Дискретно-логические регуляторы с минимизацией продолжительности отработки системы продукционных правил и повышенной точностью: на примере систем автоматического управления технологическими процессами в химической промышленности тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Каяшева, Галина Александровна

• Каяшева, Галина Александровна
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Каяшева, Галина Александровна

СПИСОК СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

ГЛАВА 1 АНАЛИТИЧЕСКИЙ ОБЗОР ОСНОВНЫХ КОНЦЕПЦИЙ ПОСТРОЕНИЯ НЕЧЕТКИХ РЕГУЛЯТОРОВ ДЛЯ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ.

1.1 Нечеткие регуляторы с четкой обратной связью.

1.2 Нечеткие регуляторы как надстройка над классическими четкими регуляторами.

1.3 Адаптивные системы управления с нечеткой логикой.

1.4 Нечеткие регуляторы с лингвистической обратной связью.

1.5 Сравнение концепций построения нечетких регуляторов и постановка задачи исследования.

ВЫВОДЫ ПО ПЕРВОЙ ГЛАВЕ.

ГЛАВА 2 ЛОГИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ ДИСКРЕТНО-ЛОГИЧЕСКИХ РЕГУЛЯТОРОВ С МИНИМИЗИРОВАННЫМ ВРЕМЕНЕМ ОТКЛИКА, АПРИОРНО ЗАДАННОЙ ТОЧНОСТЬЮ И РАСШИРЕННОЙ ОБЛАСТЬЮ ПРИМЕНЕНИЯ.

2.1 Представление лингвистических переменных в виде совокупности четких термов.

2.2 Логические высказывания на основе четких термов.

2.3 Продукционные правила ДЛР с антецедентом в виде функции двузначной логики.

2.4 Способ расширения области применения пропорциональных дискретно-логических регуляторов.

ВЫВОДЫ ПО ВТОРОЙ ГЛАВЕ.

ГЛАВА 3 БАЗА ПРАВИЛ ДИСКРЕТНО-ЛОГИЧЕСКИХ РЕГУЛЯТОРОВ

3.1 Концепция построения дискретно-логических регуляторов.

3.2 Особенности логического вывода на основе системы аргументов и функций двузначной логики.

3.3 Снижение времени отработки системы продукционных правил ДЛР, вызванное отработкой части системы продукционных правил.

3.4 Расчет снижения продолжительности цикла сканирования ДЛР при совмещении фаззификации с отработкой простейших продукционных правил.

3.5 ANY-TIME алгоритм фаззификации физических величин на основе четких множеств.

3.6 Система продукционных правил ДЛР с ANY-TIME алгоритмом минимизации времени отработки антецедентов, представленных в ДНФ.

3.7 Структурная схема многомерного дискретно-логического регулятора с

ANY-TIME алгоритмом минимизации цикла сканирования.

ВЫВОДЫ ПО ТРЕТЬЕЙ ГЛАВЕ.

ГЛАВА 4 МОДЕЛИРОВАНИЕ ДИСКРЕТНО-ЛОГИЧЕСКИХ

РЕГУЛЯТОРОВ.

4.1 Реализация математических функций, аппроксимированных лингвистическими переменными с четкими термами, в среде современных программируемых контроллеров.

4.2. Модель дискретно-логического регулятора на основе программируемого контроллера КР-500.

4.3 Программная модель дискретно-логического регулятора с ANY-TIME алгоритмом минимизации цикла сканирования.

ВЫВОДЫ ПО ЧЕТВЕРТОЙ ГЛАВЕ.

ГЛАВА 5 ДИСКРЕТНО-ЛОГИЧЕСКИЕ РЕГУЛЯТОРЫ В СИСТЕМАХ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ.

5.1 Методика разработки дискретно-логических регуляторов с априорно заданной точностью и ANY-TIME минимизацией цикла сканирования.

5.2 SCADA-система с дискретно-логическим регулятором в системе управления цементной печью.

5.3 SCADA-система с дискретно-логическим регулятором для управления стекловаренной печью.

5.4 SCADA-система управления производством суспензирования цеолита

ВЫВОДЫ ПО ПЯТОЙ ГЛАВЕ.

Введение диссертации (часть автореферата) на тему «Дискретно-логические регуляторы с минимизацией продолжительности отработки системы продукционных правил и повышенной точностью: на примере систем автоматического управления технологическими процессами в химической промышленности»

Актуальность темы. Внедрение нечетких регуляторов (HP) для управления технологическими процессами, описываемыми вербально, позволило решить важную для практики и неразрешимую без нечеткого регулирования задачу разработки систем управления на основе знаний эксперта, представленных на естественном языке [1^5, 27, 126, 129]. Благодаря HP появилась принципиально новая технология автоматизации технологических процессов, приносящих существенный экономический эффект: по словесному описанию эксперта конкретной технологической установки, за короткие сроки разрабатывается, проектируется, отлаживается и вводится в эксплуатацию система управления, наделенная элементами искусственного интеллекта в виде нечетких регуляторов [9, 24]. Столь кардинальный результат существенно продвинул за последние десятилетия автоматизацию критических технологий, обеспечивающих наиболее эффективное повышение благосостояния общества.

