Интеллектуальные системы управления с ассоциативной памятью: Модели, алгоритмы и методы исследования тема диссертации и автореферата по ВАК РФ 05.13.01, доктор технических наук Романов, Михаил Петрович

• Романов, Михаил Петрович
• доктор технических наук
• 1999

Оглавление диссертации доктор технических наук Романов, Михаил Петрович

Введение.

Глава 1. Особенности функционирования интеллектуальных систем управления с ассоциативной памятью в условиях неопределенности.

1.1 .Источники и формы проявления неопределенности в динамических системах.

1.2.Анализ принципов построения адаптивных систем автоматического управления.

1.3. Концептуальные принципы организации интеллектуального управления на основе ассоциативной памяти.

1.4. Особенности построения интеллектуальных систем управления с ассоциативной памятью.

Выводы к главе 1.

Глава 2. Классификация, способы реализации и выбор оптимального объема ассоциативной памяти.

2.1. Классификация и способы реализации ассоциативной памяти.

2.2. Решение задачи минимизации объема ассоциативной памяти.

Выводы к главе

Глава 3. Интеллектуальные системы управления 1-рода.

3.1. Иерархия интеллектуальных систем управления 1-рода с АП

3.2. Математические модели интеллектуальных систем управления 1-рода с АП.

3.3. Лингвистический аппроксиматор.

3.4. База моделей и управлений.

3.5. Методика построения алгоритмов управления приводного и тактического уровней быстродействующих сборочных роботов. 129 Выводы к главе 3.

Глава 4. Интеллектуальные системы управления II—рода.

4.1. Принципы построения и математические модели интеллектуальных систем управления П-рода.

4.2. Структурная схема ИСУ II-рода с АП.

4.3. Методика синтеза интеллектуального регулятора на базе ассоциативной памяти.

Выводы к главе 4.

Глава 5. Нечеткое управление сложными динамическими объектами на базе ассоциативной памяти.

5.1. Постановка задачи.

5.2. Математические модели объекта управления.

5.2.1. Математическая модель объекта управления на основе теории марковских процессов.

5.2.2. Математическая модель объекта управления на основе обобщенных потоков Эрланга.

5.3. Математические модели систем нечеткого управления.

5.3.1 .Логико-лингвистическая модель объекта управления

5.3.2. Методика построения логико-лингвистической модели объекта управления.

5.3.3. Логико-лингвистическая модель нечеткого регулятора

5.4. Сравнительный анализ функциональных возможностей нечеткого и ПИД регуляторов.

5.5. Методика построения нечетких регуляторов на основе ассоциативной памяти.

Выводы к главе 5.

Глава 6. Абсолютная устойчивость систем управления с ассоциативной памятью.

6.1. Модели интеллектуального сервопривода с ассоциативной памятью.

6.2. Критерии абсолютной устойчивости с учетом ограничений на скорость изменения момента инерции.

6.3. Критерии абсолютной устойчивости на основе модели с инверсией величины момента инерции.

6.4. Методика исследования абсолютной устойчивости и настройки ассоциативной памяти в следящем электроприводе. 255 Выводы к главе 6.

Глава 7. Интеллектуальные системы управления промышленными объектами.

7.1. Транспортная система для гибких автоматизированных производств.

7.2. Интеллектуальная система управления манипуляционного робота "Электроника НЦТМ-30".

7.3. Нечеткий регулятор на базе ассоциативной памяти для системы управления температурой и расходом теплоносителя.

7.4. Лабораторный стенд для изучения и исследования интеллектуальных систем управления с ассоциативной памятью.

Выводы к главе 7.

Введение диссертации (часть автореферата) на тему «Интеллектуальные системы управления с ассоциативной памятью: Модели, алгоритмы и методы исследования»

С развитием технического прогресса все более возрастают требования, предъявляемые к системам управления, применяемым в промышленности, сельском хозяйстве, на транспорте, в военной и гражданской технике. Прежде всего это связано с расширением спектра решаемых прикладных задач, существенным возрастанием сложности конструктивного построения самих объектов управления, а также неопределенностью параметров среды их функционирования. Сфера применения таких систем весьма широка. Это роботы для космических и глубоководных исследований, автоматические устройства для выполнения сложных технологических операций в различных областях промышленности, спецоборудование, используемое в борьбе с терроризмом и для военных целей. Все более востребованными становятся образцы новой бытовой и коммунальной техники с широким набором интеллектуальных функций.

Практически во всех рассмотренных системах широко используется вычислительная техника в решении задач управления. Это позволяет увеличить гибкость, обеспечить многокритериальность, надежность и помехозащищенность управления и, что самое важное, предоставляет возможность работы с объектами, характеризующимися неполным, слабо формализуемым или сложным описанием. В то же время применение вычислительной техники вносит ряд проблем, обусловленных дискретным по амплитуде и времени характером управляющих сигналов. Необходимость обеспечить высокое качество управления в условиях помех, структурной и параметрической неопределенности приводит к значительному усложнению алгоритмов, особенно адаптивных, а это вызывает увеличение времени вычислений и, как следствие, сложности обеспечения требуемого качества и устойчивости таких дискретных систем управления. 7

Одним из актуальных путей решения указанных проблем является применение интеллектуальных технологий управления, которые позволят не только модернизировать существующее оборудование, но и создать принципиально новое поколение машин и механизмов, обладающих высокими техническими характеристиками и функциональными возможностями, на основе применения технологий обработки знаний.

Наличие фундаментальной теоретической базы по искусственному интеллекту и методам борьбы с неопределенностью, развиваемой в работах Д.А. Поспелова, JI. Заде, С. Аримото, Ю.А. Борцова, Ф. Вассермана, А.А. Красовского, И.М. Макарова, Б.Н. Петрова, В.В. Путова, Дж. Сариди-са, X. Тонако, А.П. Фрадкова, Н. Хассоуна, P.M. Юсупова и других ученых, позволит на основе применения современных методов и технологий обработки знаний в сочетании с достижениями теории автоматического управления обоснованно проектировать автоматические системы управления различной степени интеллектуальности, способные выполнять поставленные цели и задачи в условиях неопределенности.

На сегодняшний день наиболее распространенными являются четыре интеллектуальные технологии: экспертных систем (ЭС), нейросетевых структур (НС), ассоциативной памяти (АП) и нечеткой логики (HJI). Эффективность и преимущества каждой из них определяются областью конкретного применения и способом реализации.

Наглядность явных форм представления и возможность применения формализованных методов анализа и обработки знаний обусловили широкое применение технологии ЭС в задачах многокритериального принятия решений и управления относительно медленно меняющимися процессами. Важнейшим достоинством технологии НС является высокое быстродействие, достигаемое за счет параллельности обработки информации, npaBflaj только при аппаратной реализации. Альтернативным направлением по8 строения быстродействующих систем обработки знаний является технология АП, которая предполагает использование механизмов восстановления целостных образов по их отдельным элементам. Главные преимущества такого подхода связаны с простотой как программного, так и аппаратного воплощения АП, быстродействие которой вне зависимости от выбранного способа реализации определяется временем обращения к отдельной ячейке памяти и имеет существенно более высокие показатели, чем у других интеллектуальных технологий. Применение технологии HJI связано с формализацией неточных, размытых в смысловом отношении суждений и обобщенных категорий, задающих классификацию исходных понятий на уровне нечетких множеств, что весьма важно при управлении объектами, описание которых задано на качественном уровне. Применение данной технологии позволяет существенно снизить число входных и выходных множеств по сравнению с экспертными системами, тем самым, существенно повышая быстродействие за счет уменьшения числа продукционных правил. Комбинированное использование технологий HJ1 и АП позволяет существенно поднять скорость обработки входной информации и формирования управляющих воздействий, обеспечивающих требуемое качество управления.

