Исследование эффективности интеллектуального управления в металлургии тема диссертации и автореферата по ВАК РФ 05.13.06, доктор технических наук Еременко, Юрий Иванович

• Еременко, Юрий Иванович
• доктор технических наук
• 2005

Оглавление диссертации доктор технических наук Еременко, Юрий Иванович

Перечень использованных сокращений.

Введение.

1 Анализ состояния инновационной деятельности и эффективности управления в металлургии.

1.1 Становление АСУ в металлургии.

1.2 Эволюция технических средств и сферы действия АСУ.

1.3 Качество АСУ и методы его оценки.

1.4 Использование прогноза при управлении инновационными процессами в АСУ.

1.5 Принятие решений по выбору инновационного проекта АСУ.

1.5.1 Принятие решений в условиях многокритериальности.

1.5.2 Выбор на основе методов теории нечетких множеств.

1.5.3 Выбор на основе метода анализа иерархий.

1.6 Проблемы управления технологическими агрегатами и пути их преодоления.

1.7 Развитие математического аппарата и идеологии АСУ.

1.8 Использование методов искусственного интеллекта в решении задач управления.

1.8.1 Общая характеристика методов искусственного интеллекта

1.8.2 Использование аппарата нечеткой логики.

1.8.3 Применение нейронных сетей для качественного совершенствования управления.

1.8.4 Использование генетических алгоритмов для решения задач оптимизации.

1.8.5 Сохранение уникального опыта профессионалов в экспертных системах.

1.9 Перспективы интеллектуализации управления организационными системами.

1.10 Основные направления и задачи исследований.

2 Разработка теоретических основ оценки прогностических характеристик развития АСУ и обобщенной модели интеллектуального управления.

2.1 Определение научно-технического уровня АСУ.

2.2 Выбор вида и параметров прогностической функции динамики развития АСУ.

2.3 Выбор инновационного проекта АСУ.

2.3.1 Разработка алгоритма выбора на основе аппарата нечетких множеств.

2.3.2 Выбор варианта модернизации АСУ на основе метода анализа иерархий .:.

2.4 Анализ эффективности предложенных методов прогнозирования развития АСУ и обоснования инновационных мероприятий по их модернизации.

2.5 Разработка обобщенной модели интеллектуального управления на основе теории информации.

2.6 Организация решения инженерной задачи интеллектуального управления.

2.7 Разработка интегрированной информационной системы принятия инновационных решений в условиях интеллектуализации управления.

2.8 Выводы.

3 Исследования методов и разработка систем управления на основе * нечеткой логики.

3.1 Нечеткое управление уровнем металла в кристаллизаторе МНЛЗ

3.1.1 Характеристика объекта управления.

3.1.2 Детерминированная составляющая системы управления.

3.1.3 Нечеткое регулирование процесса кристаллизации.

3.2 Нечеткая система управления процессом обжига сырых окатышей.

3.2.1 Краткая технологическая характеристика объекта.

3.2.2 Детерминированная составляющая.

3.2.3 Нечеткая составляющая.

9 3.2.4 Результаты сравнения.

3.3 Управление на основе нечеткой логики процессом мокрого помола руды.

3.3.1 Описание объекта автоматизации.

3.3.2 Математическая модель.

3.3.3 Построение нечеткой системы.

3.4 Интеллектуализация управления процессом окомкования.

3.4.1 Особенности технологического процесса.

3.4.2 Построение СУ на базе нечеткой логики.

3.5 Выводы.

4 Разработка технологии и практическая реализация нейросетевого управления металлургическими объектами.

4.1 Формирование составляющих технологии нейросетевого управления.

4.1.1 Выбор архитектуры системы и параметров сети.

4.1.2 Определение функций активации, множеств входов и выходов сети.

4.1.3 Выбор количества слоев и нейронов.

4.1.4 Определение метода обучения, обучающего и экзаменующего множеств.

4.1.5 Построение и подключение нейроэмуляторов.

4.1.6 Выбор алгоритма обучения.

4.2 Временное уплотнение обучения нейронных сетей.

4.2.1 Задача исследования.

4.2.2 Характеристика исследований и оценка результатов.

4.3 Разработка нейросетевых систем управления термическими процессами.

4.3.1 Управление температурным режимом получения металлизованных окатышей.

4.3.2 Нейросетевое формирование уставок для регуляторов АСУ

ТП обжиговой печью.

4.3.3 Управление печью нагрева с обучением по эталонной модели.

4.3.4 Адаптивное управление шахтной печью.

4.4 Управление механическими агрегатами.

4.4.1 Управление с самонастройкой обжимной клетью сортопрокатного стана.

4.4.2 Автоматизация гидроциклона с использованием рекурентной сети.

4.4.3 Управление работой штабелера на основе параллельного нейроуправления.

4.4 Выводы.

5 Интеллектуализация организационных задач на основе экспертного анализа.

5.1 Экспертная система технического обслуживания и ремонтов оборудования на металлургических заводах.

5.1.1 Обоснование возможности и необходимости построения экспертной системы ТО и Р металлургического оборудования.

5.1.2 Построение базы знаний.

5.1.3 Модель для формализации процесса поиска решений.

5.1.4 Разработка критериев принятия решений.

5.1.5 Автоматизация процедуры принятия решений в экспертной системе.

5.2 Экспертная система шахтной печи.

5.2.1 Обобщенная задача управления.

5.2.2 Разработка нечеткой экспертной системы.

5.2.3 Описание функционирования системы.

5.2.4 Просмотр вариантов целевой функции.

5.2.5 База правил системы поддержки принятия решений и вывод решения.

5.3 Интеллектуализация задачи оперативного планирования процесса выплавки стали в дуговых сталеплавильных печах.

5.3.1 Анализ предметной области в условиях детерминированного решения.

5.3.2 Анализ проблем живучести контактного графика.

5.3.3 Разработка ситуационного управления.

5.4 Выводы.

Введение диссертации (часть автореферата) на тему «Исследование эффективности интеллектуального управления в металлургии»

Актуальность. Особенностью современной металлургии является её интеграция с горно-обогатительными производствами, приводящая к образованию единых горно-металлургических технологических территориально-промышленных комплексов. В условиях такой интеграции важной составляющей организации комплексного производства является создание эффективных интегрированных информационных и автоматизированных систем управления.

Решение этих задач в условиях рыночной экономики требует создания новых и совершенствования действующих промышленных АСУ по всем характеристикам технического, программно-информационного и организационного обеспечения с целью согласования структуры, функций и показателей систем управления (СУ) с современными требованиями и условиями функционирования.

Затраты на проведение инновационных мероприятий в АСУ составляют значительную часть общих расходов на техническое перевооружение металлургических предприятий в целом. Стратегические решения по модернизации систем приходится принимать в условиях высокой нечеткости и неопределенности (энтропии) исходной информации.

Сложность задачи управления инновационными процессами в промышленных АСУ определяется трудностью оценивания их научно-технического уровня (НТУ), который характеризуется множеством качественных и количественных показателей. Необходимо учитывать комплексный характер и разнообразие конфигураций АСУ, составов технических средств, программного и информационного обеспечения, спектр решаемых задач. На данный момент отсутствует единая концепция построения обобщенного показателя качества АСУ и методика формирования его составляющих. В результате, на целом ряде металлургических предприятий наблюдается неадекватно низкая экономическая отдача от значительных затрат на внедрение новых систем управления.

Для изменения ситуации представляется актуальным:

- разработать научно-обоснованную методологию анализа и оценки качества сложных АСУ на разных стадиях эксплуатации, определения общих тенденции динамики АСУ, прогнозирования эволюции их качества, установления факта морального старения и выявления экономически перспективных научно-технических решений; на основе методологии синтезировать принципы планирования мероприятий по совершенствованию систем управления с применением современных методов принятия решений;

- осуществить демонстрацию эффективности разработанных методик проведением в соответствии с ним мониторинга и анализа тенденций развития систем управления на предприятиях горно-металлургического комплекса и выяснить причины насыщения кривых роста технико-экономических показателей при внедрении новых аппаратно-программных средств АСУ;

- разработать методологию повышения эффективности систем управления за счет систематического применения интеллектуальных процедур принятия решений и снижения информационной энтропии о закономерностях технологических процессов на основе последних достижений теории управления, использующих современные возможности обработки информации, включая методы искусственного интеллекта.

Исследования по совершенствованию систем автоматического управления на базе использования различных методов искусственного интеллекта активно ведутся в нашей стране и за рубежом. Так, результаты исследований отечественных школ Галушкина А.И., Круглова В.В., Терехова В.А., Кузнецова JI.A. и др. в области искусственных нейронных сетей; Салихова З.Г., Ротача В.Я., Кудинова Ю.И. и др. в области нечетких алгоритмов; Попова Э.В., Ларичева О.И., Поспелова Д.А. и др. в области динамических экспертных систем создали объективные предпосылки для решения актуальной задачи разработки единой методологии интеллектуального управления, обеспечивающего повышение эффективности АСУ.

Работа выполнена в соответствии с научными направлениями Научного центра нейрокомпьютеров РАН «Нейроуправление горно-металлургическими технологическими процессами» и «Современные сложные системы управления» Старооскольского технологического института (филиала) МИСиС в докторантуре Липецкого государственного технического университета.

Основной целью диссертационного исследования является разработка научно-обоснованной методологии анализа и повышения эффективности АСУ на основе использования современных интеллектуальных методов управления и демонстрация её эффективности на примерах горно-металлургических предприятий региона Курской магнитной аномалии (КМА).

Для достижения этой цели в диссертации решены следующие основные задачи:

1. На основе использования современных достижений теории принятия решений и системного анализа создана методология управления инновационными процессами в АСУ предприятий горно-металлургического комплекса, для чего: разработан математический аппарат для определения НТУ АСУ разных типов и уровней автоматизации, опирающийся на концепцию принципа максимума неопределенности;

- разработана прогностическая модель, позволяющая строить логистическую кривую, траектория которой позволяет судить об имеющихся резервах повышения НТУ систем путем модернизаций и планировать направления их реализации; разработана методика, позволяющая принимать решения по выбору наиболее эффективных инновационных проектов АСУ в условиях многокритериальное™ и неопределенности с привлечением аппарата нечетких множеств и метода анализа иерархий;

2. На основе мониторинга развития систем управления на горнометаллургических предприятиях региона Курской магнитной аномалии получено практическое подтверждение эффективности разработанной методологии прогнозирования их развития. Проведенные исследования прогностических моделей развития систем управления на основных видах металлургических производств, показали возможность выявления причин низкой экономической отдачи от внедрения новых средств АСУ. В частности, на предприятиях КМА -они могут быть преодолимы применением достаточно простых и дешевых адаптивных функций, способных существенно повлиять на качество и эффективность управления.

3. На основе всестороннего анализа мирового и отечественного опыта по применению методов искусственного интеллекта в решении задач автоматизации с использованием последних достижений в области теории принятия решений разработана методология интеллектуализации алгоритмов и систем управления с учетом особенностей металлургических технологий, включающая: разработку обобщенной модели интеллектуального контроллера, в виде обратного отображения информационного портрета объекта управления, полученного в условиях производственной вариабельности его входных и выходных переменных;

- разработку метода определения интеллектуальной основы контроллера из числа возможных вариантов интеллектуализации с применением теории поиска решений в пространстве состояний и целей;

- разработку интегрированной информационной системы поддержки процедур подготовки альтернативных вариантов, выбора рациональных проектов АСУ и принятия инновационных решений в условиях интеллектуализации управления.