Теоретическим и практическим вопросам HP посвящены работы зарубежных и отечественных ученых: JI.A. Заде, Е.А. Мамдани, Цукамото, С. Осовского, В.В. Круглова, A.B. Леоненкова, И.А. Мочалова, Н.П. Деменкова и др [27, 65-Г-70, 76]. Мировой опыт показывает целесообразность применения HP для повышения эффективности управления сложными технологическими процессами, что находит подтверждение в работах Ларсена, Сугено, Б.Г. Ильясова, В.И. Васильева, А.П. Веревкина, P.A. Мунасыпова, А.Г. Лютова, С.Д. Штовбы, A.A. Ускова и др.

Однако дальнейшее внедрение HP в управление социально значимыми технологическими процессами, требующее существенных инвестиций, сдерживается такими их недостатками, как ограниченная область применения пропорциональных HP из-за использования в их операционной среде в качестве парамерта рассогласования (ошибки). [85, 86, 89, 98, 103, 113, 115, 139, 140-Т-143]. Поскольку подавляющее большинство используемых в настоящее время HP являются пропорциональными, то важность исключения упомянутого недостатка очевидна. Кроме того, типовые НР обладают низкой точностью и завышенной продолжительностью цикла сканирования системы продукционных правил, которая для современных программируемых контроллеров при необходимости изменяется дискретно с заданным шагом. Именно поэтому современные НР не обеспечивают должного качества регулирования в технологических установках, алгоритм функционирования которых представлен в словесной форме.

Большое время отработки системы продукционных правил типовых НР не позволяет использовать их для управления инвестиционно привлекательными быстродействующими технологическими процессами в нефтепереработке, нефтехимии, машиностроении, и других отраслях промышленности [23, 31, 57, 59, 73, 76, 93]. Из-за низкой точности современные НР оказались неприемлемыми и для управления весьма востребованными прецизионными технологиями, функционирующими по сложному алгоритму с большим количеством неопределенностей, но производящие товары и изделия повышенного качества и спроса [75, 84, 117, 121, 133, 137, 139]. Приведенные доводы позволяют считать расширение области применения пропорциональных НР, снижение времени отработки системы продукционных правил и повышение точности современных нечетких регуляторов актуальной задачей.

Целью диссертационной работы является расширение области применения пропорциональных нечетких регуляторов за счет исключения из их операционной среды такого параметра, как рассогласование (ошибка), а также повышение быстродействия и точности типовых НР путем представления их входных и выходных лингвистических переменных в виде совокупности непересекающихся друг с другом термов с прямоугольной формой функции принадлежности (четких термов).

Для достижения цели в диссертационной работе поставлены и решены следующие основные задачи:

1. В типовых HP лингвистические переменные представить в виде совокупности четких термов, что приводит к их трансформации в дискретно-логические регуляторы (ДЛР) и позволяет: без снижения адекватности управляющих воздействий снизить продолжительность отработки системы продукционных правил регулятора за счет сканирования не всей системы продукционных правил, а только той её части, которая расположена до продукционного правила с антецедентом, равным в данный момент времени логической единице; независимо от числа аргументов, используемых в антецедентах продукционных правил, результатом логического вывода является один из термов выходной лингвистической переменной, ширина которого определяет точность работы ДЛР, а пределом уменьшения этой ширины является разрешающая способность элементной базы, на которой построен регулятор и инерционность объекта управления.

2. Разработать алгоритм совмещения сканирования продукционных правил, антецеденты которых состоят из одного терма (простейшие правила) с процедурой получения этого терма в процессе фаззификации.

3. Построить модели фаззификатора и системы продукционных правил дискретно-логического регулятора, минимизирующие в режиме реального времени длительность их сканирования с помощью ANY-TIME алгоритма.

4. Разработать структурную схему многомерного ДЛР с расширенной областью применения (случай пропорционального регулирования), антецеденты продукционных правил которого содержат не только термы входных, но и выходных лингвистических переменных, а также дискретные входные и выходные переменные объектов управления.

5. Разработать автоматизированную методику синтеза дискретно-логических регуляторов и провести оценку их практической ценности для повышения показателей качества регулирования на конкретных технологических объектах химической промышленности, представленных вербальной моделью.

Методы исследования. При выполнении диссертационной работы использовались элементы теории алгоритмов, нечетких регуляторов и двузначной логики. Для минимизации продолжительности фаззификации и длительности отработки системы продукционных правил, осуществляющей регулирование выходной лингвистической переменной регулятора, использован ANY-TIME алгоритм.

Основные научные результаты, полученные автором и выносимые на защиту:

1. Модель логического вывода, обеспечивающая: снижение цикла сканирования за счет отработки не всего алгоритма фаззификации и регулирующей системы продукционных правил, а только их частей; повышение точности ДЛР за счет сведения результата логического вывода не к функции принадлежности сложной формы, а к одному из термов соответствующей лингвистической переменной, ширина которого определяет точность регулирования, а пределом уменьшения этой ширины является разрешающая способность элементной базы ДЛР и инерционность объекта управления.