Разработка методологии проектирования быстродействующих систем различного назначения, функционирующих на основе комплексного применения технологий АП и HJI, является весьма актуальной задачей.

Целью работы является решение актуальной научно-технической проблемы, связанной с разработкой принципов построения, моделей, алгоритмов, методов анализа и синтеза интеллектуальных систем управления (ИСУ) с АП, обеспечивающих основу для решения важнейших прикладных задач создания принципиально нового поколения и модернизации существующих образцов машин и механизмов для различных отрас9 лей народного хозяйства страны, а также имеющих важное значение для развития теории ИСУ.

Направления исследования. Для достижения указанной цели в диссертационной работе определены следующие направления исследований:

1. Провести анализ источников и форм проявления неопределенности в системах управления сложными динамическими объектами. Определить пути устранения влияния неопределенности на основе применения интеллектуальных технологий управления. Провести их классификацию; предложить концептуальные принципы построения и наиболее эффективные методы управления. Обосновать эффективность применения технологии АП для систем управления.

2. На основе классификации, анализа принципов функционирования и способов реализации ассоциативной памяти предложить эффективные пути ее построения для использования в интеллектуальных системах управления.

3 .Исследовать возможности и особенности применения технологии АП на приводном и тактическом уровнях управления сложными динамическими объектами.

4.Исследовать перспективы комплексного применения технологий ассоциативной памяти и нечеткой логики для создания быстродействующих систем управления сложными динамическими объектами.

5. Разработать критерии и методики исследования абсолютной устойчивости ИСУ с АП, позволяющие синтезировать системы с заданными свойствами при минимальном объеме используемой памяти.

6. На основе предложенных новых теоретических положений и методов разработать ИСУ, обеспечивающие значительное улучшение технических характеристик машин и механизмов различного назначения.

Методы исследования. Разработка теоретических положений и созда

10 ние на их основе методологии анализа и синтеза ИСУ с АП стало возможным благодаря комплексному применению теоретических и экспериментальных методов исследования. Поставленные в диссертационной работе задачи решены на основе использования разделов и положений теории автоматического управления, теории вероятности, линейной алгебры, операционного исчисления, разделов математического анализа и дискретной математики, теории нечеткой логики и искусственного интеллекта.

Проверка теоретических положений и адекватности моделей, разработанных в диссертационной работе, осуществлялась с помощью компьютерного моделирования на ПЭВМ и экспериментальных исследований на лабораторных стендах и промышленном оборудовании.

Первая глава диссертационной работы посвящена анализу принципов и особенностей функционирования ИСУ с АП в условиях неопределенности.

Разработаны концептуальные принципы построения и функционирования ИСУ. Предложена классификация ИСУ с АП на системы I-рода и П-рода, учитывающая характер неопределенности в системе и позволяющая наглядно отразить специфику их архитектуры, принцип действия и области применения. Предложены два подхода к построение ИСУ с АП.

В завершении первой главы сформулированы задачи диссертационной работы.

Во второй главе диссертационной работы проведен анализ известных принципов функционирования и способов реализации АП и доказан ряд утверждений, позволивших обосновать два варианта построения АП для эффективного использования в ИСУ. В качестве первого варианта построения предложена аппаратная реализация АП на основе логических элементов, которая может быть выполнена на программируемых логических матрицах и обеспечивать высокую скорость записи и воспроизведе

11 ния ассоциативно связанной информации. Второй вариант - программный, основанный на применении многомерных массивов, в индексах которых содержится информация о записанных в них данных. Высокая точность воспроизводимой информации достигается за счет многомерной линейной интерполяции дискретной гиперповерхности, соответствующей записанным в памяти данным.

В третьей главе разработаны математические модели ИСУ I-рода с ассоциативной памятью. В качестве объекта управления рассмотрена многозвенная механическая система общего вида (станки, роботы, обрабатывающие центры и т.п.). Для такой системы, полагая априорно известным технологический процесс, доказано утверждение о возможности развязки приводов в в - окрестности точки на заданной траектории движения исполнительного органа. Обоснована возможность практической реализации данного теоретического утверждения за счет координированного взаимодействия ИСУ на приводном и тактическом уровнях, при котором формирование необходимого управления на привод осуществляется на основе предсказания поведения и характеристик объекта управления. Высокие требования по быстродействию к такой ИСУ обеспечиваются за счет применения технологии АП.

Для конкретных примеров многозвенных объектов - быстродействующих сборочных роботов разработана методика построения ИСУ 1-ро-да с АП, обеспечивающая высокую точность позиционирования и движения по заданным траекториям.

Предложена модификация ИСУ I- рода с блоком обучения на выполняемый технологический процесс, при котором устраняются возможные отклонения от программной траектории, возникающие за счет наличия вектора возмущения состояния объекта и ошибок измерения. При этом предложена реализация трех типов коррекции возмущенного состояния

12 системы: коррекция управляющего воздействия; коррекция задающего воздействия; коррекция вектора настраиваемых параметров.

Приведены результаты модельных экспериментов, показывающих высокую эффективность предложенного подхода к построению ИСУ I-рода с АП.

Четвертая глава посвящена вопросам разработки математических моделей, методов анализа и синтеза ИСУ П-рода. Исследуются односвяз-ные динамические системы, в которых интеллектуальный регулятор на основе технологии АП реализует функции адаптивного управления при неизвестных изменяющихся параметрах и внешних неконтролируемых возмущениях.

В рассмотренном классе интеллектуальных систем адаптивные свойства реализуются на основе знаний о множествах возможных состояний динамической системы и соответствующих им законов управления, которые обеспечивают заданное качество регулирования. При этом АП по измеренным и вычисленным координатам пространства состояния объекта и входному заданию классифицирует состояние динамической системы и выдает либо настройки регулятора, либо непосредственно сигналы управления. Таким образом, задача синтеза алгоритмов управления сводится к формированию конечного множества классов состояния объекта и адекватных для каждого класса законов управления, которые затем в виде дискретной гиперповерхности записываются в АП. Параметры дискретизации определяются из условий выполнения критерия качества управления и минимизации требуемого объема памяти.

Для обеспечения инвариантности процесса идентификации момента инерции относительно неконтролируемых возмущений применен комбинированный метод идентификации и эталонной модели.

Методика синтеза регулятора, реализованного на основе АП, осно

13 вана на применении метода обратных задач динамики, обеспечивающего дискретную подстройку регулятора при изменении момента инерции.

Естественным развитием применения интеллектуальной технологии АП для систем управления является разработка принципа построения ИСУ П-рода с самообучением.

Проведенные экспериментальные исследования показали высокую эффективность предложенных решений и методик синтеза ИСУ П-рода с АП.

Пятая глава посвящена методологи проектирования ИСУ Н-рода, функционирующих на основе комбинированного применения технологий АП и HJ1. Разработаны методики аналитического конструирования нечетких регуляторов сложных динамических объектов, обеспечивающие возможность автоматизированного синтеза логико-лингвистических моделей и алгоритмов управления.

По аналогии с автоматическими системами, построенными на базе четких представлений, нечеткий алгоритм формирования управляющих воздействий с учетом заданной цели управления синтезирован по принципу обращения операций, составляющих содержание логико-лингвистического описания причинно-следственных связей в модели управляемого объекта.

Учитывая возможность представления меры неопределенности с вероятностных позиций, предложено строить функции принадлежности нечетких множеств в системах управления как условную доверительную вероятность нахождения системы в условном состоянии, соответствующем значению лингвистической переменной в нечеткой системе.