4. Исследованы возможности практической реализации предлагаемой методологии интеллектуализации управления и показана её эффективность на конкретных производствах и технологиях предприятий горнометаллургического производства региона, включая:

- реализацию интеллектуальных контроллеров на основе алгоритмов нечеткой логики в качестве альтернативы существующим системам детерминированного управления, а также в виде интеллектуальной надстройки, обеспечивающей адаптивную подстройку ПИД-регуляторов; демонстрацию эффективности интеллектуализации управления на основе искусственных нейронных сетей (ИНС) в различных вариантах использования последовательного, параллельного и нейроуправления с самонастройкой.

5. Предложена концепция адаптивного управления организационно-техническими системами путем применения интеллектуальных интерфейсов на основе использования экспертных и экспертно-нечетких систем и показана их эффективность на примере решения организационно-технических и планово-диспетчерских задач.

Обоснованность и достоверность. Обоснованность разработанной методологии управления инновационными процессами определяется тем, что она опирается на всесторонний анализ существующих методов комплексной оценки качества сложных систем, учитывающих особенности и уровень развития функциональной и обеспечивающей частей АСУ, её экономические и надежностные характеристики. Представляемая методика базируется на результатах, полученных видными учеными в области прогнозирования развития сложных систем.

Обоснованность методов интеллектуализации управления горнометаллургическими процессами основывается на последних научных достижениях в области нейронных сетей, экспертных систем и нечетких алгоритмов.

Достоверность подтверждается результатами опытно-промышленной апробации на предприятиях, моделированием объектов и систем управления, вычислительными экспериментами и положительными результатами сравнительного анализа моделирования с реальными производственными данными, экспертными оценками специалистов, а также использованием разработанных информационного, математического и программного обеспечения в научных исследованиях и учебном процессе.

Методологической основой работы являются системный подход к исследованию процесса развития АСУ и теория информационно-статистического анализа. В работе использованы: математический аппарат теории вероятности и математической статистики; методы комбинаторно-морфологического анализа систем, исследования операций, экспертных оценок; теории нечетких множеств, теории нейронных сетей, теории принятия решений; функционального анализа и математического моделирования с использованием современных средств алгоритмического и программного обеспечения.

Научная новизна. Разработана методология комплексной оценки качества АСУ позволяющая прогнозировать и планировать развитие систем, обеспечивать повышение их эффективности за счет систематического использования методов искусственного интеллекта. Методология включает:

1. Методику, определения НТУ АСУ и построения логистической кривой их развития, траектория которой позволяет оценить имеющиеся резервы модернизации и определить наиболее перспективные направления её реализации.

2. Методику определения обоснованных решений по выбору наиболее эффективных инновационных проектов АСУ, опирающуюся на аппарат нечетких множеств и метод анализа иерархий.

3. Применение разработанной методологии для мониторинга развития сложных систем управления на предприятиях горно-металлургического комплекса, позволило выявить закономерности, выражающиеся в стремлении логистической кривой развития СУ к насыщению в рамках существующей организации структурного и алгоритмического обеспечения, базирующихся на классической теории управления.

4. Методологию построения адаптивных систем, обеспечивающих принципиальное повышение качества управления за счет использования методов искусственного интеллекта и обобщенной модели интеллектуального контроллера, реализующего идею инверсно-прямого управления.

5. С привлечением теории поиска решений в пространстве состояний и целей разработан метод выбора варианта интеллектуального содержания контроллера из числа рассмотренных способов представления знаний.

6. Концептуальную базу реализации интеллектуального контроллера на нечетких алгоритмах, нейронных сетях, генетических алгоритмах и динамических экспертных системах, в реализации последовательного, параллельного и управления с самонастройкой в виде интеллектуальной надстройки, которая содержит: способы практической реализации управления рядом технологических агрегатов на базе нечетких алгоритмов в условиях недостаточной формализации, как эффективная альтернатива существующим системам детерминированного управления; способы реализации интеллектуального нейроуправления основными горно-металлургическими процессами и оптимизации структуры нейросетей и их сходимости при автономном и оперативном обучении; концепцию повышения адаптивности и гибкости корпоративных ERP-систем, с использованием интеллектуальных модулей для решения труд-ноформализуемых организационных задач на примерах управления ремонтно-востановительной и планово-диспетчерской работой предприятия.

Практическая значимость и реализация результатов работы.

Применение разработанной методологии позволяет найти пути и способы решения проблемы повышения эффективности существующих АСУ и разработать новые системы, обладающие адаптивными свойствами и обеспечивающие существенное улучшение качества управления. Так:

1. Методология рационального планирования инновационных мероприятий в действующих АСУ горно-металлургических предприятий, с применением разработанного алгоритмического и программного обеспечения, позволяет определять наиболее перспективные направления модернизации систем управления. В частности, она использована при планировании модернизаций систем управления цехового уровня на ОЭМК, ЛГОК и СГОК, включая разработку систем управления первой обогатительной фабрики ЛГОК и модернизацию интегрированной системы управления в цехе окомкования и металлизации ОЭМК, где обеспечила сокращение сроков модернизаций более чем на 20-25%.

2. На основе разработанной методологии интеллектуализации управления созданы алгоритмы и пакеты прикладных программ, позволяющие строить системы управления на базе нечетких функций, искусственных нейронных сетей, экспертных систем для решения задач адаптивного управления технологическими процессами. Эффективность предложенных способов интеллектуального управления иллюстрируется результатами их применения для управления мельницей мокрого помола, классификатором, окомкователем, обжиговой машиной, вращающейся печью обжига клинкера, шахтной печью, установкой металлизации, кристаллизатором MHJI3, нагревательной методической печью, прокатной клетью и другими технологическими объектами, где экономический эффект достигается за счет увеличения производительности агрегатов, снижения энерго- и сырьевых затрат и составляет 6-10%, о чем имеются соответствующие справки и заключения.

Разработанная методология совершенствования управления носит обобщающий характер и может быть рекомендована к применению на предприятиях всего горно-металлургического комплекса и других отраслей.

Апробация результатов исследования. Результаты исследований докладывались и обсуждались на международных и российских конференциях: Седьмой Всесоюзной научно-технической конференции «Проблемы, задачи и опыт применения технологической разработки и внедрения средств АСУТП», (Киев, 1992г.); Международной научно-практической конференции, посвященной 20-летию Старооскольского филиала МИСиС «Вопросы проектирования, эксплуатации технических систем в металлургии, машиностроении и строительстве» (Старый Оскол, 1999г.); Международной научно-практической конференции «Качество, безопасность, энерго-ресурсосбережение в промышленности на пороге XXI века» (Белгород, 2000г.); Третьей международной научно-технической конференции «Высокие технологии в экологии» (Воронеж, 2000г.); Международной научно-технической конференции «Современные системы управления предприятием CSBC'2002» (Липецк, 2001); Sixteenth International Conference on Systems Engineering (ICSE-2003) Coventry University (Великобритания, Ковентри, 2003); Международной научно-практической конференции «Теория активных систем» (Москва, 2003г.); Международной конференции «Современные сложные системы управления» (Воронеж, 2003); VI Всероссийской научно-практической конференции «Системы автоматизации в образовании, науке и производстве» (Новокузнецк, 2003); XXIII Российской школе по проблемам науки и технологий (Екатеринбург, 2003); Международной конференции «Информационные технологии в XXI веке» (Днепропетровск 2004); Ряде международных, российских и отраслевых научных конференциях, проводимых в Старом Осколе по проблемам горно-металлургических предприятий региона Курской магнитной аномалии (Старый Оскол, 1999, 2002, 2003, 2004, 2005); Proceedings of the 2005 International Conference on Scientific Computing (CSS'05), Las Vegas, Nevada, USA (США, Jlac-Berac, 2005); Седьмой международной научной конференции, посвященной 75летию ВГАСУ «Современные сложные системы управления» (Воронеж, 2005); Proceedings of the 2005 International Conference on Machine Learning, Models, Technologies and Applications (MLMTA'05) Las Vegas, Nevada, USA (США, Лас-Вегас, 2005).

Диссертационное исследование поддержано грантом Министерством образования РФ -№012.0010881.

Публикации. По теме диссертационного исследования опубликовано более 100 работ в отечественных и зарубежных изданиях. Из них в списке литературы приведены 3 монографии [91, 155, 161], 2 учебных пособия [112, 157], 27 статей из перечня периодических журналов, рекомендованных ВАК для публикации основных результатов диссертации на соискание ученой степени доктора наук [85, 89, 98, 100, 102, 103, 104, 106, 107, 111, 114, 117, 120, 121, 122, 124, 128, 131, 133, 134, 136, 140, 141, 147, 148, 149, 150]. Разработаны и читаются курсы лекций «Системы интеллектуального управления» и «Нейроуправление на предприятиях горно-металлургического комплекса».

Вклад автора диссертации в работы, выполненные в соавторстве и отраженные в результатах, состоит в постановке задач, разработке теоретических положений, а также в непосредственном участии во всех этапах исследований.

Структура и объем диссертации. Диссертация состоит из введения, пяти глав, заключения, списка литературы из 420 наименований и 8 приложений. Основная часть работы изложена на 305 страницах машинописного текста, содержит 107 рисунков и 28 таблиц.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Еременко, Юрий Иванович

5.4 Выводы

1. Исследования и анализ, проведенные на ряде металлургических предприятий по внедрению корпоративных систем управления показали, что существенно повысить эффективность и выживаемость существующих на рынке ERP- систем может только повышение их адаптируемости за счет создания модулей, обеспечивающих гибкую настройку на изменяющиеся условия функционирования и основанных на методах исскуственного интеллекта.

2. Разработанная 'экспертная система принятия решений по техническому обслуживанию и ремонту различных видов металлургического оборудования охватывает следующие практические задачи ТОиР: :

- оценку показателей оборудования обжимных цехов;

- планирование графиков ремонтных работ;

- расчет количества запасных частей;

- планирование графиков ремонтных работ;

- планирование трудовых ресурсов ремонтных работ;

- планирование и организацию диагностических работ.

3. Разработанная нечеткая экспертная система шахтной печи металлизации позволяет существенно облегчить работу оператора-газовщика по оптимизации управляющих воздействий с целью достижения максимальной производительности печи при удержании степени металлизации окатышей и содержании углерода в заданных пределах.

4. Задача «живучести» контактных графиков в сталеплавильном производстве в условиях стохастических помех наилучшим образом может быть решена с помощью предложенного метода ситуационного управления, основанного на знаниях экспертов.

ЗАКЛЮЧЕНИЕ

1. Анализ существующих технологий управления инновационной деятельностью и результаты исследований прогностической модели развития современных АСУ предприятий горно-металлургического комплекса показали необходимость разработки и внедрения новых алгоритмов управления с привлечением возможностей искусственного интеллекта.

