управлшия. №1, 2004. С. 122-127.

62. Лобанов В. Заметки о проектировании современных цифровых систем управления на отечественной элементарной базе. Электронный ресурс. <http://catalog.gaw.ru/index.php?page=document&id=l 120> (01.09:2011).

63. Логовский А. Технология ПЛИС и ее применение для создания» нейрочи-пов // Открытые системы, №10, 2000. С. 19-23".

64. Макаров A.C. Анализ сложности и формирование требований к аппаратной реализации НС на базе ПЛИС // Мавлютовские чтения: Всерос. молодёжи. науч. конф., Уфа: УГАТУ, 2010. Т. 1. С. 35-37.

65. Макаров A.C. Аппаратная реализация НС-алгоритмов на основе ПЛИС // Актуальные проблемы в науке и технике: сб. тр: четвертой Всерос. зимн. шк.-сем. аспирантов и молодых ученых, Уфа: Диалог, 2009: Т. 1. С. 345-349.

66. Макаров А.С. Методика проектирования'нейросетевых структур на основе технологии ПЛИС // XXXIII' Гагаринские чтения: материалы Между-нар. молодежи, науч. конф-М.: МАТИ; 2007. Т. 4. С. 90-91.

67. Макаров A.C. О*некоторых вопросах проектирования«нейронной сети на основе технологии ПЛИС // Актуальные проблемы вшауке и технике: сб. ст. третьей Всерос. зимн. шк.-сем. аспирантов? и-, молодых ученых, Уфа: Диалог, 2008. Т. 1 С. 347-351.

68. Макаров A.C. Оптимизация проектирования нейросетевых алгоритмов на основе технологии ПЛИС // XXXIV Гагаринские чтения: материалы Ме-ждунар. молодежи, науч. конф.-Mi: МАТИ, 2008. Т. 4. С. 40^41.

69. Макаров* A.C. Построение нейросетевых структур на ПЛИС Altera // XXXV Гагаринские чтения: материалы Междунар. молодежи, науч. конф.-М.: МАТИ; 2009. Т. 4. С. 56-57.

70. Макаров A.C. Реализация НС-модели исполнительного механизма на базе ПЛИС // Актуальные проблемы в науке и технике: сб. тр. пятой Всерос. зимн. шк. -сем. аспирантов и молодых ученых, Уфа: УГАТУ, 2010. Т. 2. С. 241-244.

71. Макаров A.C. Программно-аппаратная* реализация управляющей части САУ ГТД в САПР Altera Quartus // Мавлютовские чтения: Всерос. молодёжи. науч. конф., Уфа: УГАТУ, 2011'. Т. 3. С. 166-168.

72. Макаров И.М., Лохин В.М., Манько С.В., Романов М.П. Искусственный интеллект и интеллектуальные системы управления. М.: Наука, 2006. -333 с.

73. Максфилд К. Проектирование на ПЛИС. Курс молодого бойца. М.: Додэка-ХХ1, 2007. - 408 с.

74. Методы робастного, нейро-нечеткогои адаптивного управления: Учебник / Под. ред. Н.Д. Егупова. М.: Изд-во МГТУ им: НЭ.Баумана, 2002.- 744 с.

75. Митин Г.П., Хазанова О.В. Системы автоматизации с использованием программируемых логических контроллеров: Учебное пособие. — М:: ИЦ МГТУ Станкин, 2005. 136 с. ,.

76. Нейроматематика. Кн. 6: Учеб: пособие для вузов / Общ. ред. А.И.Галушкина. М.: ИПРЖР, 2002. - 425с. ,

77. Нечаев; Ю. И., Дегтярев А. Б., Бухановский А. В. Сценарии развития- экстремальных ситуаций^ при- функционировании бортовой интеллектуальной системы / Искусств, интеллект. — 2003. №3. С. 448-456

78. Новые: решения и технологии в газотурбиностроении: Материалы Всероссийских НТК молодых ученых и специалистов: Сборник тезисов докладов. г. Москва, 5-8 окт. 2010г. 34 с.

79. Оптимизация» многомерных ' систем , управления * газотурбинных двигателей летательных аппаратов / Шевяков A.A., Мартьянова Т.С., Рутковский B IO. и др.:; Под; общей ред. A.A. Шевякова и Т.С. Мартьяновой. М.: Машиностроение, 1989. —256 с.

80. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистка,.2002. — 344 с.

81. Перечень критических технологий Российской- Федерации // Министерство образования и; науки: Российской Федерации <http://mon:gov.ru/dok/ukaz/nti/4407> (01.09.2011)

82. Петров И.В; Программируемые контроллеры. Стандартные языки и приемы прикладного проектирования / Под.ред. проф; В;П. Дьяконова. -М.: СОЛОН-Пресс, 2004. 256 с.

83. Петухов A.A. Восстановление информации от отказавших датчиков в САУ со встроенной математической моделью реального времени;// Новые решения и технологии в газотурбостроении: Сборник тезисов докладов. -М.: ЦИАМ, 2010. — С. 19-20.

84. Потехин Д.С., Тарасов И.Е. Разработка систем цифровой обработки сигналов на базе ПЛИС. -М.: Горячая линия- Телеком, 2007. 248 с.

85. Процессорный модуль, для цифровой: системы автономного управления газотурбинным двигателем (САУ ГТД) / Институт точной механики и вычислительной техники им. С.А. Лебедева РАН: Электронный ресурс. <http://www.ipmce.ru/img/release/sau.pdf> (01.09.2011).

86. Пупков К. А., Коньков В .Г. Интеллектуальные системы. — М:: Издательство МГТУ им. Н.Э. Баумана, 2003. 348 с.

87. Распопов Е.В., Куликов Г.Г., Фатиков B.C., Арьков В.Ю. Интеллектуальная система запуска авиационного ГТД // Мир авионики. № 4, 2008. С. 40—43.

88. Российская; электроника для работы; в жестких условиях Электронный ресурс. // компания ООО «Фаствел» <http://www.fastwel.ru> (01.09.2011)

89. Синтез систем управления и диагностирования газотурбинных двигате-. . лей. / С.В: Епифанов,.Б.И. Кузнецов, И.Н.Богаенко и др. К.: Техшка,1998.-312 с. .

90. Соловьев В-В. Проектирование цифровых систем на основе программируемых логических интегральных схем. — М-.: Горячая; линия? — Телеком, 2001.- 636 с.

91. Системы автоматического .управления авиационными газотурбинными двигателями / Под ред. 0:С. Гуревича. М.: ТОРУС ПРЕСС, 2010. -264 с.

92. Системы автоматического управления авиационными ГТД: Энциклопедический справочник / Под ред. д.т^н., профТ O.G. Гуревича. М.: ТОРУС ПРЕСС, 2011.-208 с.

93. Управление подвижными объектами. Библиографический указатель. В 3-х выпусках. Вып. 2. Аэродинамические объекты / Учреждение Российской академии наук Институт проблем управления им. В.А. Трапезникова РАН.-М.: 2011. -374 с.

94. У сков A.A., Кузьмин A.B. Интеллектуальные, технологии управления. Искусственные нейронные сети и нечеткая логика. М.: Горячая Линия — Телеком, 2004. - 143 с.

95. Федосеев Е. П., Колпаков К. М. Архитектура бортовых вычислительных систем современных и перспективных самолетов / Тр: ГосНИИАС. 2007. № 1.-С. 3-17.

96. Федухин A.B., Муха A.A., Муха A.A. ПЛИС-системы как средствр повышения отказоустойчивости // Математичш машини i системи, № 1, 2010. -С. 198-204.

97. ФедюкинВ:И;, ИнюкинA.A., КоролевШШ: Система управлениям с: полной ответственностью для ТРДДФ / Авиадвигатели XXI: века. Электронный ресурс.: материалы конф. Электрон, дан. - М.: ЦИАМ, 2010.1. С. 748-750. V

98. Хайкин С. Нейронные сети: полный«курс;.2-е:издание: Пер. с англ. MI: Вильяме, 2006;- 1104 с.

99. Хоскин Р; Как выбрать подходящую ПЛИС // Электронные компоненты, №1 2008i С. 38-42: . : . •

100. Царегородцев В .Г. Определение оптимального размера нейросети обратного распространения через;сопоставление средних значения модулей весов синапсов // Материалы XIV Международной конференции по нейро-кибернетике, Ростов-на-Дону, Т.2. 2005.- С. 60-64с.

101. Цисарь И.Ф. MATLAB Simulink. Компьютерное моделирование экономики.-М.: СОЛОН-ПРЕСС, 2008. 256 с.