Для построения вероятностной модели процессов в системах управления использованы уравнения Фоккера - Планка - Колмогорова, математический аппарат теории марковских процессов и обобщенных потоков

14

Эрланга.

Эффективность развиваемого подхода проверялась на примерах построения нечетких регуляторов для объекта второго порядка с изменяющимися параметрами, а также электроприводов манипуляционного робота с горизонтально-ангулярной кинематической схемой.

Результаты компьютерного моделирования и экспериментальные исследования на реальном роботе показали высокую эффективность разработанных алгоритмов нечеткого управления.

Показана возможность реализации алгоритмов нечеткого управления на основе технология ассоциативной памяти, позволяющей существенно уменьшить время вычисления управляющего сигнала и улучшить качество управления.

Предложены методики аналитического конструирования нечетких регуляторов для сложных динамических объектов. Развиваемый подход позволил автоматически определять функций принадлежности и выводить продукционные правила, обеспечивая возможность создания широкого спектра адаптивных систем управления на базе HJI.

Проведен сравнительный анализ эффективности работы в условиях структурной и параметрической неопределенности классических регуляторов с детерминированными параметрами и регуляторов, построенных на основе комбинированного применения HJT и АП; показано существенное превосходство по качеству управления разработанных в диссертационной работе интеллектуальных регуляторов.

Шестая глава посвящена разработке критериев абсолютной устойчивости положения равновесия и процессов в ИСУ, построенных на основе АП.

При проектировании систем управления с АП естественно возникает вопрос о выборе величины дискретности изменения элементов вектора на

15 страиваемых параметров регулятора. При этом с одной стороны решается задача минимизации требуемого объема АП, а с другой - обеспечения устойчивости системы управления.

Разработаны модификации частотного критерия абсолютной устойчивости В.М. Попова и графоаналитическая методика исследования абсолютной устойчивости положения равновесия и процессов в ИСУ, функционирующих на основе технологии АП.

Седьмая глава посвящена прикладным проблемам разработки ИСУ сложными динамическими объектами.

Результаты предыдущих глав применены при разработке систем управления манипуляционного и транспортных роботов (TP) семейства "Электроника НЦТМ", ИСУ регулирования температуры и объемного расхода теплоносителя, а также учебного стенда для исследования ИСУ.

Семейство "Электроника НЦТМ" включает в себя манипуляционный робот "Электроника НЦТМ-30" и TP "Электроника НЦТМ-25", "Электроника НЦТМ-25М", транспортно - манипуляционные роботы "Электроника НЦТМ-12", "Электроника НЦТМ-15" и "Электроника НЦТМ-15-34", TP с механизмами перемещения палет "Электроника НЦТМ - 25М1" и "Электроника НЦТМ - 25М2.

При проектировании систем управления TP на основе анализа кинематических схем, разработанных математических моделей и экспериментальных исследований выявлены источники неопределенности. Разработанная ИСУ с АП, за счет устранения их влияние, обеспечила скорость движения по трассе 1 м/с и повторяемость остановки TP 1.5-2 мм без перерегулирования, что позволило эффективно использовать TP семейства "Электроника НЦТМ" в условиях промышленных ГПС. Реализация предложенных алгоритмов управления была осуществлена на основе пирамидальной АП емкостью 20 килобайт.

16

Использованные при разработке манипуляционных и транспортных роботов новые принципы управления позволили значительно повысить их удельную грузоподъемность и маневренность, уменьшить энергопотребление, габариты и массу. Алгоритмическое и программное обеспечение позволило проводить полное тестирование всех систем управления, диагностировать аварийные ситуации и выходить из них.

Разработанная в диссертационной работе на основе комплексного применения технологий HJ1 и АП система регулирования температуры и объемного расхода теплоносителя, принцип действия которой основан на смешении двух компонент, может широко использоваться в химической и пищевой промышленности, а также для проведения исследований в области химического машиностроения, например, при разработке реакторов, теплообменных агрегатов и т.п. Она обеспечивает высокое качество управления; возможность регулирования температуры теплоносителя непосредственно на входе в технологический агрегат. Достаточная простота технической реализации, которая без существенной переделки позволяет осуществлять широкое тиражирование действующих систем водоподго-товки. Особенно важным в отличие от известных систем управления является одновременное обеспечение требуемого расхода и температуры теплоносителя на выходе удаленной магистрали при изменениях температуры и объема исходных смешиваемых носителей. Для программной реализации нечеткого регулятора на основе пирамидальной ассоциативной памяти требуется всего 11 килобайт.

Для изучения и исследования точностных и динамических характеристик ИСУ в учебном процессе разработан стенд на базе учебного робота с горизонтально - ангулярной кинематической схемой (SCARA) семейства роботов "РОБАС".

Предложенные алгоритмическое и схемное решения позволяют

17 имитировать работу различных интеллектуальных регуляторов, а использование приводов робота в качестве объектов управления обеспечивает исследование различных видов проявления неопределенности. При движении робота электромеханические постоянные времени изменяются в широких пределах от 0.023 с до 0.3 с, а величины статических нагрузок на приводах можно менять за счет изменения массы переносимого груза. Объем занимаемой интеллектуальным регулятором памяти не превышает 18 килобайт.

В заключении приведена общая характеристика работы и основные выводы по результатам диссертационной работы.

На защиту выносятся:

1 .Концептуальные принципы построения и функционирования ИСУ с АП.

2.Классификация ИСУ с АП, в соответствии с которой выделено два класса, принципиально отличающихся по архитектуре, принципу действия и области применения. ИСУ I-рода предназначены для работы в условиях предсказуемой неопределенности, связанной с взаимным влиянием отдельных степеней подвижности сложного многозвенного объекта управления друг на друга. ИСУ П-рода ориентированы на решение задач адаптации в условиях непредсказуемой неопределенности.

3.Два подхода к построению ИСУ с АП, при которых ассоциативная память осуществляет целенаправленную параметрическую настройку типового регулятора или реализует адаптивный регулятор, включенный в основной контур системы управления.

4. Теоретическое обоснование принципов построения и реализация двух вариантов АП, предназначенных для работы в ИСУ.

5. Математические модели, принципы формирования знаний и алгоритмы управления для ИСУ I-рода с АП, обеспечивающих высокое каче

18 ство управления за счет развязки многосвязных приводов многозвенного механического объекта.

6. Методика построения алгоритмов управления на базе технологии АП для быстродействующих сборочных роботов с вертикально- и гори-зонтально-ангулярной кинематическими схемами.

7. Принципы построения, математические модели, методы анализа и синтеза ИСУ И-рода с АП.

8. Методология обоснованного автоматизированного выбора структуры нечеткого регулятора, его функций принадлежности, термов и продукционных правил. Математические модели, методики синтеза ИСУ II-рода, функционирующих на основе комбинированного применения технологий HJI и АП.

9. Результаты сравнительного анализа эффективности работы в условиях структурной и параметрической неопределенности классических регуляторов с детерминированными параметрами и регуляторов, построенных на основе комбинированного применения HJI и АП.

10. Модификации частотного критерия абсолютной устойчивости положения равновесия и процессов в ИСУ с АП и соответствующие графоаналитические методики исследования.

11. Интеллектуальные системы управления и регуляторы на базе АП:

- манипуляционных и транспортных роботов семейства "Электроника НЦТМ";

- для совместного регулирования температуры и объемного расхода теплоносителя;

- учебно-исследовательский стенд на базе учебного робота с горизонтально - ангулярной кинематической схемой (SCARA) семейства роботов "РОБАС".