2. Алгоритм снижения времени сканирования регулирующей системы продукционных правил ДЛР за счет совмещения отработки продукционных правил, антецеденты которых состоят из одного терма, с процедурой получения этого терма при фаззификации.

3. ANY-TIME алгоритмы минимизации в режиме реального времени процедуры фаззификации и продолжительности отработки регулирующей системы продукционных правил дискретно-логического регулятора.

4. Структурная схема многомерного ДЛР с расширенной областью применения (только для пропорционального закона регулирования), минимизированным временем отработки системы продукционных правил и повышенной точностью, антецеденты продукций которого содержат не только термы входных, но и выходных лингвистических переменных, а также дискретные входные и выходные переменные объектов управления.

5. Автматизированная методика разработки дискретно-логических регуляторов и результаты их внедрения в состав SCADA-систем управления производством цемента, листового стекла и катализаторов (цеолитов) химических реакций.

Научная новизна результатов

1. Новизна модели логического вывода заключается в: обеспечении адекватности управляющих воздействий при отработке в каждом цикле сканирования не всей системы продукционных правил, а только той её части, которая расположена выше продукционного правила, антецедент которого в данный момент времени- равен логической единице; формировании результата логического вывода не виде функции принадлежности сложной формы, а в выборе одного из четких термов выходной лингвистической переменной, ширина которого определяет точность ДЛР, а пределом уменьшения этой ширины является разрешающая способность элементной базы, используемой для построения ДЛР.

2. Новизна алгоритма фаззификации состоит в совмещении отработки продукционных правил, антецедент которых состоит из одного четкого терма, с процедурой получения этих термов, что обеспечивает повышение быстродействия ДЛР.

3. Новизна ANY-TIME алгоритмов фаззификации и регулирующей системы продукционных правил, обеспечивающей динамическую минимизацию продолжительности их отработки, заключается в автоматическом размещении в начало системы правил, антецеденты которых чаще (частота срабатывания) принимают значение логической единицы.

4. Новизна предложенного многомерного пропорционального ДЛР состоит в отсутствии автономного сравнивающего устройства, динамической минимизации времени отработки системы продукционных правил и использовании в антецедентах продукционных правил не только термов входных, но и выходных лингвистических переменных, а также входных и выходных дискретных переменных объекта управления, что приводит к снижению времени сканирования, повышению точности, а также к расширению управляющих свойств ДЛР.

5. Новизна использования предложенного ДЛР заключается в сокращении с помощью автоматизированной методики сроков их внедрения и в получении по сравнению с типовыми HP более высокого качества регулирования технологических параметров при производстве цемента, листового стекла и катализаторов (цеолитов) химических реакций.

Обоснованность и достоверность результатов диссертационной работы. Предложенная модель нечеткого логического вывода и разработанные на её основе системы продукционных правил базируются на фундаментальных положениях двузначной и нечеткой логики. Достоверность научных положений, методики разработки ДЛР, рекомендаций и выводов подтверждаются результатами математического моделирования и экспериментальных исследований, а также натурными экспериментами на реальных технологических объектах.

Практическая ценность полученных результатов

• Практическая ценность модели логического вывода состоит в том, что на её основе по сравнению с типовыми HP уменьшено время отработки системы продукционных правил ДЛР и повышена их точность.

• Совмещение отработки простейших продукционных правил с фаззификацией с использованием ANY-TIME алгоритма снизило время отработки системы продукционных правил ДЛР на (30-И-0)%.

• Практическая значимость ANY-TIME алгоритмов фаззификации и отработки системы продукционных правил, регулирующей значение выходной лингвистической переменной, состоит в снижении времени их отработки за счет повышения достоверности в режиме реального времени частоты срабатывания продукционных правил и перерасположения их в системе правил в порядке убывания значения этих частот.

• Практическая ценность многомерного ДЛР заключается в расширении их области применения при пропорциональном законе регулирования, снижении времени отработки системы продукционных правил (обеспечена адекватность управляющих воздействий при отработке не всей системы продукционных правил, использование ANY-TIME алгоритма) и повышении точности регулирования (независимо от количества аргументов, используемых в антецедентах продукционных правил, результатом логического вывода является один из термов выходной лингвистической переменной, ширина которого определяет точность ДЛР).

• Внедрение ДЛР в состав SCADA-систем для управления технологическими процессами с помощью автоматизированной методики показало следующие результаты: продолжительность разработки ДЛР снизилась в среднем на (40-ь60)%; точность поддержания температуры в зоне 1 кальцинирования цементной печи повысилась с ±30 до ±5 °С, что привело к о снижению расхода топливного газа на 40 м /час; в стекловаренной печи снизились время переходного процесса (на 56%) и перерегулирования (на 12%), а точность регулирования повысилась с ±0,22 до ±0,08; снижение времени переходного процесса регулирования рН цеолитной пульпы на 72% привело к экономическому эффекту на 4,6 млн. рублей в год.