102. Черкасов Б.А. Автоматика,и регулирование воздушно-реактивных двигателей. М.: Машиностроение, 1988. - 360 с.

103. Шибанов Г.П;, Артеменко А.Е., Мётешкин A.A., Циклинский Н.И; Контроль функционирования больших систем. М.: Машиностроение, 1977. -360 с: '128.129.130.131.132.133.134,135,136.137,138139,140141.142143

104. Шилоносов А.А. Алгоритмы идентификации и многорежимного управления ГТД на основе нейронных сетей // Диссертация на соискание ученой степени к.т.н. / Уфа, 2003. 180 с.

105. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. -М.: Горячая линия-Телеком, 2007. 288 с.

106. Электронно-цифровая система, управления двигателем // Википедия <http://ru.wikipedia.org/wiki/> (01.09:2011).

107. A scientific study of the problems of digital engineering for space flight systems, with a view to their practical solution WWW document. // NASA Office of Logic Design <http://www.klabs.org> (01.09.2011).

108. Aircraft systems (Chapter 6) WWW document. // Federal Aviation Administration. <http://www.faa.gov/library/manuals/aviation/pilothandbook/ me-dia/PHAK%20-%20Chapter%2006.pdf> (01.09.2011).

109. Bishop C. Training with noise is equivalent to Tikhonov regularizationf// Neural Computation, 1995, vol: 7 (1). pp. 108-116:

110. Breikin T.V., Kulikov G.G., Flemind P.J., Dynamic Modelling for Condition Monitoring of Gas Turbine: Genetic Algorithms Approach WWW document. <http://www.nt.ntnu.no/users/skoge/prost/proceedings/ifac2005/Fullpapers/015 82.pd£> (01.09.2011).

111. Dedicated frequency allocation for aircraft onboard wireless system. Boeing Company. ICAO ACP WG-F Meeting. Nairobi. 2007.

112. Dynamic Modelling of Gas Turbines: Identification, simulation, condition monitoring and optimal control / Eds. G. Kulikov, H. Thompson. SpringerVerlag, New York. 2004. 309 p.

113. Hirasawa К., Mabu S., Eto S., Hu. J. An approximate stability analysis of nonlinear systems described by Universal Learning Networks // Appliad Soft Computing 7 (2007). pp. 642-651.

114. Kreiner. A. Modellbasierte Regelungskonzeptefiier Turbo-Luftstrahltriebwerke / A. Kreiner, K. Lietzau, R. Gabler // MTU Aero Engines, Technische Univer-sitaet Muenchen, 2006.

115. Pashilkar A.A., Sundararajan N., Saratchandran P. A fault-tolerant neural network aided controller for aircraft auto landing // Aerospace Scciency and Technology, # 10, 2006. pp. 49:61.

116. Radio-frequency wireless flight-control system. Dryden Flight Research Center. DRC-9609, NASA Tech Briefs. 2008. Vol. 21. No. 10.

117. Shilonosov, A. A., Vasilyev, V. L, Valeyev, S. S. Neural Networks Application in the Problems of Identification and Control of Aero-Engines// International Conference ASI-2000, France, Bordeaux, Sept.' 18-20. 2000. pp. 333 339.

118. Sveda.M:, Hubik V., Oplustil V., Axman P., Kerlin T. Complex power plant control & monitoring systems for small'utility aircraft and modern trend in actuation // Авиационно-космическая техника и технология, 2009; №8(65).

119. Vasilyev V.I., Idrisov I.I.;~ Makarov A.S. Design of advanced neuraLnetwork control system for GTE // 11th International Workshop on Computer Science and Information Technologies (CSIT'2009) Ufa: USATU, 2009; V 1. pp. 13-18-.

120. Vasilyev V.I., Makarov A.S. Designing methods of neuro-network algorithms on the basis of the CPLD // 9th International Workshop on Computer Science and Information Technologies (CSIT*2007) Ufa: USATU, 2007, pp. 70-76.

121. Vasilyev. V.I., Valeyev S.S. Estimation of Neural Network Models Complexity on the Basis of Entropy Approach. Proceedings of the Workshop "Computer Science and Information Technologies (CSIT2004)", Budapest. October 17-19, Vol.1. 2004. pp. 38-42.