19

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Романов, Михаил Петрович

Основные результаты. В диссертационной работе решена актуальная научно-техническая проблема, заключающаяся в разработке методологии проектирования интеллектуальных систем управления с ассоциативной памятью и обеспечивающая решение важнейших прикладных задач создания принципиально нового поколения и модернизации существующих образцов машин и механизмов для различных отраслей народного хозяйства страны, а также имеющая существенное значение для развития теории интеллектуальных систем управления. Полученные теоретические результаты составляют содержание нового направления в проектировании и исследовании интеллектуальных систем управления.

В диссертации получены следующие основные научные и практические результаты.

1. Дано развитие концептуальных принципов построения интеллектуальных систем управления сложными динамическими объектами, функционирующих на основе технологии ассоциативной памяти. Предложена классификация интеллектуальных систем управления с ассоциативной памятью на системы I-рода и П-рода, позволяющая наглядно отразить специфику их архитектуры, принципа действия и области применения при решений задач системного исследования и проектирования; обоснованы два подхода к построения? интеллектуальных систем управления с ассоциативной памятью.

2. На основе детального анализа принципов функционирования и способов реализации ассоциативной памяти определены два наиболее эффективных способа ее построения для использования в интеллектуальных системах управления: матричная ассоциативная память на основе логических элементов и применение многомерных массивов, в индексах ко

335 торых содержится информация о записанных в них данных. Доказаны два утверждения, теоретически обосновывающие возможность и пути реализации ассоциативной памяти на логических элементах и дающее возможность реализовать алгоритм линейной интерполяции многомерной дискретной функции. Это позволяет существенно, на несколько порядков, уменьшить объем ассоциативной памяти, используемой в интеллектуальной системе управления, и обеспечить высокую точность ассоциативно воспроизводимой информации.

3. Разработаны архитектура, принципы построения и математические модели интеллектуальных систем управления I-рода с ассоциативной памятью для многозвенных механических объектов. Доказано утверждение, теоретически обосновывающее возможность развязки приводов сложного многозвенного динамического объекта в 8 - окрестности точки на заданной траектории движения исполнительного органа. На основе данного утверждения разработаны новые принципы формирования знаний и алгоритмы управления интеллектуальных систем управления I-рода с ассоциативной памятью, которые содержатся в лингвистическом апрокси-маторе и базе моделей и управлений.

4. Разработана методика построения на базе технологии ассоциативной памяти алгоритмов управления на приводном и тактическом уровнях быстродействующих сборочных роботов с вертикально- и горизон-тально-ангулярной кинематическими схемами, обеспечивающих высокую точность позиционирования и движения по заданным траекториям. Проведенные экспериментальные исследования показали высокую эффективность предложенных решений и методик синтеза интеллектуальных регуляторов с ассоциативной памятью. Предложенная и экспериментально проверенная в данной главе на примере роботов методика построения ИСУ I-рода с АП распространяется на широкий класс голономных меха

336 нических систем.

5. Разработаны принципы построения, математические модели, функциональная и структурная схемы ИСУ П-рода с АП, предназначенных для работы в условиях непредсказуемой неопределенности. Для ИСУ И-рода с АП разработаны алгоритмы идентификации и управления, позволяющие реализовать адаптивные свойства на основе применения технологии АП. Обоснована методика синтеза интеллектуальных регуляторов на базе АП для ИСУ П-рода. Теоретические исследования и большой комплекс модельных экспериментов показали высокую эффективность предложенных алгоритмов адаптивного управления и возможность их реализации за счет применения технологии ассоциативной памяти на бортовых вычислительных средствах с ограниченными ресурсами, что особенно важно для модернизации существующих образцов техники. Предложенные принципы построения систем управления с ассоциативной памятью за счет реализации активной адаптации позволили при создании следящих приводов существенно повысить точность и быстродействие при снижении энергетических затрат.

6. Разработаны математические модели сложных динамических объектов, работающих в условиях структурной и параметрической неопределенностей, на основе теории марковских процессов и обобщенных потоков Эрланга. Это позволило на основе вероятностного подхода строить логико-лингвистические модели объектов управления. Разработаны математические модели систем нечеткого управления, включая логико-лингвистические модели объекта управления и нечеткого регулятора. Предложены методики для автоматизированного синтеза логико-лингвистических моделей объекта управления и нечеткого регулятора. Разработаны версии нечетких регуляторов, обеспечивающих высокую точность и быстродействие при работе в условиях структурной и парамет

337 рической неопределенности. По результатам сравнительного анализа систем четкого и нечеткого управления в условиях неопределенности показана эффективность разработанных в диссертации нечетких регуляторов.

7. Разработана методика построения нечетких регуляторов на основе ассоциативной памяти. Применение ассоциативной памяти позволило осуществлять нечеткое управление быстродействующими объектами управления в реальном масштабе времени без использования специализированных процессоров.

8. Разработаны модификации частотного критерия абсолютной устойчивости положения равновесия и процессов в интеллектуальных системах управления с ассоциативной памятью для широкого класса следящих электроприводов.

9. Предложена удобная графоаналитическая методика исследования абсолютной устойчивости положения равновесия и процессов, которая обеспечивает настройку параметров интеллектуальных регуляторов на базе ассоциативной памяти, гарантирующих устойчивость системы при минимальном объеме требуемой памяти. При настройке регулятора по методу обратных задач динамики (следствия 6.1 и 6.2) обеспечивается также заданное качество управления. Результаты теоретических исследований и компьютерного моделирования совпадают с достаточной для практического использования точностью.

10.Проведен полный комплекс экспериментальных исследований на компьютерных моделях, лабораторных стендах и промышленном оборудовании, который показал высокую эффективность систем управления, работающих на основе технологии ассоциативной памяти. Результаты экспериментальных исследований интеллектуальных систем с ассоциативной памятью, комбинированных систем с применением нечеткой логики и сравнительного анализа с традиционными детерминированными ре

338 гуляторами, приведенные в работе, представляют практический интерес при проектировании новых и модернизации существующих устройств и технологических систем в различных отраслях народного хозяйства, таких как приборостроение, машиностроение, пищевая и химическая промышленности и т.п.

11 .Результаты диссертационной работы внедрены:

- В АООТ "НИИТМ" при разработке систем управления транспортных и манипуляционных роботов семейства "Электроника НЦТМ" (манипуляционный робот "Электроника НЦТМ-30" и транспортные роботы "Электроника НЦТМ-25", "Электроника НЦТМ-25М", транспортно -манипуляционные роботы "Электроника НЦТМ-12", "Электроника НЦТМ-15" и "Электроника НЦТМ-15-34", транспортные роботы с механизмами перемещения палет "Электроника НЦТМ - 25М1" и "Электроника НЦТМ - 25М2). Это позволило обеспечить высокие технические характеристики роботов семейства "Электроника НЦТМ", сократить сроки и затраты на проведение опытно-конструкторских работ и натурных испытаний.

- В ЗАО НПО "ХИМСИНТЕЗ" при разработке системы автоматического управления температуры и объемного расхода теплоносителя агрегата С-1250. Использование разработанной системы управления позволило за счет совместного регулирования температуры и объемного расхода теплоносителя повысить качество регулирования и производительность работы агрегата С-1250, сократить сроки и затраты на проектирование системы управления.

- В учебном процессе для изучения и исследования интеллектуальных систем с ассоциативной памятью. Разработан стенд, выполненный на базе учебного робота с горизонтально-ангулярной кинематической схемой, который используется при проведении лабораторного практикума и

339 курсового проектирования по дисциплинам "Компьютерное управление", "Аппаратное и программное обеспечение СУРиМ" для студентов специальностей 21.03.00, 07.18.00. Материалы диссертационной работы внедрены в учебный процесс в виде конспектов лекций, программного и методического обеспечения для проведения лабораторных работ по курсам: "Алгоритмическое и программное обеспечение интеллектуальных систем управления роботами", "Методы искусственного интеллекта в робототехнике", "Алгоритмическое и программное обеспечение ИСУ" для специальности 21.03.00 "Роботы и робототехнические системы"; "Аппаратно-программные средства мехатронных систем", "Методы искусственного интеллекта в мехатронике" для специальности 07.18.00 "Мехатроника".