Реализация результатов диссертационной работы. Результаты диссертационной работы внедрены в систему управления технологической установкой по производству цеолитов (Ишимбайский специализированный завод катализаторов), а также в лабораторный практикум по дисциплине «Проектирование автоматизированных систем» (филиал государственного образовательного учреждения (ГОУ) высшего профессионального образования (ВПО) «Уфимский государственный нефтяной технический университет (УГНТУ)» в г. Стерлитамаке).

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научных конференциях и семинарах: 8-й, 9-й и 10-й Международных конференциях «Computer Science and Information Technologies», (Германия, Карлсруэ, 2006; Россия, Красноусольск, 2007; Турция, Анталия, 2008); VII Международной конференции «Интеллектуальные системы» (Краснодар, 2006); IV Международной научно-практической конференции «Интегрированные модели и мягкие вычисления в искусственном интеллекте» (Коломна, 2007); Всероссийской научно-технической конференции «Электротехнологии, электропривод и электрооборудование предприятий» (Уфа, 2007); Всероссийской научной конференции «Инновации в интегрированных процессах образования, науки, производства» (Мелеуз, 2007-2008); V Международной конференции «Дифференциальные уравнения и смежные проблемы» (Стерлитамак, 2008).

Публикации. Основные результаты диссертационной работы опубликованы в 20 работах, в том числе в виде 7 научных статей, из них 2 - в рецензируемых изданиях из списка ВАК, 7 — в виде тезисов докладов в сборниках материалов конференций, 4 свидетельства Роспатента об официальной регистрации программ для ЭВМ, а также по одному патенту на полезную модель и изобретение.

Структура и объем работы. Диссертационная работа изложена на 181 странице машинописного текста и включает в себя введение, пять глав основного материала, заключение, 113 рисунков, 11 таблиц, библиографический список из 143 наименований на 13 страницах и приложение на 9 страницах.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Каяшева, Галина Александровна

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

1. Разработана модель логического вывода, обеспечивающая: снижение времени сканирования системы продукционных правил ДЛР за счет отработки не всего алгоритма фаззификации и системы продукционных правил, а только их частей; повышение точности ДЛР из-за сведения результата логического вывода не к функции принадлежности сложной формы, а к одному из термов соответствующей лингвистической переменной, ширина которого определяет точность регулирования, а пределом его уменьшения является разрешающая способность элементной базы ДЛР и инерционность объекта управления.

2. Предложен способ снижения времени сканирования регулирующей системы продукционных правил дискретно-логического регулятора в среднем на (30-=-40)% за счет совмещения отработки продукционных правил, антецеденты которых состоят из одного терма, с процедурой получения этого терма при фаззификации.

3. Разработаны ANY-TIME алгоритмы минимизации продолжительности процедуры фаззификации и отработки регулирующей системы продукционных правил дискретно-логического регулятора, которые в режиме on-line повышают достоверность частоты срабатывания продукционных правил и перерасполагают их в порядке убывания значения этих частот.

4. Построен многомерный ДЛР с динамической минимизацией времени отработки системы продукционных правил по ANY-TIME алгоритму и повышенной точностью, в антецеденты продукционных правил которого для расширения управляющих свойств ДЛР, введены термы выходных лингвистических переменных смежных контуров регулирования, а также дискретные входные и выходные переменные объектов управления.

5. Разработана автоматизированная методика, сокращающая сроки разработки ДЛР в среднем на (40-f60)%. Внедрение дискретно-логических регуляторов с четкими термами в состав SCADA-систем для управления технологическими процессами показали следующие результаты: точность поддержания температуры в зоне кальцинирования цементной печи повысилась с ±30 до ±5 °С, что привело к снижению расхода топливного газа на 40 м3/час; в стекловаренной печи снизились время переходного процесса (на 56%) и перерегулирования (на 23%), а точность регулирования повысилась с ±0,22 до ±0,08; снижение времени переходного процесса регулирования рН цеолитной пульпы на 72% привело к экономическому эффекту на 4,6 млн. рублей в год.

Список литературы диссертационного исследования кандидат технических наук Каяшева, Галина Александровна, 2008 год

1. Абраменкова И.В., Круглов В.В., Дли М.И. Мультимодельный метод прогнозирования процессов с переменной структурой. М.: Физматилит, 2003.

2. Аверкин А.Н., Федосеева И.Н. Параметрические логики в интеллектуальных системах управления. М.: ВЦ РАН, 2000.

3. Алиев P.A., Алиев P.P. Теория интеллектуальных систем. Баку: Чашигоглу. 2001.

4. Алиев P.A., Церковный А.З., Мамедова Г.А. Управление производством при нечеткой исходной информации. М.: Энергоатомиздат, 1991.

5. Алгоритмы и системы нечеткого вывода при решении задач диагностики городских инженерных коммуникаций в среде MATLAB / JI.A. Демидова, В.В. Кираковский, А.Н. Пылькин. М.: Радио и связь, Горячая линия — Телеком, 2005. - 365 е.: ил.

6. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: ТГУ, 2000.

7. Ааязян Г.К., Гнатова И.В., Гофман Г.Б. «Расчет настроечных параметров типовых регуляторов одноконтурных автоматических систем регулирования.»- Уфа:Изд.Уфимск.нефт.института. 1985.-25с.