2. Разработана научно-обоснованная методология рационального планирования инновационных мероприятий в действующих АСУ металлургических предприятий. Показано, что эффективным инструментом оценки и принятия решений на его основе является интегральный показатель НТУ АСУ, получаемый в условиях многокритериальности и неполной исходной информации на основе информационно-статического подхода. Он должен учитывать динамику эволюции АСУ данного типа, выявленную в результате анализа систем-аналогов, имеющего достаточную глубину ретроспекции.

Перспективные направления совершенствования АСУ формализуются в виде кортежа предпочтительности частных и обобщенных показателей качест ва, с помощью которого методами принятия решений на основе теории нечет-, ких множеств и анализа иерархий может быть осуществлен выбор рациональных инновационных проектов АСУ.

3. Анализ состояния и тенденций развития управления в металлургии показал, что дальнейшее совершенствование СУ на основе классического подхода требует повышения адекватности математической модели процесса, что наталкивается на трудности, следующие из ограниченной возможности познания физико-математических процессов и множества случайных факторов, влияющих на их развитие. Исследования, проведенные на целом ряде технологических агрегатов и процессов, позволили установить эффективность использования интеллектуальных систем в качестве альтернативы существующим детерминированным ПИД-регуляторам и в виде интеллектуальных надстроек, оптимизирующих работу существующих систем. Методы искусственного интел лекта позволяют решить широкий класс задач управления неформализуемыми и трудноформализуемыми объектами и процессами металлургического производства. Достаточно эффективным оказывается рациональное сочетание различных методов искусственного интеллекта.

4. Показано, что все разнообразие методов и схем интеллектуального управления может быть сведено к понятию интеллектуального контроллера,' для описания которого предложена обобщенная информационно;; статистическая модель, позволяющая оценивать и прогнозировать эффективность управления объектом путем сравнения информационных портретов управляющих воздействий контроллера и выходной реакции объекта. Выбор интеллектуальной основы для контроллера предлагается вести на базе разработанного алгоритма поиска и принятия решений в пространстве состояний, целей и мнений экспертов.

5. В результате исследований, выполненных на реальных объектах и моделях горно-металлургического производства, установлена возможность и эффективность применения нечеткого управления, обеспечивающего дальнейшее повышение производительности агрегатов и качества продукции. Применительно к горно-металлургическим процессам и агрегатам разработана методика построения нечетких систем управления, результативность которой подтверждена конкретными оценками. В частности показано, что:

5.1 Система регулирования уровня металла в кристаллизаторе MHJI3, разработанная на основе нечеткой логики, позволяет повысить точность регулирования уровня металла до 5-ьбмм по сравнению с 10-И 1мм при классическом детерминированном регулировании.

5.2 Детерминированно-нечеткое управление процессом обжига сырых., окатышей, построенное на базе теории нечетких множеств, позволило на 40-. 50% снизить дисперсию процесса по сравнению с существующей технологией детерминированного управления. За счет этого достигается повышение качества продукции и уменьшение расхода энергоносителей. Кроме того, сужение колебаний величин позволяет сдвигать их средние значения в нужном направлении без опасности выхода за допустимые ограничения.

5.3 Применение нечеткой экспертной системы в качестве интеллектуальной надстройки над системой локального управления процессом мокрого самоизмельчения руды позволяет существенно оптимизировать управление за счет использования лингвистических переменных, определяющих измельчаемость, крупность руды и плотность пульпы, по сравнению с существующей системой экстремального регулирования, что позволит повысить производительность мельницы на 5*7% при одновременном сокращении удельного расхода электроэнергии на 4% на тонну и повышением извлечения полезного продукта из исходного сырья на 3*5%.

5.4 Нечеткое управление позволяет эффективно решить задачу управления чашевыми окомкователями заданием угла наклона чаши и скорости ее вращения, обеспечивающих увеличение выхода кондиционных окатышей не менее, чем на 8%. Поиски решений этой задачи традиционными методами не давали удовлетворительных результатов.

6. Исследование методологии и результатов мировой практики при> менения нейронных сетей для адаптивного управления динамическими объектами позволило установить отсутствие представления об абстрактном промышленном контроллере и единой методике его синтеза. Определено, что результативная методика разработки промышленных нейроконтроллеров должна состоять из последовательности процедур:

- выбор схемы нейроуправления и структуры нейросети, соответствующих задаче;

- выбор функций активации в скрытых и выходном слоях;

- определение количества входов и выходов сети и оптимального количе- -ства слоев и нейронов в слоях;

- выбор метода обучения сети и определение целевой функции обучения;

- формирование объема и структуры обучающей и тестовой выборок;

-определение эффективности оперативного обучения по величине динамической ошибки, оценке скорости обучения и ошибке сходимости сети;

7. Исследование динамических характеристик и технологических особенностей автоматизации предприятий горно-металлургического комплекса позволили разработать ряд процедур, обеспечивающих достаточно простое инженерное решение по созданию нейроконтролера.

8. В результате исследования различных вариантов нейросетевого управления в сочетании со степенью адекватности модели объекта, полнотой и временным регламентом измерения технологических величин и требованиями точности выявлены условия предпочтительности применения последовательного или параллельного с существующими ПИД-регуляторами управления нейро-контроллеров с самонастройкой, инверсно-динамических или рекуррентных сетей. В существующих системах нейроконтроллеры целесообразно применять для адаптивного формирования уставок локальных регуляторов. При практической реализации нейроконтроллеров получены результаты:

8.1 Инверсно-динамическое нейроуправление температурой восстановительного газа шахтной печи металлизации позволило более, чем в два раза повысить стабильность течения процесса при 10%-процентном возмущении по производительности, что по оценкам специалистов позволит обеспечить увеличение выходного продукта не менее, чем на 6-8%.

8.2 Нейроуправление с самонастройкой скоростью вращения валков обжимной клети позволило более, чем на порядок снизить величину ошибки регулирования по скорости по сравнению с существующей схемой ПИД-регулирования.

8.3 Применение рекуррентной нейронной сети для управления гидроциклоном позволило улучшить сепарационную характеристику и повысить производительность гидроциклона по классу годного продукта не менее, чем на 10%.

8.4 Показано, что для управления работой привода штабелера сортового проката наиболее эффективной является схема параллельного нейроуправления с применением имитационной ветви управления.

8.5 Интеллектуализация задачи формирования уставок в АСУ ТП обжиговой печью на основе нейросети позволила создать верхний уровень автоматического управления, обеспечивающий качество управления на уровне работы v опытного оператора.

8.6 Нейроуправление процессом нагрева заготовок в многозонной проходной печи по эталонной обобщенной (неточной) матмодели позволило значительно уменьшить разброс температуры заготовок на выходе и уменьшить расход газа на 4%.

8.7 Для условий металлургического производства, в котором превалируют процессы с большими постоянными времени, показана возможность увеличения быстродействия сети за счет уплотнения графика обучения и определены наиболее эффективные алгоритмы обучения.

9. В результате анализа проблем, связанных с решением задач в сфере принятия решений в организационных структурах металлургического производства, предложены решения плохсУформализуемых задач методами искусственного интеллекта.

9.1 Показано, что повышение выживаемости и обучаемости существующих ERP-систем может быть достигнуто только внедрением в них модулей искусственного интеллекта, обеспечивающих гибкую настройку на изменяющиеся условия функционирования.

9.2 Разработана экспертная система принятия решений по техническому обслуживанию и ремонту различных видов металлургического оборудования, которая охватывает следующие практические задачи ТОиР:

- оценку показателей оборудования обжимных цехов;

- планирование графиков ремонтных работ;

-расчет количества запасных частей;

- планирование графиков ремонтных работ;

- планирование трудовых ресурсов ремонтных работ;

- планирование и организации диагностических работ.

9.3 В результате исследований технологических процессов прямого восстановления железа разработана нечеткая экспертная система, организующая работу технолога поста управления по оптимизации управляющих воздействий, с целью достижения максимальной производительности печи при удержании степени металлизации окатышей и содержания в них углерода в заданных пределах. 1

9.4 Исследования, проведенные в сталеплавильном производстве, показали, что актуальная задача «живучести» контактных графиков плавок в условиях стохастических помех наилучшим образом может быть решена с помощью предложенного метода ситуационного управления, основанного на знаниях экспертов.

Список литературы диссертационного исследования доктор технических наук Еременко, Юрий Иванович, 2005 год

1. Автоматизация поискового конструирования (искусственный интеллект в машинном проектировании)/ Под ред. А.И. Половинкина. М.: Радио и связь, 1981.-344 с.

2. Айвазян С. Г. Прикладная статистика и основы эконометрики / Айвазян С. Г., Мхиратян В. С. — М.: ЮНИТИ, 1998.-1022 с.

3. Аналитические самонастраивающиеся системы автоматического управления//Сб. науч. статей / Под ред. В. В. Солодовникова. М.: Машиностроение, 1965.-356 с.

4. Андрейчиков А.В. Компьютерная поддержка изобретательства: методы, системы, примеры применения / Андрейчиков А.В., Андрейчикова О.Н.-М. Машиностроение, 1998.-476 с.

5. Андрейчиков А.В. Принятие стратегических управленческих решений: компьютерные методы и примеры применения: Учеб. пособие/Андрейчиков А.В., Андрейчикова О.Н. ВолгГТУ, Волгоград, 1998.-141 с.

6. Анохин П.К. Принципиальные вопросы общей теории функциональных систем // Принципы системной организации функций.- М.: Наука, 1973.- С.6-10

7. Анфилов B.C. Системный анализ в управлении/ Анфилов B.C., Емельянов А.А., Кукушкин А.А. -М.:Финансы и статистика, 2002.-367с.

8. Асан К. Прикладные нечеткие системы / Асан К., Ватада Д., Иван С. и др. Пер. с японс. М., 1993.- 386 с.

9. Байбурин В.Б. Модели и методы научно-технического прогнозирования: Уч. пособие/ Байбурин В.Б>, Терентьев А.А. -Саратов: Саратовский гос. техн. университет, 1999.-114 с.

10. Байхельт Ф. Надежность и техническое обслуживание. Математический подход / Байхельт Ф., Франкен П. Пер. с нем. М.: Радио и связь, 1988. - 392 с.

11. Балашов Е.П. Эволюционный синтез систем,- М.: Радио и связь, 1985.-328с.

12. Барвинок В.А. Прогнозирование качества сложных изделий в процессе производства / Барвинок В.А., Чекмарев А.Н., Рыжков А.И. // Проблемы машиностроения и автоматизации.- 1998. №4.-С.5-12

13. Бедкин А.Р. Принятие решений: комбинаторные модели аппроксимации информации/ Бедкин А.Р., Левин M.LLL- М.: Наука, 1990.- 167 с.

14. Берзин Е.А. Оптимальное распределение ресурсов и элементы синтеза систем.- М.: Сов. Радио, 1974.- 314 с.

15. Бир Ст. Кибернетика и управление производством.- М.:Наука, 1965,388 с.

16. Блохин В. Г. Современный эксперимент: подготовка, проведение, анализ результатов / Блохин В. Г., Глудкин О. П., Гуров А. И. — М.: Радио и связь, 1997.-230 с.

17. Боева Л.М. Моделирование и выбор рациональных направлений модернизации АСУ металлургического производства на основе разработки информационной системы принятия решений: Диссертация на соискание ученой степени к.т.н. М.: МИСиС, 2002 - 129 с.