12. Результаты диссертационной работы использованы в НИР, выполненных в период 1996-1999 гг. в МИРЭА по заданию СПП при Президиуме РАН в рамках Государственного оборонного заказа на 1996 — 1999 годы, утвержденного Постановлениями Правительства Российской Федерации от 02.03.96 № 227-15, от 05.05.97 № 525-20, от 09.07.98 № 72625, от 17.04.99 №440-30, а именно:

- в НИР №К-179 "Поисковые исследования и разработка интеллектуальных самообучающихся систем для управления сложными динамическими объектами" (Шифр "Клон-2-МИРЭА") выполнена классификация интеллектуальных систем управления с ассоциативной памятью на системы I-рода и П-рода, позволяющая наглядно отразить специфику их архитектуры, принцип действия и конкретизирующая области применения для различных видов ВВТ; предложены два подхода к построению интеллектуальных систем управления с ассоциативной памятью;

- в НИР №К-186 "Разработка интеллектуальной технологии управления оружием на основе распределенных экспертных и нейроподобных систем" (Шифр "Латилус") разработаны методы анализа и синтеза интел

340 лектуальных регуляторов на базе ассоциативной памяти для исполнительных систем управления ВВТ (на примере корабельной артустановки АК-306).

- в НИР №К-194 "Поисковые исследования и разработка интеллектуальных бортовых систем управления межвидового применения" (Шифр "Клон-3") разработана методология аналитического конструирования нечетких регуляторов с ассоциативной памятью, обеспечивающих высокое качество управления сложными динамическими объектами ВВТ в условиях структурной и параметрической неопределенности; разработаны математические модели и методы исследования систем управления, функционирующих на основе комбинированного применения технологий нечеткой логики и ассоциативной памяти; проведен сравнительный анализ эффективности работы в условиях структурной и параметрической неопределенности классических регуляторов с детерминированными параметрами и регуляторов, построенных на основе комбинированного применения нечеткой логики и ассоциативной памяти. Показана перспективность комбинированного применения интеллектуальных технологий в системах управления ВВТ.

Обобщение полученных результатов по разработке интеллектуальных самообучающихся систем автоматического управления представлено в НИР № К-177 "Комплексный прогноз развития военной робототехники до 2005 г. по результатам компьютерного интеллектуального моделирования и экспертных оценок" (Шифр "Клин-МИРЭА-П").

13. Теоретические и практические результаты работы использованы при выполнении НИР по межвузовским научно-техническим программам "Робототехника для экстремальных условий" 1994 - 1996 г., "Конверсия и высокие технологии. 1997-2000 гг.", "Вычислительная техника, автоматизация и интеграция сетей" на 1998 - 2000 г., "Робототехнические системы"

341 на 1998 - 2000 г., "Механика, машиноведение и процессы управления" на 1998 -2000 г., "Учебная техника" на 1998-2000 г.

Транспортная система для гибких автоматизированных производств на базе подвижных роботов семейства "Электроника НЦТМ" удостоена премии Ленинского комсомола.

Апробация работы. Основные положения и результаты работы докладывались и обсуждались на семинарах и конференциях: III международная молодежная школа "Применение механики в робототехнике и новых материалов" (Болгария, 1988 г.); I, II и III международном научно-техническом семинаре "Теоретические и прикладные проблемы моделирования предметных областей в системах баз данных и знаний" (Туапсе, 1992, 1993 г., Рыбачье, 1994 г.); Международном научно-техническом семинаре "Теоретические и прикладные проблемы моделирования предметных областей в системах баз данных и знаний"; Международном научно-техническом семинаре "Искусственный интеллект в системах автоматического управления" (Рыбачье, 1995 г.); Международном семинаре "International Workshop on Advanced Electronics Technology '95" (Москва, 1995 г.); VI научно-технической конференции "Робототехника для экстремальных условий" (Санкт-Петербург, 1995 г.); Международном научно-техническом семинаре "Современные технологии в задачах управления и обработки информации" (Алушта, 1996 г., 1997 г., 1998 г. и 1999 г.); Международной конференции "Информационные средства и технологии" в рамках международного форума информатизации МФИ - 96 (Москва, 1996 г.); VII, VIII, IX и X научно-технической конференции "Экстремальная робототехника" (Санкт-Петербург, 1996 г,. 1997 г, 1998 г. и 1999 г.); Международном семинаре "International Workshop on Micro Robots, Micro Machines and Systems" (Москва, 1999 г.); научно-технических конференциях МИРЭА.

343

ЗАКЛЮЧЕНИЕ

Список литературы диссертационного исследования доктор технических наук Романов, Михаил Петрович, 1999 год

1. Александров А.Г. Метод частотных параметров.//Автоматика и телемеханика. 1989. №12. с.3-15.

2. Александров А.Г. Частотное адаптивное управление с определением времени фильтрации. I Совещание. Новые направления в теории систем с обратной связью. Уфа. Тезисы докладов, 1993, 109-1 Юс.

3. Аналитические самонастраивающиеся системы автоматического управления /Под ред. В.В. Солодовникова. -М.: Машиностроение, 1965.

4. Арбузов А.В., Тюрин К.В. Идентификация нелинейной САУ электропривода робота и формирование эмпирических знаний для экспертного регулятора. М.: Сборник трудов МИРЭА. "Управление и моделирование в сложных технических системах", 1995, 41-46.

5. Балакирев B.C., Дубинков Е.Г., Цирлин A.M. Экспериментальное определение динамических характеристик промышленных объектов управления. М.: Энергия,967.-232 е., ил.

6. Бесекерский В.А., Попов Е.П. Теория систем автоматического регулирования.-М.:

7. Борисюк Г.Н., Борисюк P.M., Казакович Я.Б. и др. Осцилляторные нейронные сети. Математические результаты и приложения. М.: Математическое моделирование. Том 4, номер 1, 1992 - с.3-44344

8. Борцов Ю.А., Поляхов Н.Д. Применение стационарных динамических наблюдателей в адаптивных электромеханических системах с эталонной моделью. // Автоматизация производства.Вып.З JL: Изд-во ЛГУ, 1987

9. Борцов Ю.А., Поляхов Н.Д., Путов В.В. Электромеханические системы с адаптивным и модальным управлением. Л.: Энергоатомиздат, 1984.

10. Борцов Ю.А., Соколовский Г.Г. Автоматизированный электропривод с упругими связями. СПб.: Энергоатомиздат. Санкт-Петербургское отделение, 1992.

11. Борцов Ю.А., Юнгер Ю.Б. Автоматические системы с разрывным управлением. Л.: Энергоатомиздат. Ленинградское отделение, 1986.

12. Бурдаков С.Ф., Смирнова Н.А. Обучаемое управление движением гибкого робота. .//VI НТК "Робототехника для экстремальных условий СПб.: 1996. - с. 154-162.

13. Воронов А.А. Введение в динамику сложных управляемых систем.

14. М.: Наука. Главная редакция физико-математической литературы, 1985. -352 с.

15. Времяимпульсные системы автоматического управления. Под общ. ред. И.М. Макарова. 2-е изд., перераб.- М.: Наука. Физматлит, 1997. - 224 с.

16. Вукобратович М., Стокич Д. Управление манипуляционными роботами. М.: Наука, 1985.