8. Берштейн Л.С., Боженюк A.B. Нечеткие модели принятия решений: дедукция, индукция, аналогия. Таганрог: Изд-во ТРТУ, 2001.

9. Бобко В.Д., Золотухин Ю.Н., Нестеров A.A. О нечеткой динамической коррекции параметров ПИД-регулятора. // Автометрия, 1998, № 1.С. 50-55.

10. Бобко В.Д., Золотухин Ю.Н., Нестеров A.A. Оптимальная траектория как основа построения базы знаний нечеткого логического контроллера // Труды шестого Международного семинара "Распределенная обработка информации. РОИ-98". Новосибирск. 1998.

11. Борисов А.Н., Крумберг O.A., Федоров И.П. Принятие решений на основе нечетких моделей: примеры использованияю — Рига: Зинатне, 1990. — 184 с.

12. Борисов В.В., Круглов В.В., Федулов A.C. Нечеткие модели и сети. М.: Горячая линия - Телеком, 2007. - 284 е.: Ил.

13. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием нечеткой логики. Учебное пособие. Уфа: УГАТУ, 1995.- 101 с.

14. Веревкин А.П., Дадаян Л.Г. Анализ и синтез автоматических систем регулирования сложных объектов* нефтепереработки и нефтехимии: Учеб. пособие. Уфа: Изд-во Уфим. нефт. ин-та, 1989. - 94 с.

15. Веревкин А.П., Динкель В.Г. Технические средства автоматизации химико-технологических процессов (Синтез логически устройств): Учеб. пособие. Уфа: Изд-во Уфим. нефт. ин-та, 1989. — 87 с.

16. Веревкин А.П., Попков В.Ф. Технические средства автоматизации. Исполнительные устройства: Учеб. пособие. — Уфа: Изд-во УНИ, 1996. 95 с.

17. Веревкин А.П., Кирюшин О.В. Разработка алгоритмов управления для целей реализации на микроконтроллерах // Приборы и системы. Управление, контроль, диагностики. 2001. - № 11. - С.5-9.

18. Веревкин А.П., Денисов C.B. Современные технологии управления процессами: Учеб. пособие. Уфа: Изд-во УГНТУ, 2001. - 86 с.

19. Водовозов A.M. Цифровые элементы систем автоматики. Учебное пособие. Вологда: ВоГТУ, 2001 108с.

20. Глова В.И., Аникин И.В., Аджели МЛ. Мягкие вычисления (SOFT COMPUTING) и их приложения: Учебное пособие / Под ред. В.И. Глова. -Казань: Изд-во Казан.гос.техн.ун-та. 2000.

21. Девятков В.В. Системы искусственного интеллекта. М.: МГТУ им. Н.Э.Баумана, 2001.

22. Деменков Н.П. Нечеткое управление в технических системах: Учебное пособие.-М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. 200с.: ил.

23. Деменков Н.П. Использование пакета Concept для нечёткого управления работой парового котла. Промышленные АСУ и контроллеры. 1999 №7. 20 22 с.

24. Деменков Н.П. SCADA-системы как инструмент проектирования АСУ ТП. Издательство МГТУ имени Н.Э. Баумана 2005 131с.

25. Денисенко В. ПИД-регуляторы: принципы построения и модификации М.:Энергоиздат 2002 29с.

26. Дьяконов В.П., Круглов В.В. Математические пакеты расширения MATLAB. Специальный справочник. СПб.: Питер, 2001.

27. Заде JI.A. Понятие лингвистической переменной и его применение к принятию приблизительных решений. М., Мир, 1976. 165 с.

28. Змитрович А.И. Интеллектуальные информационные системы. Минск: НТООО «ТетраСистемс», 1997.

29. Избранные лекции по теории автоматов / А.И. Фрид. Уфа: Изд-во УГАТУ, 2004. - 320 с.

30. Ильин В.А., Поздняк Э.Г. Основы математического анализа. Часть 1.М., Наука, 1982.-616 с.

31. Интеллектуальное управление динамическими системами / С.Н.Васильев, А.К.Жерлов, Е.А.Федосов, Б.Е.Федунов. М.: Физматлит, 2000.

32. Интеллектуальные системы автоматического управления / Под. ред. И.М.Макарова, В.М.Лохина. М.: Физматлит, 2001.

33. Интеллектуальные системы управления с использованием нейронных сетей. Учебное пособие / В.И.Васильев, Б.Г.Ильясов, С.В.Валеев, С.В.Жернаков. Уфа: УГАТУ, 1997.

34. Каяшев А.И., Митрофанов В.Г., Схиртладзе А.Г. Методы адаптации при управлении автоматическими станочными комплексами. М.: Машиностроение, 1995. - 189 с.

35. Каяшева Г.А., Фатхутдинов В.М. Production-market economical systems situation control using mismatch value adaptation. // CSIT'2004 Budapest, Hungary, 2004. C.256-259.

36. Каяшева Г.А., Муравьева Е.А. Управление исполнительными органами нефтегазового комплекса на основе дискретно-логического регулятора. // Нефтегазопереработка и нефтехимия-2005: Уфа: Изд-во ГУ ИНХП РБ, 2005. - 428 с. (С. 368-369).