18. Боковикова А.Х. Комплексный расчет тепломассообменных процессов при окислительном обжиге окатышей на конвейерной машине / Боковикова А.Х., Малкин В.М., Меламуд С.Г. // Сталь. -1995.- №4.- С.8-10.

19. Бокс Дж. Анализ рременных рядов. Прогноз и управление / Бокс Дж., Джекинс Г. Вып.1-2.- М.: Мир, 1974.- 67с.

20. Болотов М.Ю. Экспертные методы прогнозирования: Тексты лекций / Болотов М.Ю., Гуров А.Г. Корунов С.С., Кукушкин С.Н.; Под ред. Саркисяна С.А. -М.: Наука, 1985.-60 с.

21. Большая советская энциклопедия (в 30 томах). Т. 1 / Гл. редактор A.M. Прохоров,- 3-е изд.-.М.: Советская энциклопедия, 1969.- С. 6566

22. Борисов А.Н. Обработка нечеткой информации в системах принятия решений / Борисов А.Н., Алексеев А.В., Меркурьева Г.В. и др.-М.: Радио и связь, 1989.- 123с.

23. Борисов А.Н. Принятие решений на основе нечётких моделей / Борисов А.Н., Крумберг О.А., Фёдоров И.П.- Рига.: Зинатне, 1990 -184 с.

24. Буяновский J1.A. Прогнозирование эффективности автоматизации /

25. Буяновский JI.A., Зельцер С.П. -М.: ЦНИИТЭнефтехим, 1968.-29 е.

26. Вегман Е.Ф. Окомкование руд и концентратов: учебное пособие -3-е изд.- М.: Металлургия, 1984.- 256 с.

27. Вентцель Е. С. Теория вероятностей. — М.: Наука, 1969.-576с.

28. Вентцель Е. С. Теория случайных процессов и ее инженерные приложения/Вентцель Е. С., Овчаров Л. А.— М.: Наука, 1991.-383с.

29. Вержбицкий В.М. Численные методы (математический анализ и обыкновенные дифференциальные уравнения): Учеб. пособие для вузов. М.: Высш. шк., 2001.-382 с.

30. Воробьев В. И. Математическое обеспечение ЭВМ в науке и производстве. — Ленинград: Машиностроение, 1988.-159 с.

31. Воронов А. А. Современное состояние и перспективы развития адаптивных систем / Воронов А. А., Рутковский В. Ю. // Сб. UK-59 "Вопросы кибернетики: проблемы теории и практики платинного управления".- М.: Издано АП СССР, 1985.- С. 5-48.

32. Воронцов В.Л. Подход к планированию процесса усовершенствования технической системы по экономическим показателям // Приборы и системы. Управление, контроль, диагностика.- 2000.-№25.- С.34-48

33. Ворчик Б.Г. Единственность оценок максимального правдоподобия параметров стохастических систем(проблема локальных экстремумов) // Автоматика и телемеханика.-1984. -№ 6.- С.47-55.

34. Воплер Г.К. Практика ремонтного хозяйства 1987 // Черные металлы. 1987.-№18.- С.30-33

35. Гаврилов Ю.В. Оптимизация технических систем: Уч. пособие. -Челябинск.: Издательство ЮурГУ, 1998.-140 с.

36. Гаврилова Т.А. Базы знаний интеллектуальных систем / Гаврилова Т.А, Хорошевский В.Ф.- СПб.: Питер, 2001.-384 с.

37. Гайфуллин Б. Современные системы управления предприятием /Гайфуллин Б., Обухов И.//КомпьютерПресс.-2001.- №9.-С.46-55

38. Галушкин А. И. Теория нейронных сетей. Кн. 1. /Под ред. А. И. Галушкина. — М.: Изд-во ИПРЖР, 2000. -416 с.-(Нейрокомпьютеры и их применение)

39. Галушкин Л. И. Современные направления развития нейрокомпьютерных технологий в России/Юткрытые системы.-1997.-№4(24).-С. 25 — 28.

40. Галушкин. А.И. Основы нейроуправления // Приложение к журналу «Информационные технологии».- 2002.-№10. -24с.

41. Герлах X. Применбние экспертных систем в ремонтном хозяйстве / Герлах X., Эссер Д. // Черные металлы.- 1989.- №11.- С. 24-28

42. Глинков Г.М. АСУ ТП в черной металлургии / Глинков Г.М., Маковский В.А.-М. Металлургия, 1999.- 312с.зд Глинков Г.М. АСУ ТП в черной металлургии: Учебник для вузов / Глинков Г.М., Маковский В.А.-2-е изд., перераб. и доп.-М.: «Металлургия», 1999,-31 Ос.

43. Глущенко В.В. Прогнозирование. -3-е изд. -М.: Вузовская книга, 2000.-208 с.

44. Гмурман В. Е. Теория вероятностей и математическая статистика. — М.: Высшая школа, 1999,-479 с.

45. Головко В. А. Нейроинтеллект: теория и применение. Кн. 1. Организация и обучение нейронных сетей с прямыми и обратными связями. —Брест: Изд-во БПИ, 1999.- 264 с.

46. Головко В. А. Нейроинтеллект: Теория и применение. Кн. 2. Самоорганизация, отказоустойчивость и применение нейронных сетей.— Брест: Изд-во БПИ, 1999. -228 с.

47. Горбань А. Н. Обучение нейронных сетей.— М.: СП «ParaGraph», 1990.-160 с.

48. Горбань А. Н. Нейронные сети на персональном компьютере / Горбань А. Н., Россиев Д. А.— Новосибирск: Наука (Сиб. отделение), 1996. -276 с.

49. Горбань А.Н. Обучение нейронных сетей. М.: СП «ParaGraph», 1990,- 166 с.

50. Горбатов В.А. Фундаментальные основы дискретной математики. Информационная математика. М.: Наука, Физматгиз, 2Q00.-544 с.

51. Гордиенко Е. К. Искусственные нейронные сети. I. Основные определения и модели / Гордиенко Е. К. Лукьянина А. А. //Изв. РАН. -1994. № 5. С. 79 — 92.- (Техническая кибернетика)

52. Горелова В.П. Основы прогнозирования систем: Уч. пособие для инж.-эконом. спец. вузов / Горелова В.П., Мельникова Е.Н. -М.: Высш. шк., 1986.-287 с.

53. Горский Ю.М. Информационные аспекты управления и моделирования.- М.: Наука, 1978. -223 с.

54. Грановский В.А. Методы обработки экспериментальных данных при измерениях / Грановский В.А., Сирая Т.Н. Л.: Энергоатомиздат,• 1990.-288 с.

55. Гринберг А. С. Автоматизированные системы управления предприятиями / Гринберг А. С., Колосков В. П., Михалев С. Б. — М.: Энергия, 1978.-224 с.

56. Гроссберг С. Внимательный мозг //Открытые системы.- 1997.- № 4(24).- С.29 — 33.

57. Турин Л.Г. Методы и модели совместного использования вероятностных методов и экспертного оценивания в прогнозировании.- М.: ВЦ РАН, 1994.-145с.

58. Гусев Л.А. Развитие теории размытых множеств / Гусев Л.А., Смирнова И.М. //Измерения, контроль, автоматизация.- 1978.-№3 (15). С.13-26

59. Данильченко И.А. Автоматизированные системы управления предприятием: Учебник для инженерных специальностей / И.А. Данильченко, В.А. Мясников, В.Н. Четвериков.-М.: Машиностроение, 1984.-360 с.

60. Дворяшин Б.В. Основы метрологии и радиоизмерения: Учеб.пособие для вузов.-М.: Радио и связь, 1993.-320с.

61. Дейч A.M. Методы идентификации Динамических объектов. -М.: Энергия, 1979.-240 с.

62. Деревиикий Д. П. Прикладная теория дискретных адаптивных систем управления / Деревицкий Д. П., Фрадков А. Л.— М.: Наука, 1981.- 216с.

63. Джоффрион А. Решение задач оптимизации при многих критериях на основе человеко-машинных процедур / Джоффрион А./Дайер Дж., Файнберг А. // Вопросы анализа и процедуры принятия решений/Пер. с англ.- М.: Мир, 1976.- С. 126-145.

64. Донченко А.С. Справочник механика рудообогатительной фабрики / Донченко А.С., Донченко В.А.- 2-е изд., перераб. и доп. М.: Недра, 1986 - 543 е.: ил.

65. Древницкий Е.Г. Повышение эффективности работы вращающихся печей/Донченко А.С., Донченко В.А. М.: Стройиздат, 1990.- 167с.

66. Дружинина М. П. Методы адаптивного управления нелинейными объектами по выходу / Дружинина М. П., Никифоров Н. О., Фрадков А. Л. // АиТ. -1996.- № 2.- С. 3-33.

67. Дубов Ю.А. Многокритериальные модели формирования и выбора вариантов систем /Дубов Ю.А., Травкин С.И., Якимец В.Н. -М.: Наука, 1986.-296 с.

68. Дьяконов В. Matlab 6: учебный курс СПб.: Питер, 2001. - 592с.

69. Евланов Л.Г. Теория и практика принятия решений. М.: Экономика, 1984.-175 с.

70. Еременко Ю.И. Автоматизация шахтной печи металлизации окатышей на основе нейроуправления // Труды Международной конференции «Современные сложные системы управления».-Воронеж, 2003.-С.68-74

71. Еременко Ю.И. Автоматизированный электропривод компрессорного агрегата / Еременко Ю.И., Гамбург К.С., Попов О.Д.// Сборник кратких сообщений XXIII Российской школы по проблемам науки и техники.- Миасс, 2003.-57с.

72. Еременко Ю.И. Адаптивная модель управления вращающейся обжиговой печью//Нейрокомпьютеры разработка и применение.-2004.-№>5-6.С.110-114.

73. Еременко Ю.И. Интеграция интеллектуальных систем в состав АСУ металлургических производств/ Еременко Ю.И., Халапян С.Ю. // Известия высших учебных заведений. ЧМ.- 2002.-№1.- С.53-56

74. Еременко Ю.И. Интеграция экспертной системы в состав ИАСУ электрометаллургического комбината/ Еременко Ю.И., Сопилкин Г.В. // Сборник трудов СОФ МИСиС Старый Оскол, 1999.-С. 19-20

75. Еременко Ю.И. Интеллектуализация задач управления технологическими процессами предприятий горнометаллургического комплекса: монография Старый Оскол: Тонкие наукоемкие технологии, 2004-146с.