17. Горбачев Н.В., Филимонов А.Е., Шпаков А.Н., Шухов А.Г.

18. Алгоритьмы управления транспортными роботами в гибких производственных системах. Изв. АН СССР Техническая кибернетика, 1988, № 4.

19. Громыко В.Д., Санковский Е.А. Самонастраивающиеся системы с моделью. М.: Наука, 1980.

20. Гроп Д. Методы идентификации систем. М.: Мир, 1979. - 302 е., ил.

21. Гудмен И. Нечеткие множества как классы эквивалентностислучайных множеств. Материалы научной конференции "Нечеткиемножества и теория возможностей. Последние достижения. Подредакцией P.P. Ягера М.: Радио и связь, 1986 - 406 с.

22. Деревицкий Д.П., Фрадков A.JL Прикладная теория дискретныхадаптивных систем управления. М., 1981. 246 с.

23. Дуб Дж. J1. Вероятностные процессы, М.: ИЛ, 1956

24. Дюбуа Д., Прад А. К анализу и синтезу нечетких отображений.

25. Материалы научной конференции "Нечеткие множества и теориявозможностей. Последние достижения. Под редакцией P.P. Ягера

26. М.: Радио и связь, 1986 406 с.

27. Еремин Д.М., Мадыгулов Р.У. Определение параметров нейроподобных сетей, используемых при управлении динамическими объектами. -М: МИРЭА. Межвузовский сборник научных трудов. 1994.

28. Заде JI.A. Нечеткие множества или теория вероятностей? ТИИЭР, 1980, т.68,№ 3,с. 138

29. Заде J1.A. Основы нового подхода к анализу сложных систем и процессов принятия решений. В кн.: Математика сегодня. - М.: Знание, 1974 - с.5 - 49

30. Кандрашина Е.Ю., Литвинцева Л.В., Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах / Под ред. Д.А. Поспелова. М.: Наука, 1989.

31. Карабутов Н.Н. Идентификация неопределенных систем на классе адаптивных алгоритмов с неопределенностью. М.: Сборник трудов МИРЭА. "Управление и моделирование в сложных технических системах", 1995, с. 149-155.

32. Карабутов Н.Н., Пятецкий В.Е. Параметрическая идентификацияметаллургических процессов: учет информационных аспектов. -М.: Металлургия, 1992.-144 с.

33. Ковшов В.Н. Постановка инженерного эксперимента. Киев; Донецк: Вища школа, 1982. - 120с., ил.

34. Козлов Ю.М. Адаптация и обучение в робототехнике. М.: Наука, 1990.-248 с.

35. Козлов Ю.М., Юсупов P.M. Беспоисковые самонастраивающиеся системы.-М.: Наука, 1969.

36. Корн Г., Корн Т. Справочник по математике (для научных работников и инженеров). Изд. четвертое. М.: Наука, 1978. -832с.

37. Косиков B.C., Кордюков А. П. Синтез беспоисковой самонастраивающейся системы с нелинейным объектом. //AhT.1987.N4.C.58-65.

38. Костюк В.И. Беспоисковые градиентные самонастраивающиеся системы.- Киев: Техника, 1969.

39. Крайзер Л.П. и др. Ассоциативные запоминающие устройства. Л.: Ленинградское отделение "Энергия", 1967. - 183 с. Красовский А.А. Динамика непрерывных самонастраивающихся систем. М.:1963

40. Кротов Н.А., Немцов Б.П. Об одном способе моделирования случайных процессов с заданными статистическими характеристиками./ Ленингр.ин-т ж/д транспорта. Л.: 1977,- 10с., ил. - Рукопись деп. в ЦНИИТЭИ приборостроения 14 февраля 1978 г., N869.

41. Круг Т.К. Планирование эксперимента в задачах идентификации экстраполяции. М.: Наука, 1977. - 208с., ил.

42. Крутько П.Д. Обратные задачи динамики управляемых систем:348

43. Линейные модели. М.: Наука. Гл. ред. физ.-мат. лит., 1987.304 с.

44. Кухтенко В.И. Динамика самонастраивающихся систем со стабилизацией частотных характеристик. -М.: Машиностроение, 1970.

45. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц. -М.: Мир, 1991.

46. Лохин В.М., Романов М.П., В.Б.Филейкин Идентификация объектов управления с распределенными параметрами -Автоматическое управление и робототехнические системы. Межвузовский сборник научных трудов ,-М;1982

47. Лурье А.И. Аналитическая механика. М.: Изд-во физ. -мат. лит., 1961

48. Макаров В.В., Лохин В.М., Петрыкин А.А. Дискретные системы автоматического управления теплотехническими объектами. //Под ред. В.В. Макарова. М.: Наука, 1997.-224с.

49. Макаров И.М., Лохин В.М., Мадыгулов Р.У., Тюрин К.В. Применение экспертных регуляторов для систем управления динамическими объектами. М.: Известия РАН серия "Техническая кибернетика" N1, 1995.

50. Макаров И.М., Лохин В.М., Романов М.П., Мелконян П.А. Элементы автоматизированного проектирования сборочных роботов-В кн. Автоматизация проектирования и программирования роботов и ГПС М.Наука,1988 с.77-86349

51. Макаров И.М., Лохин В.М., Романов М.П., Харитонова Е.Б. Системы управления с ассоциативной памятью.// VI НТК "Робототехника для экстремальных условий СПб.: 1996. - с.115-123

52. Марголис М., Леондес С.Г. О теории самонастраивающейся системы регулирования; метод обучающейся модели //Теория дискретных, оптимальных и самонастраивающихся систем: Тр. I Международного конгресса ИФАК. Е. 2.-М.: Изд-во АН СССР, 1961.-С. 683-701.

53. Медведев B.C., Лесков А.Г., Ющенко А.С. Системы управления манипуляционных роботов. М.: Наука, 1978.

54. Методы исследования нелинейных систем автоматического управления, под ред. Р.А. Нелепина, Главная редакция физико-математической литературы издательства "Наука", М.: Наука ,1975

55. Моделирование робототехнических систем и гибких автоматизированных производств. Кн. 5 серии "Робототехника и гибкие автоматизированные производства" в 9 кн./ Под ред. И.М. Макарова. М.: Высшая школа, 1986.

56. Моделирование робототехнических систем и гибких автоматизированных производств. Кн. 5 серии "Робототехника и гибкие автоматизированные производства" в 9 кн./ Под ред. И.М. Макарова. М.: Высшая школа, 1986.

57. Насс Р. Внедрение средств нечеткой логики в США. Электроника 7/8,1993.-с.10-14.

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

59. Ожегов С.И., Шведова Н.Ю. Толковый словарь русского языка: 80000 слов и фразеологических выражений /Российская академиянаук. Институт русского языка им. В.В.Виноградова. 4-е изд.,дополненное. - М.: Азбуковник, 1997.

60. Петров Б.Н., Елисеев В.Д., Подольный О.А., Уколов И.С. К синтезу самонастраивающихся систем, основанных на энергетическом балансе частотных компонент сигнала ошибки //Изв. АН СССР. Тех. Кибернетика. 1969.- №1.-С. 145-153.

61. Петров Б.Н., Рутковский В.Ю., Крутова И.Н., Земляков С.Д.

62. Принципы построения и проектирования самонастраивающихсясистем управления. -М.: Машиностроение, 1972.

63. Поспелов Д.А. Знания в интеллектуальных системах

64. Программные продукты и системы. N 3. - с. 68-85.

65. Поспелов Д.А. Логико-лингвистические модели в системахуправления. М.: Энергоиздат, 1981. -231 с

66. Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986.

67. Прикладные нечеткие системы. Под ред. Т. Тэрано, К. Асаи, М. Сугэно. М.: Мир, 1993.