37. Каяшева Г.А., Муравьева Е.А. Logical fundamentals of fuzzy controllers based on multicycle equation. // CSIT'2005 ,Ufa, 2005. Vol. 2. - C. 2326.

38. Каяшева Г. А., Муравьева E.A., Колязов К. А. Дискретно-логический регулятор на основе последовательностных уравнений. // «Стратегия развития пищевой промышленности». Выпуск 10 Том 3. Москва2005.-С.

39. Каяшева Г.А., Колязов К.А. Нечеткие последовательностные уравнения. // «Севергеоэкотех-2005» Часть 1. Ухта 2005. С. 28-32.

40. Каяшева Г.А., Муравьева Е.А. The concept of speed increase and expansion of fuzzy controllers application. // CSIT'2006 Vol.1 Karlsruhe, Germany2006.-C. 160-163.

41. Каяшева Г.А. Дискретно-логический регулятор для управления критичными технологическими процессами. // Инновации в интегрированных процессах образования, науки, производства Уфа: Гилем, 2006. 296с. С. 250259.

42. Каяшева Г.А. Дискретно-логические регуляторы с продукционными правилами на основе функций двузначной логики. // Инновации в интегрированных процессах образования, науки, производства Уфа: Гилем, 2007. 508 с. С. 153-158.

43. Каяшева Г.А., Муравьева Е.А. The model of fuzzy linguistic variableregarded as a total combination of crisp terms. // CSIT'2007 Vol. 2 Krasnousolsk, Ufa, Russia, 2007. C. 87-89.

44. Каяшева Г.А., Муравьева E.A. Дискретно-логический регулятор с any-time алгоритмом минимизации времени отклика. // Электротехнологии, электропривод и электрооборудование предприятий. Уфа : Гилем, 2007. С. 63-65.

45. Каяшева Г.А. Самонастраивающаяся система автоматического управления нестационарными технологическими объектами. // Пат. на полезную модель, РФ. №51242 Бюллетень изобретений, 2006. №03.

46. Каяшева Г.А., Муравьева Е.А. Дискретно-логический регулятор с лингвистической обратной связью для управления технологическими процессами. // Патент на изобретение № 2309443 с приоритетом от 09.03.2006г.

47. The peculiarities of fuzzy controllers on the base of the fuzzy production rules system using functions of Boolean logic / Муравьева E.A., Каяшева Г.А. // CSIT'2008 Vol. 2 Antaliya, Turkey, 2008. C. 45-47.

48. Коломейцева М.Б., Xo Д.Л. Адаптивные системы управления динамическими объектами на базе нечетких регуляторов. М.: Компания Спутник +, 2002.

49. Коломейцева М.Б., Хо Д.Л. Синтез адаптивного нечеткого регулятора для нелинейной динамической системы // Вестник МЭИ. 2000. № 9. С. 85-88.

50. Комарцова Л.Г., Максимов A.B. Нейрокомпьютеры: Учеб. пособие для вузов. 2-е изд. перераб. и доп. - М.: Изд-во МГТУ им. Баумана, 2004. -400с.: ил.- (Информатика в техническом университете).

51. Компьютерная поддержка сложных организационно-технических систем / В.В.Борисов, И.А.Бычков, А.В.Дементьев, А.П.Соловьев, А.С.Федулов. М.: Горячая линия Телеком, 2002.

52. Контроллеры многофункциональные КР-300, КР-300И. Внешние соединения. ЗАО «Контраст». Чебоксары, 2002. - 73с.

53. Контроллеры многофункциональные КР-300, КР-300И. Программное обеспечение контроллеров серии Контраст. ЗАО «Контраст». — Чебоксары, 2002. 77с.

54. Контроллеры многофункциональные КР-300, КР-300И. Руководство по программированию контроллеров КР-300 в 2-х частях. ЗАО «Контраст». — Чебоксары, 2002. 171с.

55. Контроллеры многофункциональные КР-300, КР-ЗООИ. Функциональные возможности и инструкция по эксплуатации. ЗАО «Контраст». Чебоксары, 2002. - 75с.

56. Круглов В.В., Борисов В.В. Гибридные нейронные сети. Смоленск: Русич, 2001.

57. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия ТЕЛЕКОМ, 2001.

58. Круглов В.В., Борисов В.В. Нечеткие нейронные сети. М.: ИПРЖР, 2003.

59. Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. М.: Физматлит, 2002.

60. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети: Учеб. пособие. — М.: Издательство Физико-математической литературы, 2001- 224 с. ISBN 5 - 94052 - 027 - 8.

61. Леоненков A.B. Нечеткое моделирование в среде MATLAB и Fuzzy ТЕСН.-СПб.: БХВ-Петербург, 2005. 736с.: ил.

62. Мак Коннелл Дж. Основы современных алгоритмов. М.: Техносфера, 2004. - 368 с.

63. Методы классической и современной теории автоматического управления: В 3-х т. / Под ред. Н.Д. Егупова. М: Изд-во МГТУ им. Н.Э.Баумана. - 2000. Т1 - 748 е.; 2- 736 е.; ТЗ - 48 с.