76. Еременко Ю.И. Исследование и разработка метода нейронного управления печью отжига / Еременко Ю.И., Полещенко Д.А. // Труды Международной научной конференции «Современные сложные системы управления».- Старый Оскол, 2002.- С.57-59

77. Еременко Ю.И. Математическая модель и алгоритм регулирования поршневого компрессорного агрегата / Еременко Ю.И., Пашура М.А.//Приборы и системы. Управление, Контроль, Диагностика.-2002.- №10.- С.28-30

78. Еременко Ю.И. Метод регулирования для поршневого компрессорного агрегата / Еременко Ю.И., Пашура М.А.//Автоматизация и современные технологии.-2002.-№7.- С.39-42

79. Еременко Ю.И. Методология прогнозирования инновационных мероприятий в промышленных АСУ /Еременко Ю.И., Боева J1.M. Лубашев Ю.А. // Труды Международной научной конференции «Современные сложные системы управления».- Липецк, 2001.-С. 2023

80. Еременко Ю.И. Моделирование инновационных процессов в промышленных АСУ /Еременко Ю.И., Боева Л.М. //Известия высших учебных заведений. ЧМ.-2001.- №11.- С.52-57

81. Еременко Ю.И. Моделирование развития сложных промышленных АСУ Еременко Ю.И., Боева Л.М. //Приборы и системы. Управление, Контроль, Диагностика.-2001,- №5,- С Л 0-11

82. Еременко Ю.И. Модернизация системы регулирования уровня металла в кристаллизаторе с использованием нечеткого управления //Автоматизация и современные технологии.-2004.- №1.- С.5-10

83. Еременко Ю.И. Модернизация автоматического управления шахтной печью цеха металлизации/ Еременко Ю.И., Ряжских Л.Т. // Сборник трудов СОФ МИСиС.- Старый Оскол, 1999.-С.37-39

84. Еременко Ю.И. Нейронная модель зонного управления печью нагрева //Известия высших учебных заведений. ЧМ.-2003.-№7.-С.71-74

85. Еременко Ю.И. Нейросетевая идентификация процесса классификации железнорудного концентрата в системе автоматизации работы гидроциклона// Мехатроника, Автоматизация, Управление.-2004.-№10-С.39-41

86. Еременко Ю.И. Нёйроуправление вращающейся обжиговой печью // Труды Международной научно-практической конференции «Теория активных систем».- Москва, 2003.- С.34-39

87. Еременко Ю.И. О выборе структуры интеллектуального контроллера для решения задач управления в бескоксовой металлургии // Приборы и системы. Управление, Контроль, Диагностика.-2003,-№9.- С.16-19

88. Еременко Ю.И. О нейроуправлении главным приводом дуореверсивной клети // Труды IV Всероссийской научно-практической конференции «Системы автоматизации в образовании, науке и производстве».- Новокузнецк, 2003 .-С.56-71

89. Еременко Ю.И. О повышении оперативности обучения нейроконтроллеров в управлении металлургическими объектами //Приборы и системы. Управление, Контроль, Диагностика.-2004.-№3.-С. 16-20

90. Еременко Ю.И. О повышении эффективности АСУ в металлургии на основе интеллектуализации алгоритмов управления // Труды Международной научной конференции «Современные сложные системы управления».- Старый Оскол, 2002,- С.23-27

91. Еременко Ю.И. О применении интеллектуального управления в автоматизации технологических процессов бездоменного производства стали // Труды Международная конференция «Современные сложные системы управления».- Воронеж, 2003.-С.65-67

92. Еременко Ю.И. О применении нечеткого логического контроллера в управлении процессом обжига окисленных окатышей //Мехатроника, Автоматизация, Управление.-2003.-№9.- С.39-43

93. Еременко Ю.И. О применении искусственных нейронных сетей для управления приводами клетей прокатного стана Наука и технологии//Труды XXIII Российской школы.- Москва, 2003.-С.45-51

94. Еременко Ю.И. О применении искусственных нейронных сетей для управления приводами клетей прокатного стана / Еременко Ю.И., Дудников В.А. // Мехатроника, Автоматизация, Управление.-2003.-№6.- С.40-44

95. Еременко Ю.И. О применении нейронных сетей для управления приводами прокатных клетей/ Еременко Ю.И., Дудников В.А. И Сборник кратких сообщений XXIII Российской школы по проблемам науки и техники,- Миасс, 2003.-С.23-25

96. Еременко Ю.И. О применении нейронных сетей для управления приводами прокатных клетей / Еременко Ю.И., Дудников В.А. // Труды XXIII Российской школы по проблемам науки и технологий.-Екатеринбург, 2003,- С.34-37

97. Еременко Ю.И. Об интеллектуализации задач управления металлургическими процессами // Приборы и системы. Управление, Контроль, Диагностика.-2002.- №9.- С. 6-9

98. Еременко Ю.И. Об интеллектуализации процессов управления обжиговой машиной // Труды Международной научной конференции «Современные сложные системы управления»,- Воронеж, 2003.-С.7-11

99. Еременко Ю.И. Об интеллектуализации управления процессом кристаллизации в условиях непрерывной разливки стали // Известия высших учебных заведений. ЧМ.-2003.- №11,- С. 19-23

100. Еременко Ю.И. Об использовании динамической экспертной системы в решении задач автоматизированного управления шахтными печами цеха металлизации // Приборы и системы. Управление, Контроль, Диагностика.-2004.- №4,- С.11-16

101. Еременко Ю.И. Об использовании инверсно-динамического метода нейроуправления в системе автоматизации шахтной печи установки металлизации окатышей // Приборы и системы. Управление, Контроль, Диагностика.- 2003.- №8.- С.11-14

102. Еременко Ю.И. Об использовании нейронных сетей для управления процессом металлизации железа в шахтной печи / Еременко Ю.И., Грачев Н.О. // Труды Научно-практической отраслевой конференции

103. Системы автоматизированного управления производствами, предприятиями и организациями горно-металлургического комплекса».- Старый Оскол, 2003.-С.78-83

104. Еременко Ю.И. Схема интеллектуального управления металлургическими процессами на основе контроллера с нейросетевой самонастройкой // Приборы и системы.Управление, Контроль, Диагностика.-2004.-№5.-С. 1 -3

105. Еременко Ю.И. Опыт разработки автоматизированной системы управления технологическим комплексом по производству изделий из ячеистого бетона / Еременко Ю.И. Дудкин А.Г. М.: Минстрой: Производство материалов. - 1992. - №5.- С.45-56

106. Еременко Ю.И. Оценка эффективности использования метода временного уплотнения обучения нейросети для задач управления теплотехническими процессами//Известия высших учебных заведений. ЧМ.-2005.-№1-С.34-37

107. Еременко Ю.И. Система автоматизации календарного планирования сталеплавильного участка / Еременко Ю.И., Дудников В.А. /Приборы и системы. Управление, Контроль, Диагностика.-2005.-№5.-С.63-66

108. Еременко Ю.И. Прогнозирование инновационных мероприятий в сложных АСУ // Еременко Ю.И., Боева Л.М. //Автоматизация и современные технологии.-2001.- №3.- С.29-31

109. Еременко Ю.И. Прогнозирование модернизаций в сложных промышленных АСУ/ Еременко Ю.И., Боева Л.М.//Приборы и системы. Управление, Контроль, Диагностика.-2001.- №4.- С.6-9

110. Еременко Ю.И. О методах оптимизации загрузки оборудования в сталеплавильном производстве/ Еременко Ю.И., Дудников В.А.// Мехатроника, Автоматизация, Управление.-2005.-№7.-С.32-35

111. Еременко Ю.И. Об оптимизации структуры системы экстремального регулирования процесса окомкования окатышей /Еременко Ю.И., Полещенко Д.А., Солодов С.В.// Приборы и системы. Управление, Контроль, Диагностика.-2005 .-№9.-С. 13-16

112. Еременко Ю.И. Разработка нейронной системы управления печью нагрева / Еременко Ю.И., Пермикин А.П.// Труды Международной научной конференции «Современные сложные системыуправления».-Старый Оскол, 2002.- С.62-64

113. Еременко Ю.И. Реализация экспертной системы в составе АСУТП / Еременко Ю.И., Сопилкин Г.В. Халапян С.Ю.// Сборник трудов СОФ МИСиС. Старый Оскол, 1999.-С.43-45

114. Еременко Ю.И. Современные информационные технологии: монография / Еременко Ю.И., Штангей С.М.- Старый Оскол, Тонкие наукоемкие технологии, 2001.-198с.

115. Еременко Ю.И. Технические средства автоматизации технологических процессов. Раздел: Контроллеры и микроконтроллеры // Материалы конференции «Аналитический обзор современных средств» М.: Энергоатомиздат, 1995.- С.24-29

116. Еременко Ю.И. Управление объектами горно-металлургического производства на основе использования искусственных нейронных сетей: Учебное пособие. Старый Оскол, 2004. - 166с.

117. Еременко Ю.И. Экспертная система оперативного управления и планирования в электросталеплавильном цехе/ Еременко Ю.И., Капустина Е.В. // Труды Международной научной конференции

118. Современные сложные системы управления».- Воронеж, 2003.-С.27-29

119. Еременко Ю.И. Экспертная система технического обслуживания машин: монография / Еременко Ю.И., Крахт В.Б. и др. Старый Оскол: Научная библиотека, 1999.- 305с.

120. Ерофеев А.А. Интеллектуальные системы управления / Ерофеев А.А., Поляков А.О.- Санкт-Петербург: Изд-во СПбГТУ, 1999.- 264с.

121. Ерофеев А.А. Проектирование интеллектуальных систем с нечеткой логикой управления / Ерофеев А.А., Поляков А.О. // Труды IV Международной НТК «Актуальные проблемы электронного приборостроения».- Новосибирск, 1998.- С.41-43

122. Желтенков А.В. Совершенствование методов оценки качества АСУ: Дис. канд. техн. наук / 61:87-8/509-1.- М.: Гос. университет управления, 1987.-34с.

123. Захаров В.Н.Нечеткие модели интеллектуальных промышленных регуляторов и систем управления, II Эволюция и принципы построения/ Захаров В.И., Ульянов С.В.// Техническая кибернетика.-1993.-№4.- С. 189-205

124. Захаров В.Н.Нечеткие модели интеллектуальных промышленных регуляторов и систем управления, IV «Имитационное моделирование»/ Захаров В.И., Ульянов С.В. // Техническая кибернетика.- 1994.-№5.-С. 168-211Щ321

125. Захаров В.Н.Нечеткие модели интеллектуальных промышленных регуляторов и систем управления, I Научно-организационные, технико-экономические и прикладные аспекты / Захаров В.И., Ульянов С.В. //Техническая киберненика.- 1992.-№5.- С. 171-197

126. Ивченко Б.П. Информационная микроэкономика. Часть 2. Анализ закономерностей и моделирование / Ивченко Б.П., Мартыщенко Л.А., Губин Г.С.- СПб.:Нордмед-Издат, 1998.-160 с.

127. Ивченко Б.П. Информационная микроэкономика. Часть 1. Методы анализа и прогнозирования / Ивченко Б.П., Мартыщенко Л.А., Иванцов И.Б. СПб.:Нордмед-Издат, 1998.-169 с.

128. Ивченко Б.П. Теоретические основы информационно-статистического анализа сложных систем / Ивченко Б.П., Мартыщенко Л.А., Монастырский М.Л. СПб.: Лань, 1997.-320 с.

129. Игошин Н.В. Инвестиции. Организация и финансирование: Учебник для вузов. М.: Финансы, ЮНИТИ, 1999.-413 с.

130. Ильенкова С.Д. Инновационный менеджмент/ Ильенкова С.Д., Гохберг Л.М, Ягудин С.Ю. и др. -М.: ЮНИТИ, 2000.-327 с.

131. Инженерная методика автоматизированной оценки безотказности металлургического оборудования / Л.В. Коновалов, А.Н. Цупров и др. //Вестник машиностроения,- 1991.-№7.-С. 57-59

132. Информатика: Учебник / Под ред. проф. Н.В. Макаровой. 3-е перераб. изд.— М.: Финансы и статистика, 1999.-768 с.