68. Принципы построения и проектирования самонастраивающихся систем / Б.Н. Петров, В.Ю. Рутковский, И.Н. Крутова, С.Д. Зеляков М.:1972

69. Путов В.В. Адаптивные законы стабилизации взаимосвязанных механических систем // Автоматизация исследований и351проектирования систем управления: Сб. науч. статей. JL: Изд-во ЛГУ, 1987-с. 136- 145

70. Путов В.В. Адаптивные системы с алгоритмами настройки высшего порядка в управлении нелинейными объектами // Структуры сложных систем и алгоритмы управления: Сб. науч. статей. Л.:Изд-во ЛГУ, 1990 - с. 147-159

71. Путов В.В., Полунин И.Г. Адаптивное управление манипулятором в условиях структурно-параметрической неопределенности. //VI НТК "Робототехника для экстремальных условий Спб.:1996. -с.163-170.

72. Путов В.В., Тимчук Н.А., Руссов Д.А., Гайдым Д.А. Новые методы адаптивного управления в нелинейных электромеханических системах. / Материалы VIII Научно-технической конференции "Экстремальная робототехника". СПб.: Изд-во СПбГТУ, 1997 -с.274 -282

73. Розенвассер Е.Н., Юсупов Р.М.Чувствительность систем управления. М.: Наука, 1981

74. Романов М.П. Ассоциативная память на логических элементах. Межвузовский сборник научных трудов. Автоматическое управление и интеллектуальные системы. М.: МИРЭАД996

75. Романов М.П., Харитонова Е.Б., Системы управления с ассоциативной памятью. 6 Международная НТК "Робототехника для экстремальных условий" С.Петербург, 18-20 апреля 1995 г.,1996352

76. Романов М.П., Петрушин Д.Б., Семыкин В.Р. Адаптивная система управления роботом с ассоциативной памятью. Тезисы докладов международной конференции "Информационные средства и технологии", Том 1- М.: изд-во "Станкин", 1996

77. Романов М.П., Харитонова Е.Б., Трипольский П.Э. Преобразованиеинформации в нейроподобных структурах. Межвузовский сборник научных трудов. Управление и моделирование в сложных технических системах. М.: МИРЭАД995

78. Савилов А.В. Параллельные системы управления и обработки информации роботов на базе транспьютеров. .// VI НТК "Робототехника для экстремальных условий СПб.: 1996. - с.132-139

79. Самонастраивающиеся системы: Справочник / Под общей редакцией проф.П.И.Чинаева. Киев: 1969

80. Саридис Дж. Самоорганизующиеся стохастические системы управления. М.: Наука, 1980.

81. Советский энциклопедический словарь / Гл.ред. A.M. Прохоров. -3-е изд.-М.: Сов.энциклопедия, 1984.

82. Солодовников В.В., Шрамко JI.C. Расчет и проектирование аналитических самонастраивающихся систем с эталонными моделями.- М.: Машиностроение, 1972.

83. Танака К. Итоги рассмотрения факторов неопределенности и неясности в инженерном искусстве. Материалы научной конференции "Нечеткие множества и теория возможностей. Последние достижения. Под редакцией Р.Р.Ягера М.: Радио и связь, 1986-406 с.

84. Тараканов К.В., Овчаров J1.A., Тырынкин А.И. Аналоговые методы исследования систем. М.: Сов.радио, 1974. - 240с.

85. Теория электропривода: Учебник для вузов. СПб.: Энергоатомиздат. Санкт-Петербургское отд-ние, 1994. - 496 с. Тихонов В.И., Миронов М.А. Марковские процессы. - М.: Сов.радио, 1977. - 488с., ил.

86. Томович Р., Вукобратович М. Общая теория чувствительности. Пер. с сербск. и англ., под ред. Я.З. Цыпкина, М.:Изд-во "Советское радио", 1972

87. Тягунов О.А., Мосяков Д.Е. Автоматизация вывода уравненийкинематики и динамики манипуляционных роботов. Межвузовскийсборник научных трудов. Управление и моделирование в сложныхтехнических системах. М: МИРЭА, Москва -1995. - с.84 - 87

88. Фрадков А.Л. Адаптивное управление в сложных системах. М,: Наука, 1990. -248 с.

89. Чураков Е.П. Оптимальные и адаптивные системы: Учебное пособие для вузов. М.: Энергоатомиздат, 1987. Ширяев В.И. Синтез управления линейными системами при неполной информации. Изв. РАН Техн. Кибернетика, 1994, №3. -с.229 237

90. Экспертные системы: состояние и перспективы. /Под ред. Поспелова Д.А. М.: Наука. 1989.

91. Юревич Е.И. Основы робототехники. Л.: Машиностроение, 1985.

92. Alexandrov A.G. Frequency adaptiv control. Preprints of the fourth IF AC international symposium on adaptive systems in control and signal processing. France. 1992.

93. Altrock C., Krause В., Zimmermann H. Advanced fyzzy Logic Control Technologies in Automotive Applications, IEEE Conference on Fuzzy Systems, 1992, p.831-845, ISBN 0-7803-0237-0

94. Anderson, J. A. 1972. A simple neural network generating an interactivememory. Mathematical Biosciences, 14:197- 220.

95. Arimoto S. Learning control theory for robotic motion- Int. J. of

96. Adaptive Control and Signal Processing 4,1990, 543-564

97. Associative Neural Memories: Theory and Implementation Mohamad

98. H. Hassoun, Editor Oxford University Press, 1993

99. Astrom K.J., Theory and practice of adaptive control. J.Society of1.strument and Control Engineers in Japan, vol.23, n.5, 1984.

100. Bai E. Adaptiv quantification of model uncertainties by approximation

101. EE Trans. Autom. Control, 1991. Vol. AC-36. N6. P. 441-455.

102. Bien and К. M. Huh Higher-order Iterative Learning Control Algorithm

103. E Proceedings Part D, vol. 136, no. 3, pp. 105-112, May 1989.

104. Bishop, C. (1995). Neural Networks for Pattern Recognition, Oxford

105. University Press, New York.

106. Bridgett N.A., M. Brown, С.J. Harris and D.J. Mills High-dimensional approximation using an associative memory network. . In Control '94, Warwick, UK, 1994.

107. Buckley J. J., Reilly K. D., and Penmetcha К. V. (1996) Backpropagation and genetic algorithms for training fuzzy neural nets. In Herrera F. and Verdegay J. (eds) Genetic Algorithms and Soft Computing, pages 505-532. Physica Verlag.

108. Chou, P. ""The Capacity of the Kanerva Associative Memory," IEEE Transactions on Information Theory, 35(2), 1989, 281-298,

109. Dress W.B. Frequency-Coded Artificial Neural Network: An Approach To Self-Organizing Systems. IEEE, 1987

110. Finding structure in time. Technical Report CRL 8801, University of California, San Diego. 1988.

111. Fine T.L. Theories of Probability: An Examination of Foundations, Academic Press, New York, 1973

112. Fundamental Questions about Associative Memory. Copyright (c) 199596 by The Haley Enterprise, Inc., [phone] USA, 1. (412) 7416420 voice, -6457

113. Grossberg, S. 1987. Competitive learning: From interactive activation to adaptive resonance. Cognitive Science, 11:23- 63. Hopfield, J. J. 1982. Haack S. Do we need "Fuzzy Logic"? Inter. J. Man-Machine Stud. 11, 1979, p.437-445

114. Hanebeck U. and Schmidt G. K. (1996) Genetic optimization of fuzzy networks. Fuzzy Sets and Systems 79: 59—68.

115. Haponetto R., Lavorgna M., and Presti M. L. (June 1995) Genetic algorithm and neuro-fuzzy systems for automatic controller design. In Proc. Fifth International Workshop on Current Issues in Fuzzy Technologies (CIFT'95), pages 38—47. Trento.