64. Методы робастного, нейро-нечеткого и адаптивного управления / Под общ. ред. К.А.Пупкова. М.: МГТУ им. Н.Э.Баумана, 2001.

65. Мирошник И.В. Теория Автоматического Управления. Линейные системы. СПб.: Питер, 2005 336с.

66. Митюшкин Ю.И., Мокин Б.И., Ротштейн А.П. Soft-Computing: идентификация закономерностей нечеткими базами знаний. Винница: УНШЕРСУМ-Вшниця, 2002. - 145 с.

67. Мочалов И. А. Нечеткие вероятностно-статистические методы в задачах управления. М.: Изд-во МГТУ им. Н. Э. Баумана, 2003. - 457 е., ил.

68. Муравьёва Е.А. Синтез логических структур большой размерности на основе расширенных булевых матриц: Монография. Уфа: Гилем, 2003. 139 с.

69. МЭК 61131-7. Программируемые контроллеры. Ч. 7: Программирование нечёткого управления. М: Измерительно-информационные технологии, 2004 172 с.

70. Недосекин А.О. Нечетко-множественный анализ риска фондовых инвестиций. СПб: Изд-во Сезам, 2002.

71. Нечеткие множества в моделях управления и искусственного интеллекта / Под. ред. Д.А. Поспелова. М.: Наука, 1986.

72. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ./Под ред. P.P. Ягера. -М.: Радио и связь, 1986. 408 е.: ил.

73. Олссон Г., Пиани Д. Цифровые системы автоматизации и управления. СПб.:Невский проспект, 2001 557с.

74. Особенности нечетких преобразований в задачах обработки информации и управления. Часть 1 / И.М. Макаров, В.М. Лохин, C.B. Манько, М.П. Романов, A.A. Васильев, A.A. Хромов // Информационные технологии. 1999. № 10.

75. Особенности нечетких преобразований в задачах обработки информации и управления. Часть 2 / И.М. Макаров, В.М. Лохин, C.B. Манько, М.П. Романов, A.A. Васильев, A.A. Хромов // Информационные технологии. 1999. № 11.

76. Панкевич О.Д., Штовба С.Д. Диагностирование трещин строительных конструкций с помощью нечетких баз знаний. Винница: УНГВЕРСУМ-Вшниця, 2005. - 108 с.

77. Поспелов Д.А. Логические методы анализа и синтеза схем. М.: Энергия, 1974.-368 с.

78. Поспелов Г.С., Поспелов Д.А. Искусственный интеллект -прикладные системы. М.: Знание, 1985. - 48 с.

79. Прикладные нечеткие системы: Пер. с япон. / К.Асаи, Д. Ватада, С. Иваи и др.; под редакцией Т. Тэрано, К. Асаи, М. Сугено. М.: Мир, 1993. -368 е., ил. ISBN 5-03-002326-7.

80. Ротач В.Я. Теория автоматического управления: соответствуют ли ее основные положения действительности? // Промышленные АСУ и контроллеры. 2007. № 3. С. 12-19.

81. Ротштейн А.П., Штовба С.Д. Нечеткая надежность алгоритмических процессов. Винница: Континент-ПРИМ, 1997.

82. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. Винница: УНИВЕРСУМ-Винница, 1999.

83. Ротштейн А.П., Кательников Д.И. Идентификация нелинейных зависимостей нечеткими базами знаний // Кибернетика и системный анализ. — 1998.-№5.-С. 53-61.

84. Ротштейн А.П., Штовба С.Д. Влияние методов дефаззификации на скорость настройки нечеткой модели // Кибернетика и системный анализ. — 2002.-№5.-С. 169-176.

85. Руководство пользователя. Система управления процессом. SIMATIC WinCC. Siemens 2003 34 с.

86. Рутковская Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия — Телеком, 2002.

87. Рыжков А.П. Элементы теории нечетких множеств и ее приложений. — М., 2003. — 245 с.

88. Силов В.Б. Принятие стратегических решений в нечеткой обстановке. М.: ИНПРО-РЕС, 1995.

89. Синтез нечетких регуляторов на основе вероятностных моделей / В.М.Лохин, И.М.Макаров, С.В.Манько, М.П.Романов // Изв. РАН. ТиСУ. 2000. №2.

90. Современная прикладная теория управления / Под ред. А.А.Колесникова. В 3-х частях. Таганрог: Издательство ТРТУ, 2000.

91. Технология, экономика и автоматизация процессов переработки нефти и газа: Учеб. пособие / С.А. Ахметов, М.Х. Ишмияров, А.П. Веревкин, Е.С. Докучаев, Ю.М. Малышев; Под редакцией С.А. Ахметова. М.: Химия, 2005.-736 с.

92. Управление динамическими системами в условиях неопределенности / С.Т. Кусимов, Б.Г. Ильясов, В.И. Васильев и др. М.: Наука, 1998.

93. Усков A.A. Принципы построения систем управления с нечеткой логикой // Приборы и системы. Управление, Контроль, Диагностика.- 2004 № 6.- с. 7-13.