133. Исследования в ремонтном хозяйствие/ Х.Туммес, Г.К. Валлер // Черные металлы.- 1990.- №4,- С.31-38

134. Кабетов В.Е. Современная система учета и анализа отказов электрических машин на металлургическом комбинате / Кабетов В.Е., Капланов А.П.// Сталь,- 1984.- №7.- С.92-95

135. Каменев А.Ф. Технические системы: закономерности развития.- Л.: Машиностроение, 1985.-216 с.

136. Караваев Е.П. Промышленные инвестиционные проекты: теория и практика инжиниринга. М.: МИСИС, 2001 .-299 с.

137. Карданская Н.Л. Принятие управленческого решения: Учебник для вузов. -М.: ЮНИТИ, 1999.-407 с.

138. Карминский A.M. Информатизация бизнеса / Карминский A.M., Нестеров П.В.- М.: Финансы и статистика. 1997. 416 с.

139. Карпачев И.И. Классификация компьютерных систем управления предприятием, <http://www.pcweek.ru>.

140. Катулев А.Н. Исследование операций . Принципы принятия решенийи обеспечение безопасности. Учебное пособие для вузов / Катулев

141. A.Н., Северцев Н.А. М.: Физико-математическая литература, 2000.-320 с.

142. Кашьяп P.J1. Построение динамических стохастических моделей по экспериментальным данным / Кашьяп P.J1., Рао А.Р.-М.: Наука, 1983.-384 с.

143. Квейд Э. Анализ сложных ситем.-М.:Мир, 1969.-519 с.

144. Кезлинг Г.Б.Эффективность и качество АСУ / Кезлинг Г.Б., Евдокимов В.В., Федоров С.Д.- Л.: Лениздат, 1979.-216 с.

145. Клюев В.В. Технические средства диагностирования:Справочник / Клюев В.В., ПархоменкоП.П, Абрамчук В.Е. и др. Под общей ред.

146. B.В.Клюева.-М.: Машиностроение, 1989.-672 с.

147. Клюев А. С. Метрологическое обеспечение АСУ ТП / Клюев А. С., Лебедев А. Т., Миф Н. П. — М.: Энергоатомиздат, 1995.-160 с.

148. Ключев В.И. Теория электропривода: Учеб. Для вузов.-2-е изд. ' Перераб. И доп.-М.:Энегоатомиздат, 1998.-704 е.: ил.

149. Ковалев В.В. Методы оценки инвестиционных проектов. М.: Финансы и статистика, 1999.-144 с.

150. Коган И.М. Прикладная теория информации. М.: Радио и связь, 1981,-216 с.

151. Кокорева Л.В. Диалоговые системы и системы представления знаний / Кокорева Л.В., Перевозчикова О.Л., Ющенко Е.Л. К.: Наук, думка, 1992.-448 с.

152. Кокс Д. Теоретическая статистика / Кокс Д., Хинкли Д. М.: Мир, 1978.-560 с.

153. Колесников А. А. Основы теории синергетического управления / Под общ. ред. А. С. Клюева.— М.: Фирма «Испо-Сервис», 2000. -264 с. (Книги специалиста по автоматизации производства)

154. Колмогоров А.А. Интегрирование и экстраполирование стационарных случайных последовательностей. Т. 5; №1.- М.: АН СССР, 1941.-124с. (Математика)

155. Концепция инновационной политики Российской Федерации на 1998-2000 годы: Постановление Правительства Российской Федерации №832 от 24 июля 1998 года// Российская газета.-1998.19 авг.

156. Кравченко Т.К. Процесс принятия плановых решений (информационные модели). -М.: Экономика, 1974. 183 с.

157. Красовский А. А. Динамика непрерывных самонастраивающихся систем. -М.: Физматгиз, 1963. -468 с.

158. Круглов В.В. Искусственные нейронные сети. Теория и практика/ Круглов В.В., Борисов В.В.-М.: Горячая линия-Телеком, 2001 .-382с.

159. Лагоша Б.А. Основы системного анализа. Учебное пособие/ Лагоша Б.А., Емельянов А.А. Моск. Ун-т экономики, статистики и информатики. М., 1998.-77 с.

160. Ларичев О.И. Человеко-машинные процедуры решения многокритериальных задач математического программирования: обзор / Ларичев О.И., Поляков О.А. // Экономика и математические методы.- 1980.-T.XVI.- вып. 1,-С.129-145.

161. Левин Р. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике / Левин Р., Дранг Д., Эдельсон Б. М.: Финансы и статистика, 1991 - 239 с.

162. Ленович А. С. Автоматические системы управления технологическими процессами и установками прокатных цехов. — М.: Металлургия, 1979.- 368с.

163. Линник Ю.В. Метод наименьших квадратов и основы теории обработки наблюдений.- М.: Физматгиз, 1958.-349 с.

164. Литвак Б.Г. Управленческие решения. М.: Ассоциация авторов и издателей «ТАНДЕМ», ЭКМОС, 1998 г. - 248 с.

165. Лотош В.Е. Совершенствование технологии окускования руд и• ' концентратов / Лотош В.Е., Окунев А.И.- М.: Металлургия, 1986.178с.

166. Льюис К.Д. Методы прогнозирования экономических показателей.-М.: Финансы и статистика, 1986.-133 с.

167. Маерчак Ш. Производство окатышей. М.: Металлургия, 1982. - 232 с.

168. Мазур В.Л. Перспективы развития горно-металлургического комплекса Украины // Сталь. -1996.- №7.- С.3-5•

169. Макеев С.П. Упорядочение объектов в иерархических системах / Макеев С.П., Шахнов И.Ф.//Известия АН СССР. Техническая кибернетика.-1991.- №3.- С.29-46.

170. Мамиконов А. Г. Основы построения АСУ: Учебник для вузов. — М.: Высшая школа, 1981.-248 с.

171. Маркашов В.Е. Проблемы прогнозирования, разработки, внедрения новых технологий.- К.: Общество «Знание» УССР, 1981.-20 с.

172. Маркс К. Сочинения. Т.23. / Маркс К., Энгельс Ф.- М., 1971.-214с.

173. Меламед И. И. Нейронные сети и комбинаторная оптимизация * //Автоматика и телемеханика.- 1994.- № 7.- С. 3 — 40.

174. Мелещенко Ю.С. Техника и закономерности ее развития.- Л.: Лениздат, 1970.-246 с.

175. Месарович М. Теория иерархических многоуровневых систем / Месарович М., Мако Д., Такахара И. М.: Мир, 1973.- 341с.

176. Методы поиска новых технических решений/ Под ред. А.И. Половинкина.- Йошкар-Ола:Маркнигоиздат, 1976.-192 с.

177. Минский М. Перцептроны / Минский М., Пейперт С.— М.: Мир,1971.262 с.

178. Мирошник И. В. Нелинейное и адаптивное управление сложными динамическими системами / Мирошник И. В., Никифоров В. О., Фрадков А. Я. II Анализ и синтез нелинейных систем.- СПб.: Наука, 2000.-549 с.

179. Михайлов Ю.Б. Алгоритм выбора прогнозирующей зависимости, обеспечивающей наибольшую точность прогноза // Приборы и системы.- 2000.- №12.-С.13-15

180. Михайлов Ю.Б. Прогнозирование количественных характеристик многопараметрических процессов в условиях неоднородной статистической информации // Приборы и системы.- 2000.- №6.-С.20-30

181. Михайлов Ю.Б. Современное состояние и некоторые пути повышения точности прогнозирования количественных характеристик процессов. // Инж. Физика.- 2000.-№1 .-С.23-25

182. Моисеев Н.Н. Социализм и информатика.- М.: Политиздат, 1988.-34с.

183. Морозов Ю.П. Инновационный менеджмент. -М.: ЮНИТИ, 2000.446 с.

184. Мушик Э. Методы принятия технических решений / Мушик Э., Мюллер П.-М.: Мир, 1990 208 с.

185. Надежность и живучесть систем связи/Под ред. В.Ф. Уткина, Ю.В. Крючкова.- М.: Машиностроение, 1988.-328 с.

186. Надежность и эффективность в технике.: Справочник: в 10-и томах./ Ред. Совет: B.C. Авдуевский (пред.) и др. Т.2. Математические методы теории надежности и эффективности / Под ред. Б.В. Гнеденко.-М.: Машиностроение, 1987.- 154с.

187. Надежность и эффективность в технике: Справочник: В 10 т. ТЗ. Эффективность технических систем / Под общ. Ред. В.Ф. Уткина, Ю.В. Крючкова. М.: Машиностроение, 1988. - 328 с.

188. Нариньяни А.С., Седреева Г.О., Седреев С.В. Недоопределенное календарное планирование: новые возможности., С.А.Фролов, <www.artint.ru>.

189. Нейроинформатика и ее приложения // Материалы 3-го Всерос. семинара, 6 — 8 октября 1995 г. Ч. 1 /Под ред. А. Н. Горбаня.—

190. Красноярск: Изд-во КГТУ, 1995.- 230 с.

191. Николаев В. И. Системотехника: методы и приложения / Николаев В. И., Брук В. М.-Ленинград: Машиностроение, 1985.-199с

192. Новицкий П.В. Оценка погрешностей результатов измерений / Новицкий П.В., Зограф И.А. -2-е изд., перераб. и доп. -Л.: Энергоатомиздат. 1991.-304 с.

193. Норберт Винер Человек управляющий.-Питер, 2001,- 288с.2^ Обогатительное оборудование: Каталог-справочник М.: Гос' гортехиздат, 1961.-164 е.: ил.

194. Одрин В.М. Методы морфологического анализа технических систем Курс лекций. -М.: ВНИИПИ, 1989.-311 с.

195. Омату С. Нейроуправление и его приложения. Кн.2 / Омату С. и др. ' Под ред. А.И. Галушкина М.: ИПРЖР, 2002.-272с. (Нейрокомпьютеры и их применение)

196. Оптимизация работы чашевых грануляторов: Отчет окончательный/ ' ДМетИ.№Г.Р.75055067, инв№Б565672. Днепропетровск, 1976.-56с.

197. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации.- М.: Наука, 1981.- 78с.

198. Основы инновационного менеджмента. Теория и практика: Уч. пособие. / Под. ред. Завлин П.Н„ Казанцева А.К„ Миндели Л.Е.- М.: Экономика, 2000. 235с.

199. Оунсон Ч. Численное решение задач метода наименьших квадратов / Оунсон Ч., Хенсон Р. М.: Наука, 1986. -232 с.

200. Перельман И.И. Оперативная идентификация объектов управления .М.: Энергоиздат, 1982.-272 с.2£) Пивкин В.Я. Нечеткие множества в системах управления: Курс лекций по теории нечеткой логики / Под ред. д.т.н. Золотухина Ю.Н.-М., 1996.- 178с.

201. Половинкин А. И. Теория проектирования новой техники: закономерности техники и их применения. — М.: Информэлектро, 1991.-104 с.

202. Половинкин А.И. Законы строения и развития техники. Постановка проблемы и гипотезы.- Волгоград: ВолгПИ, 1985.-202 с.