116. Hassoun, M. and Watta, P. 'The Hamming Associative Memory and its Relation to the Exponential Capacity DAM," Proceedings of the IEEE International Conference on Neural Networks, ICNN'96, June 36,1996, Washington, D.C., pp. 583-587.

117. Hassoun, M. H. (1995). Fundamentals of Artificial Neural Networks, MIT Press, Cambridge, Mass.

118. Homel M., "A self-organize associative memory system for control applications". Advances in Neural Information Processing Systems 2, D.S. Touretzky Ed. Los Altos, CA; Morgan Kaufmann, 1990, pp.340359.

119. Hopfield, J. J. 1982. Neural networks and physical systems with emergent collective computational abilities. Proceedings of the National Academy of Sciences USA, 79:2554-2558.

120. The Korean Institute of Electrical Engineers, vol. 42, no. 1 0, pp. 112119, Oct. 1993.1.hibuchi H., K. Nozaki, and H. Tanaka. ""Empirical study on learning in fuzzy systems by rice taste analysis," Fuzzy Sets and Systems, 64:129-144, 1994.

121. Jain R. Comments on "Fuzzy set theory versus Bayesian statistics".

122. EE Trans.Sys.Man. Cybernetics, SMC-8(4), 1978, p.332-333

123. John Yen, Reza Langari, Lotfi A. Zadeh (Editor). Industrial Applications of Fuzzy Logic and Intelligent Systems. Paperback: IEEE Pres, 1995, p.356, ISBN 0 - 7803 - 1048 -9

124. Johnson R.W. and Shore J.E. Solving Fuzzy Set Problems Using Probability Theory. Technical Memorandum NRL 7503-211, Naval Research Laboratory, Washington, D.C.,1979

125. Jordan, M. I. 1987Supervised learning and systems with excess degrees of freedom. Technical Report COINS Technical Report 88-27, Massachusetts Institute of Technology, Boston.

126. Kahlert, J.: Programmsystem WinFACT. VDE-Workshop "Regelungstechnische Programmpakete fer IBM PC", Dbsseldorf 1993 Kahlert, J.: WinFACT-Neue regelungstechnische CAE-Tools. GMA-Aussprachetag "Rechnergestbtzter Entwurf von Regelungssystemen", Kassel 1993

127. Kahlert, J.; Frank, H.: Fuzzy-Logik und Fuzzy-Control. Vieweg-Verlag Wiesbaden 1993

128. Kandel A. Replay to Tribas' comments. Proc. IEEE., 67(8), 1979, p. 1168-1169

129. Kanellakopoulos I., Kokotovic P.V., Krstic M. Interlaced controller-observer design for adaptive nonlinear control. American Control Conference, 1992.

130. Kanellakopoulos I., Kokotovic P.V., Morse A.S. Systematic design of358adaptiv controllers for feedback linearizable systems. IEEE Trans. Autom. Control, 1991. Vol. 36. N11. P. 1241-1253.

131. Kim К. C. and Kim J. H. (September 1995) Evolutionary programming based multicriteria fuzzy expert system. In Proc. First Korea-Australia Joint Workshop on Evolutionary Computation, pages 58—76. Taejony.

132. Klement E.P. Characterizations of finite fuzzy measures using Markoff-kernels. Journal Math. Anal. Applic. 75(2),1980, p.330-339

133. Kohonen, T. 1972Correlation matrix memories. IEEE Transactions on Computers, C-21:353-359.

134. Kohonen, T. Self-Organization and Associative Memory. Springer-Verlag. 1984

135. Kolen J. F. And J. В Pollack (1991). Multi-Associative Memory. 13th Annual Cognitive Science Conference, 785-789.

136. Kolen, J. And Pollack, J. 1990 Back-Propagation is sensitive to Initial Conditions. Complex Systems 4, 269-280.

137. Lee Hak-Sung and Zeungnam Bien A Note on Convergence Property of Iterative Learning Controller with Respect to Sup Norm Automatica, vol. 33, no. 8, pp. 1591-1593, 1997.

138. Lee Jong-Woon, Hak-Sung Lee and Zeungnam Bien Iterative Learning Control with Feedback Using Fourier Series with Applications to Robot Trajectory Tracking Robotica, vol. 11, pp. 291-298, 1993.

139. McClelland J., & Rumelhart, D. 1986 Parallel Distributed Processing:

140. Explorations in the Microstructure of Cognition. Cambridge, MIT Press, II, 48-53.

141. Nguyen H.T. On random sets and belief functions. J. Math, Anal. & Applic 65, 1978, p. 531-542.

142. Pollack, J. B. 1990. Recursive autoassociative memories. Artificial1.telligence, 46, 1, 77-105. Pollack, J. B. In press The acquisition of dynamical recognizers Machine Learning, 1991.

143. Pulkki, V. and Taneli, H. (1996). "An Implementation fo the Self-Organizing Map on the CNAPS Neurocomputer," Proceedings of the IEEE International Conference on Neural Networks, ICNN'96, June 3-6, Washington, D.C., pp. 1345-1349.

144. Rumelhart D. Hinton, G., and Williams R. 1985. Learning representations by back-propagating errors. Nature, 323, 533-536. Williams, R. 1986

145. Shafer G. Mathematical Theory of Evidence. Princeton Univ. Press,Princeton, N.J., 1976

146. Stallings W. Fuzzy set theory versus Bayesian statistics. IEEE Trans.Sys.Man. Cybernetics, SMC-7, 1977, p.216-219 Stallings W. Replay to Jain's comments. IEEE Trans.Sys.Man. Cybernetics, SMC-8(4), 1978, p.333

147. Watta, P. B. and Hassoun, M. H. "Efficient Realization of the361

148. Grounded Hamming Associative Memory," Proceedings of the World Congress on Neural Networks, WCNN'96, Sept. 15-20, San Diego, CA,1996, pp. 763-767.

149. Watta, P. B. and Hassoun, M. H. (1996). "Efficient Realization of the Grounded Hamming Associative Memory," Proceedings of the World Congress on Neural Networks, WCNN'96, Sept. 15-20, San Diego, CA, pp. 763-767.

150. Watta, P. В., Akkal, M., and Hassoun, M. H. "Decoupled Voting Hamming Associative Memory Networks" Proceedings of the IEEE International Conference on Neural Networks, ICNN'97, June 9-12,1997, Houston, Texas, pp. 1188-1193.

151. Watta, P., Wang, and Hassoun, M. "Recurrent Neural Nets as Dynamical Boolean Systems with Application to Associative Memory," IEEE Transactions on Neural Networks, 8(6), 1997.

152. Williams, R. 1986 Inverting a connectionist network mapping by back-propagation. Proc. Eight Annual Conf. of the Cognitive Science Society, Amherst. 859-865.

153. Xue H. Applications of Genetic Algorithms in Optimization of Fuzzy-Associative Memory Based Controllers. PhD thesis, University of New Mexico, CAD Laboratory for Intelligent and Robotic Systems. Department of EECEy. 1994

154. Xue H., Chong N. Т., and Jmashidi M. (June 1994) Fuzzy associative memory optimization using genetic algorithms. In Proc. Third IEEE International Conference on Fuzzy Systems (FUZZ-IEEE'94), pages 509-513. Orlando.

155. Xue S. H. and Jamshidi M. (July 1995) Fuzzy associated memory optimization using genetic algorithms. In Proc. Sixth International Fuzzy Systems Association World Congress (IFSA'95), volume 1, pages363