94. Усков A.A., Круглое B.B. Интеллектуальные системы управления на основе методов нечеткой логики. Смоленск: Смоленская городская типография, 2003.

95. Усков A.A., Кузьмин A.B. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. М.: Горячая линия - Телеком, 2004. - 452 е.: ил.

96. Уткин JI.B., Шубинский И.Б. Нетрадиционные методы оценки надежности информационных систем. СПб.: Любавич, 2000.

97. Федоров Ю.Н. Основы построения АСУТП взрывоопасных производств. В 2 т. Т. 1. Методология. -М.: СИНТЕГ, 2006. 720 е., ил.

98. Федоров Ю.Н. Основы построения АСУТП взрывоопасных производств. В 2 т. Т. 2. Проектирование. М.: СИНТЕГ, 2006. - 632 е., ил.

99. Федоров Ю.Н. Справочник инженера по АСУТП. Проектирование и разработка. Инфа-Инженерия, 2008 928с.

100. Фролов Ю.В. Интеллектуальные системы и управленческие решения. М.: МГПУ, 2000.

101. Хо Д.Л. Синтез адаптивных систем управления нелинейными динамическими объектами на базе нечетких регуляторов и нейросетевой технологии. Дисс. доктора техн. наук. М.: МЭИ, 2002.

102. Целых А.Н. Моделирование процессов принятия решений в нечетких условиях. Ростов-на-Дону: Издательство Северно-Кавказского научного центра высшей школы, 1999.

103. Штовба С. Д. Идентификация нелинейных зависимостей с помощью нечеткого логического вывода в системе MATLAB // Exponenta Pro: Математика в приложениях. 2003. - №2. - С.9-15.

104. Штовба С.Д. Классификация объектов на основе нечеткого вывода // Exponenta Pro: Математика в приложениях. 2004. - №1. - С.68-69.

105. Штовба С.Д., Панкевич О.Д. Проектирование нечетких классификаторов в системе MATLAB. Труды Всероссийской научнойконференции «Проектирование научных и инженерных приложений в системе MATLAB». М., 2004.-С.1318-1335.

106. Штовба С. Д. Проектирование нечетких систем средствами MATLAB. М.: горячая линия - Телеком, 2007. — 288 е., ил.

107. Ярушкина Н.Г. Методы нечетких экспертных систем в интеллектуальных САПР. Саратов: Изд-во Сарат. ун-та, 1997.

108. Bobko V.D., Nesterov A.A., Zolotukhin Yu.N. PID-parameters Fuzzy Dynamic Correction. // Optoelectronics, Instrumentation, and Data Processing, 1998, № 1.

109. Cao S.G., Rees N.W., Feng G. Analysis and design for a class of complex control system. Part I: fuzzy modeling and identification // Automatica. 1997. №33. P. 1017-1028.

110. Cao S.G., Rees N.W., Feng G. Analysis and design for a class of complex control system. Part II: fuzzy controller design // Automatica. 1997. № 34. P. 1029-1039.

111. Data Engineering: Fuzzy Mathematics in Systems Theory and Data Analysis. Olaf Wolkenhauer. Printed by John Wiley & Sons, Inc., 2001. 287 p.

112. Fuzzy expert systems and fuzzy reasoning / by William Siler, James J. Buckley. Published by John Wiley & Sons, Inc., Hoboken, NewJersey. 422 p.

113. Grass, J., and Zilberstein, S. Anytime Algorithm Development Tools. SIGART Bulletin (Special Issue on Anytime Algorithms and Deliberation Scheduling) 7(2). Forthcoming. 1996.-P. 151-159.

114. Horsch Michael, Poole David An Anytime algorithm for decision making under uncertainty. In Proceedings of the Twelfth International Joint Conference on Artificial Intelligence, 1995. P. 726-736.

115. Jager R. Fuzzy logic in control: Ph.D. Technische Universiteit Delft.1995.

116. Kasabov Nikola K. Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering. A Bradford Book, the MIT Press Cambridge, Massachusetts London, England, 1996. 581 p.

117. Kosko В. Heaven in a Chip: Fuzzy Visions of Society and Science in the Digital Age, Three Rivers Press/Random House, 2000.

118. Kosko B. "The Shape of Fuzzy Sets in Adaptive Function Approximation,", IEEE Transactions on Fuzzy Systems, vol. 9, no. 4, pp. 637-656, August 2001.

119. Kosko B. "Fuzzy Systems as Universal Approximators," IEEE Transactions on Computers, vol. 43, no. 11, pp. 1329-1333, November 1994.

120. Zadeh Lotfi A. Learning Fuzzy Interference Systems: Ph.D. University of Queensland. Department of Electrical and Computer Engineering. Australia, 1995.

121. VAlluru B. Rao. С++ Neural Networks and Fuzzy Logic. Imprint: M & T Books. IDG Books Worldwide, Inc, 2002. 596 p.

122. Wallace, R., and Freuder, E. Anytime Algorithms for Constraint Satisfaction and SAT Problems. Paper presented at the IJCAI-95 Workshop. 1995 -P. 63-69.