203. Поляков А.О. Интеллектуальные системы управления. Введение в прикладную теорию. Санкт-Петербург, 1997.- 156с.

204. Поляков А.О. Технология интеллектуальных систем.- Санкт-Петербург, 1995.-167с.

205. Попандопуло И.К. Непрерывная разливка стали / Попандопуло ' И.К., Михневич Ю.Ф. М.: Металлургия, 1990. -296с.

206. Попов Э.В. Статические и динамические экспертные системы / Попов ' Э.В,, Фоминых И.Б. и др.- М.: Финансы и статистика, 1996,- 317с.

207. Прангишвили И.В. Основы построения АСУ сложными технологическими процессами / Прангишвили И.В., Амбарцумян А.А. М.: Энергоатомиздат, 1994.-305 с.

208. Причины неудач внедрения ERP-систем в России // Логинфо.- 2001 .-№7-8.-C.33-34

209. Прогностика. Терминология / Под ред. В.И. Сифорова.- М.: Наука, 1990.-56 с.

210. Прохорович В.Е. Прогнозирование состояния сложных технических комплексов.- СпБ.: Наука, 1999.-158 с.

211. Пугачев B.C. Теория случайных функций.-М: Физматгиз, 1971.-883с.

212. Райветт П. Исследование операций / Райветт П., Акофф Р.Л.- М.: Мир, 1966.-142 с.

213. Раскин Л.Г. Анализ сложных систем и элементы теории оптимального управления,- М.: Сов. Радио, 1976.-344 с.

214. Редкозубов С.А. Статистические методы прогнозирования в АСУ. -М.: Энергоиздат, 1981.-151 с.

215. Роберт 3. Задачи ремонтного хозяйства / Роберт 3., Юст Р., Валлер Г.К. // Черные металлы. 1987.- №1.- С. 3-7

216. Розанов Ю. А. Теория вероятностей, случайные процессы иматематическая статистика. — М.: Высшая школа, 1999.-312 с.

217. РозенблаттФ. Принципы нейродинамики: Перцептрон и теория механизмов мозга.— М.: Мир, 1965.- 480 с.2gQ Рыбина Г.В. Технология проектирования прикладных экспертных систем: Учебное пособие. -М.: МИФИ, I99I.-I Юс.

218. Саати Т. Принятие решений. Метод анализа иерархий. / Пер. с англ. -М.:Радио и связь, 1989.-316 с.

219. Саридис Дж. Самоорганизующиеся стохастические системы управления.-М.: Наука, 1980.-400с.

220. Саркисян С.А. Большие технические системы. Анализ и прогноз развития. -М.: Наука, 1977.-350 с.

221. Саркисян С.А. Анализ и прогноз развития больших технических систем/ Саркисян С.А., Ахундов В.М., Минаев Э.С. -М.: Наука, 1983.-280с.

222. Саркисян С.А. Прогнозирование развития больших систем / Саркисян С.А., Голованов Л.В. -М.: Статистика, 1975.-192 с.

223. Саркисян С.А. Теория прогнозирования и принятия решений / Саркисян С.А., Каспин В.Н., Лисичкин В.А.- М.: Высшая школа, 1977.-355 с.

224. Саркисян. С.А. Научно-техническое прогнозирование и программно-целевое планирование в машиностроении / Саркисян. С.А., Акопов П.Л., Мельникова Г.В. -М.: Машиностроение, 1987.-299 с.

225. Сваткин М 3. Группы качества на машиностроительных предприятиях / Сваткин М 3., Мацута В.Д., Рахлин К.М. Л.: Машиностроение, Ленингр. отд-ние, 1988.-141 с.

226. Седуш В.Я. Организация технического обслуживания металлургического оборудования / Седуш В.Я., Сопилкин Г.В., Вдовин В.З. и др.-М.: Техника, 1986,- 124 с.29} Серго Е.Е. Дробление, измельчение и грохочение полезных ископаемых. М.: «Недра», 1985.-258с.

227. Симанков B.C. Моделирование принятия решений в адаптивных АСУ сложными системами на основе теории информации/Симанков

228. B.C., Луценко Е.В. http://lc.narod.ru/aidos/Public/st61 .htm

229. Смирнов Э.А. Разработка управленческих решений: Учебник для вузов. М.: ЮНИТИ-ДАНА, 2000.-271 с.

230. Советов Б.А. Моделирование систем: Учебник для вузов / Советов Б.А., Яковлев С.А. -М.: Высш. шк., 1998.-319 с.

231. Современная прикладная теория управления: Оптимизационный подход в теории управления. Ч. 1 / Под ред. Л. Л. Колесникова.-Таганрог: Изд-во ТРТУ, 2000.- 400с.

232. Современная прикладная теория управления: Оптимизационный подход к теории управления. Ч. П. / Под ред. А.А.Колесникова — Таганрог: Изд-во ТРТУ, 2000.- 559 с.

233. Современная прикладная теория управления: Оптимизационный подход к теории управления. Ч. Ш /Под ред. А. А. Колесникова.— Таганрог: Изд-во ТРТУ, 2000,- 703с.

234. Сопилкин Г.В. Модели экспертно-диагностической системы технического обслуживания оборудования / Сопилкин Г.В., Ченцов Н.А., Ошовская Е.В. // Прогрессивные технологии и системы мешиностроения: Сб. науч. статей. Донецк: Дон ГТУ, 1995.- Вып.21. C.73-82

235. Сопилкин Г.В. Принципы построения экспертной системы обслуживания оборудования / Сопилкин Г.В., Ченцов Н.А., Сидоров В.А., Ошовская Е.В. //Програссивные технологии и системы машиностроения: Сб. науч. статей.-Донецк, ДонГТУ, 1996.-Вып.З,- С. 115-124

236. Суржко А.В. Совершенствование методики определения НТУ АСУ: Дис. канд. техн. наук 61:83-8/830-8/ Ленингр. инженерно-экон. институт.- Л., 1983.-230с.

237. Таха Х.А. Введение в исследование операций. В 2-х книгах. Кн.2.-М.: Мир, 1985.-496 с.

238. Терехов В. А. Нейросетевые системы управления / Терехов В. А., Ефимов Д. В. Тюкин И. Ю.; Под ред. А. И. Галушкина. — М.: Изд-во ИПРЖР, 2002.- 147с. (Нейрокомпьютеры и их применение)

239. Терехов В. А. Нейросетевые системы управления / Терехов В. А. Ефимов Д. Я. Тюкин И. Ю. Антонов В. Н.— СПб.: Изд-во С.-Петербургского университета, 1999.- 265с.

240. Терехов В.А. Нейросетевые системы управления / Терехов В.А., ' Ефремов Д.В., Тукин И.Ю. -М.: ИПРЖР, 2002. -480 с.3 }0 Технологическая инструкция по дроблению и обогащению желези-' стых кварцитов: ТИОО 186803-6.9-01-2000 -Губкин: ОАО ЛГОК, 2000.-13с.

241. Товмасян С.С. Философские проблемы труда и техники.- М.: Мысль, 1972.-287 с.

242. Токарев В.Л. Интегрированная система поддержки принятия решений по управлению, прогнозированию и диагностике// Автоматизация и современные технологии.- 2000.-№4.-С.Ю0-105

243. ТУ 001868023-6.10-07 «Окатыши сырые железорудные фабрики окомкования»

244. Тулин Н.А. Развитие бескоксовой металлургии / Тулин Н.А., ' Кудрявцев B.C., Пчелкин С.А. и др. М.: Металлургия, 1987. - 328 с.

245. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика / Пер. с англ.—М.:'Мир, 1992. 240 с.

246. Уотерман Д. Руководство по экспертным системам. М.: Мир, 1989. -388с.

247. Фельдбаум А. А. Вычислительные устройства в автоматических системах.- М.: Физматгиз, 1959. -800 с.

248. Флейшман Б.С. Элементы теории потенциальной эффективнрсти сложных систем,- М.: Сов. Радио, 1971.-340с.

249. J9 Фотиев М.М. Электропривод и электрооборудованиеметаллургических цехов: Учебник для вузов.- 3-е изд., перераб. и доп.-М.: Металлургия, 1990,- 352с.

250. Харкевич А.А, О ценности информации, В сб.: Проблемы кибернетики. -М., ФизматГИЗ, 1960, Вып.4, 53-57с.

251. Цвиркун А.Д. Структура сложных систем.- М.: Сов. Радио, 1975.-231с.

252. Цыгичко В.Н. Руководителю о принятии решений.- 2-е изд., испр. и доп. М.: ИНФРА-М, 1996.-272 с.

253. Цыпкин Я. 3. Адаптация и обучение в автоматических системах. -М.: Наука, 1968,-400с,

254. Чернецкая И.Е. Математическая модель роста массы окатышей ' при окомковании тонкоизмельченных материалов / Чернецкая И.Е., Титов B.C.//Вести. ХГТУ.- 1997.- №2.- С. 170-173.

255. Чернухин Ю. В.Моделирование нейросетевых систем управления интеллектуальных мобильных роботов / Чернухин Ю. В. Пшихопов

256. B. X. Писаренко С. Н. Трубтев О. Е. // Труды межд. конф. «Идентификация систем и задачи управления» (SICPR.0'2000). Москва, 26 — 28 сентября 2000 — М.: Изд-во ИЛУ -РАН.2000.1. C.1108- 1114.

257. Черняк Ю.И. Системный анализ в управлении экономикой.- М.: Экономика, 1975.-98с.

258. Четыркин Е.М. Статистические методы анализа (алгоритмы и программы).- М.: АН СССР ИМЭ и МО, 1976.-34 с.

259. Четыркин Е.М. Статистические методы прогнозирования. -М.: Статистика, 1975.-184 с.

260. Чимишкян С. Распределенные алгоритмы управления // Мир компьютерной автоматизации.- 2000.- № I. -С. 17-19

261. Чуев Ю.В. Прогнозирование количественных характеристик процессов / Чуев Ю.В., Михайлов Ю.Б., Кузьмин В.И.- М.: Сов. Радио, 1975.-137с.

262. Шаракшанэ А. С. Оценка характеристик сложных автоматизированных систем / Шаракшанэ А. С., Халецкий А. К., Морозов И. А. — М.: Машиностроение, 1993.-272 с.

263. Шеко П.А. Стратегия качества // Автоматизация и современные технологии.- 1996.-№10.-С.23-25

264. Шеко П.А. Методология замыслов нововведений // Автоматизация и современные технологии.- 1997.-№4.-С.11-13

265. Шилейко А.В. Введение в информационную теорию систем/ Шилейко А.В., Кочнев В.Ф., Химунин Ф.Ф. -М.: Радио и связь, 1985. -287с.

266. Шумилов В.В. Выбор наилучшего инвестиционного проекта в условиях «нечеткого» знания состояния факторов внешней деловой среды// Автоматизация и современные технологии 1999.-№3.-С. 1516

267. Шумилов В.В. Выбор наилучшего инвестиционного проекта при задании вероятностных отношений порядков // Автоматизация и современные технологии.- 1999.-№7.-С.З-4

268. Шумилов В.В. Выбор наилучшего инвестиционного проекта // Автоматизация и современные технологии.-1998.-№ 12.-С.7-11

269. Шумилов В.В. Особенности отбора и оценки инвестиционных проектов при нечеткой информации и многокритериальное™ // Автоматизация и современные технологии.-2000.-№4.-С.10-12

270. Щелков B.C. Предынвестиционные исследования и разработка бизнес-плана инвестиционного проекта./ Щелков B.C., Белоусова JI.M., Блинков В.М.; Под ред. B.C. Щелкова. М.:ЗАО «Финстатпром», 1999.-248 с.

271. Эйкхофф П. Основы идентификации систем управления.-М.: Мир, 1975.-683 с.

272. Экономические аспекты ремонтного обслуживания в черной металлургии / О.М. Браун // Черные металлы. -1988.- №1.- С.3-8

273. Экспертные оценки принятия управленческих решений // Сборниктрудов СОФ МИСиС.- Старый Оскол, 1999 36.- С. 19-20

274. Юсфин Ю.С. Управление окускованием железорудных материалов / Юсфин Ю.С., Каменев А.Д., Буткарев А.П. М.: Металлургия , 1990.-280 с.

275. Юсфин Ю.С. Интенсификация производства и улучшение качества сырых окатышей / Юсфин Ю.С., Пашков Н.Ф., Антоненко Л.К. и др. -М.: Металлургия, 1994.-173с.

276. Яковец Ю.В. Закономерности НТП и их планомерное использование. М.:Экономика,1984.-239 с.

277. Якубович В. А. К теории адаптивных систем // ДАН СССР. -1968.- Т. 182.- №3.- С. 518-521.

278. Янч Э. Прогнозирование научно-технического прогресса /Пер. с англ. -М.: Прогресс, 1970.-568 с.

279. Agarwal М. A Systematic Classication of Neural-Network-Based Control/IEEE Control Systems. April, 1997.- P. 75 — 93.

280. Anscombe F.J., Tukey J.W. The examination and analysis of residuals // Technometrics. 1963. - Vol. 5. - P. 141-160.

281. Barren A.R. Universal approximation bounds for superposition of a sig-moidal function // IEEE Transactions on Information Theory. 1993.1. Vol. 39. P. 930-954.

282. Bhadeshia H.K.D.H. et al. "Bayesian Neural Network Model for Austenite ' Formation in Steels". Materials Science and Technology, June 1996, P.453-63.

283. Billings S.A., Zhu Q.M. Nonlinear model validation using correlation tests // Int. Journal of Control. 1994. - Vol. 60, №6. - P. 466-470.

284. Brause R. Neuronale Netze: Eine Einfiihrung in die Neuroinformatik. Stuttgart. Teubner. 1995. 462 p.

285. Brown R.G. Smoothing Forecasting and Prediotion of Discret Time Series/N.Y. Ptentice Hall, 1963.-314p.

286. Bulsari A. & Hocksell E. "Quality Control and Alloy Design System for Direct Hardened Steel Components Based on Neural Networks". Steel Technology International, July 1996, 133p.

287. Carpenter G.A., Grossberg S. A massively parallel architecture for self-organizing neural pattern recognition // Computer vision, Graphics and Image Processing. 1983. - Vol. 37. - P. 54-115.

288. Carpenter G.A., Grossberg S. Art 2: Self-organizing of stable category recognition codes for analog output patterns // Applied Optics. 1983. - Vol. 26.-P.4919-4930.

289. Carpenter G.A., Grossberg S. Art 3: Hierarchical search: Chemical transmitters in self-organizing pattern recognition architectures // Neural Networks: Proc. Int. Conf. Wash., DC, 1990. - Vol. 2. - P. 30-33.

290. Dario P. ct al (eds). Robots and Biological Systems: Towards a New Bionics, Springer. 2000.-216p.

291. Dracopoulos D. C. Evolutionary Learning Algorithms for Neural Adaptive Control, Springer. 1997.-187p.

292. Eremenko Y.I., Kraht V.B., Dudnikov V.A. About application of neural networks fore controlling of rolling mill drives // Metallurgy and new materials researches.- 2003.-№1.- P.1-12

293. Eremenko Y.I., Kuznetzov L.A. Fuzzy logic regulator for a control system of level of metal in a crystallizer of continuous steel casting plant // Metallurgy and new materials researches.- 2003.-№2.- P. 1-9

294. Eremenko Y.I., Kuznetzov L.A., Kraht V.B. Fuzzy Logic regulator for a control system of level of metal in a crystallizer of continuous steelcasting plant // Sixteenth Internationa! Conference on Systems Engineering, London, 2003,- P. 152-156

295. Expertensysteme in der instandhaltung/ E/ Gulker// Stahl u Ersen.-1990.-№7.- P. 49-54

296. Ge S. S., Lee Т. H., Harris C. J. Adaptive Neural Network Control of Robotic Manioulators. World Scientific. 1999.213р.

297. Gorni A. A. The mpdelling of hot rolling processes using neuralnetworks a bibliographical review". Companhia Sidenrgica Paulista -COSIPA, Brazil, 2002.- 264p.

298. Gunasekera J.S. et al. "Development and Application of a Neural Network ' Controller for the Rolling Process". In: Australasia-Pacific Forum on Intelligent Processing and Manufacturing of Materials. Proceedings. Golden Coast, June 1997.P. 18-24

299. Handbook of Intelligent Control: Neural, Fuzzy and Adaptive Approaches Ed. by David A. White & Donald A. Sofge. N.-Y. Van Nostrand Reinhold. 1992. P. 568-574.

300. Haykin S. Neural networks: A Comprehesive Foundation.— N.-Y.: MacmiUan, 1999. 842 p.2jq Hecht-Nielsen, R. Neurocomputing. Addison-Wesley Publishing Company, ' Reading, 1990.433р.

301. Hopfield J.J., Neural networks and physical systems with emergent computational abilities, Proc of the National Academy of Sciences,vol.79, 1992.- P.2554-2558,

302. Hrycey T. Neurocontrol. Towards an Industrial Control Methodology, Wiley. 1997.-268p.

303. Hunt K. J., Irwin G. R., Warwick K. (eds) Neural Networks Engineering in Dynamic Control Systems. Springer. 1999.-312p.

304. Irwin G. W., Warwick K., Hunt K. J. Neural Network Applications in Control. IEEE Press. 1995.-P.312-318.

305. Kalkkuhl J. et al (eds). Applications of Neural Adaptive Con-trolTechnology. World Scientific. 1997.

306. Kim Y. H., Lewis F. L. High-Level Feedback Control with Neural Networks. World Scientific. 1998.gg Kong S.G. and B. Kosko, «Adaptive fuzzy systems for backing up a track' and-trailer», IEEE Trans on Nural Networks, Vol 3, P.211-223, 1992.

307. Krstic M., Kanellakopoulos I., Kokotovic P. V. Nonlinear Design of Adaptive Controllers for Linear Systems// IEEE Trans on Automat. Contr. 1994. Vol. 39. N4. P. 738-752.

308. Lee R. C. Optimal Estimation, Identification and Control / MIT Press,Cambridge. Mass., 1964. (Рус. пер.: Ли P. оптимальные оценки, определение характеристик и управление. М.: Наука, 1966. 176 с.)

309. Leondes С. Т. (ed). Control and Dynamic Systems. Neural Network Systems Techniques and Applications. Academic Press. 1998.2<jq LEVEN J. et al. "Artificial Neural Networks for Rolling Applications". In: ' ATS Steelmaking Days, A.T.S., Paris, 1994.

310. Levin A. U., Narendra K. S. Control of nonlinear dynamical system using neural networks: Controllability and stabilization // IEEE Trans. Neural Networks. 1993. Vol. 4. № 2. P. 192 — 206.

311. Levin A. U., Narendra K. S. Control of nonlinear dynamical system using neural networks. Part II: Observability, identification and control // IEEE Trans. Neural Networks. 1996. Vol. 7. № 1. P. 30 — 42.

312. Lewis F. L., Parisini T. Guest Editorial: Neural network feedback control with guaranteed stability// Int. J. of Control. 1998. Vol. 70. № 3. P. 337 — 339.

313. Miller W. Т., Sutton R. S., Wcrbos P. J. Neural Networks for Control. Mil Hress, Cambridge. Mass. 1990.

314. Miller W. Т., Sutton R. S., Werbos P. J. (eds) Neural Networks for Control. MTT Press. 1996.

315. Mills P. M., Zomaya A. Y., Tade M. 0. Neuro-Adaptive Process Control. A Practical Approach. Wiley. 1996.

316. Narendra K. S., Parthsarathy K. Identification and control of dynamic systems using neural networks // IEEE Trans. Neural Networks. 1990. Vol. l.№ 1.P.4 —27.

317. Navin Francis P.D. Can.J.Civ/Eng/1994-21, №3.

318. Neural hetworks for control systems: A survey / K. J. Hunt, D. Sbarbaro, R. Zbikowski, P. J. Gawthrop //Automatica. 1992. Vol. 28. № 6. P. 1083 —.1112

319. Omid Omidvar, Elliot D. L. (cd). Neural Systems for Control. Academic Press. 1997.

320. Portmann N.F. et al. "Application of Neural Networks in Rolling Mill Automation". Iron and Steel Engineer, February 1995, P.33-6

321. Sciavicco L., Siciliano B. Modelling and Control of Robot Manipulators. Springer. 2000.

322. Sunner R. M. Slotine J.-J. E. Gaussian Networks for Direct Adaptive Control // IEEE Trans, on Neural Networks. Vol. 3. № 6. 1992. P. 837 — 863.

323. Suykens J. et al. Artificial Neural Networks for Modelling and ' Control of Non-Linear Systems. Kluwer Ac. Publ. 1996.

324. Suykens Johan A. K., Vandewalle Joos P. L., De Moor Ban L. R. Artfficial Neural Networks for Modelling and Control of Non-Linear Systems. Kluwer Academic Publishers. Boston / Dordrecht /London. 1997.235 р.

325. Tadewiewicz R. Sieci Neuronowe.— Warszawa: PWN, 1993. 195 p.

326. Tanomaru J and S. Omatu Process control by on-line trained neural controllers. IEEE Trans on Indastrial Electronics, vol.39, P. 511-521, 1992

327. ToIIe H., Ersu E. Neurocontrol. Springer. 1992.

328. Tyukinl. Yu., Prokhorov D. V Terekhov V. A. Adaptive Control with Nonconvex Parameterization // IEEE Trans, on Automat. Contr. 2003. Vol. 48. N4.

329. Tzafestas S. G. Soft Computing in Systems and Control Technology. World Scientific. 1999.

330. I ^ Vermeulen W. et al. "Prediction of the Measured Temperature after the Last ' Finishing Stand Using Neural Networks". Steel Research, January 1997, P.20-26.

331. Widrow В., Shur D., Shaffer S. On Adaptive Inverse Control // Proc. Asilomar Conference on Circuits, Systems, and Computers, 1981. P. 185189.

332. Wiener N. Extrapolation, Interpolation and Smoothing of Stationary time series/John Weley/N.Y., 1949.

333. Zadeh L. A. On the Definition of Adaptovity//Proc. IEEE. 1963. Vol. 51. P.469-470.

334. Zalzala A. M. S., Morris Av S. Neural Networks for Robotic Control. Ellis Horwood. 1996.

335. Zbikowski R., Hunt K. J. Neural Adaptive Control Technology. World Scientific, 1996.