Методика управления движением транспортного средства на поверхности планеты на основе интеллектуального анализа текущих параметров движения тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Андриков Дмитрий Анатольевич

• Андриков Дмитрий Анатольевич
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Андриков Дмитрий Анатольевич

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ СОСТОЯНИЯ ВОПРОСА УПРАВЛЕНИЯ И СТАБИЛИЗАЦИИ ТРАНСПОРТНЫМ СРЕДСТВОМ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ. ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ

1.1 Современный подход анализа и управления транспортным средством как преобразователем информации

1.2 Анализ существующих методов интеллектуального анализа

1.2.1. Информационные модели и технические средства для управления транспортным средством

1.2.2. Методы взаимодействия системы «транспортное средство - поверхность планеты» в условиях неопределенности

1.3. Общая структура стабилизации транспортного средства в процессе движения

1.3.1 Описание предлагаемого подхода управления транспортным средством в процессе

движения

ВЫВОДЫ ПО ГЛАВЕ

ГЛАВА 2. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПРОГНОСТИЧЕСКОЙ ОЦЕНКИ СОСТОЯНИЯ ДВИЖУЩЕГОСЯ ТРАНСПОРТНОГО СРЕДСТВА

2.1 Базовые определения математико-алгоритмических процессов прогностической оценки состояния подвижного объекта

2.2 Мехатронные системы мониторинга и управления состоянием транспортного средства: механико-кинематический подход

2.3 Виды опасных и неуправляемых движений и их концептуальное описание

2.4. Стандартные алгоритмы действий в опасных и неуправляемых видах движений ТС

2.5 Кинематическая модель движения ТС

2.6 Исходные переменные для информационно-математической модели предупреждения ДОС для ТС

2.7 Матричная модель учета угловых скоростей ТС

ВЫВОДЫ ПО ГЛАВЕ

ГЛАВА 3. РАЗРАБОТКА ПРОДУКЦИОННО-ГРАФОВОЙ МОДЕЛИ ДЛЯ ВЫРАБОТКИ РЕКОМЕНДАЦИЙ ПО УПРАВЛЕНИЮ ТС

3.1 Аппарат продукционных систем

3.2 Графовая модель прогноза движения ТС при развитии ДОС

3.3 Продукционные правила для оценки динамичной ситуации и выдачи рекомендаций по управлению ТС

3.4 Разработка продукционно-графовой модели стабилизации движения ТС

ВЫВОДЫ ПО ГЛАВЕ

ГЛАВА 4. ОБРАБОТКА ВРЕМЕННЫХ РЯДОВ И ПРОГНОЗИРОВАНИЕ ПОВЕРХНОСТИ СОСТОЯНИЙ НА ОСНОВЕ АППАРАТА СТАТИСТИКИ И ДИНАМИКИ

4.1 Методические подходы к анализу структур временных рядов

4.1.1. Ограничения аналитических оценок ДОС

4.2 Модель оценки внешней среды

4.2.1 Результаты моделирования

4.2.2 Оценка полноты знаний

4.3 Подход к прогнозированию неустойчивых состояний при управлении ТС при изменении

данных с поверхности планеты

ВЫВОДЫ ПО ГЛАВЕ

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ

Введение диссертации (часть автореферата) на тему «Методика управления движением транспортного средства на поверхности планеты на основе интеллектуального анализа текущих параметров движения»

ВВЕДЕНИЕ Актуальность темы исследования

Проведение фундаментальных космических исследований тесно связано с миссиями исследования поверхности планет с помощью автономных средств передвижения. Создание транспортных средств, способных в автономном режиме и в том числе по целеуказаниям оператора передвигаться по поверхности небесных тел характеризируется единичным производством. Системы управления подобными объектами действуют в условиях неопределённости поверхности передвижения. Это приводит к тому, что отсутствует статистика наработки на отказ в реальных условиях движения, задержка в канале передачи сигналов ручного управления оператора. Классические подходы синтеза систем управления не работают: например, нельзя эффективно компенсировать внешние возмущения или построить адекватную математическую модуль из-за широкого диапазона неопределённостей внешней среды и параметров объекта управления.

Адаптивные, робастные, нейро-нечеткие методы управления требуют либо уточнения математической модели объекта управления, либо процедуры обучения в релевантных условиях, например, моделирование атмосферы другой планеты на Земле. Необходима универсальная методика управления в плохо прогнозируемых и хаотически изменяющихся условиях. Для этого нужно рассматривать объект управления как структурно-функциональную сложную систему - а именно, декомпозировать объект управления и внешнюю среду по блокам описания модели движения. Закон управления строить на основе рекомендации для принятия решений в условиях неопределенности (хаоса) и принять во внимание влияние человека (оператора) на управление движением.

Инженер-разработчик системы управления должен создавать рекомендации, которые должны иметь наглядный инструмент контроля решений, принимаемых системой. Одним из таких инструментов является графо-продукционная модель представления объекта управления, которую дополним набором состояний поверхности движения и характеристиками действий оператора. В соответствии с принципами обратной связи в теории управления для выработки правил необходим

анализ текущих параметров движения. Классические методы анализа, такие как статистическая обработка, или авторегрессия в виду малой выборки и высокой неопределенности возмущений не дадут приемлемой точности управления. Необходим интеллектуальный анализ параметров движения, который включает в себя алгоритмы нечеткой логики, анализ нестационарных процессов (хаотическая динамика).

Результаты интеллектуального анализа формируют базу данных правил, которые составляют алгоритм управления. Суть графо-продукционной модели формирует классификация состояний объектов транспортное средство (ТС), состояния внешней среды (ВС) и целеуказания оператора (О), в том числе движение в автономном режиме. Данный подход позволяет комплексно рассмотреть их взаимодействие: выделить переменные состояния каждого объекта и с помощью ветвей графа наглядно показать изменения состояний. Это позволяет обеспечить прослеживаемость решений интеллектуальной системы - показать наглядно, как и почему были приняты конкретные решения системой управления.

В связи с этим возникает объективное противоречие между требованием наглядности (аудироемости) алгоритма принятия решений и возможностью составить адекватную инженерную модель объекта управления. Например, существуют методы, позволяющие на выходе алгоритма получить решение, но проследить как система принимала это решение практически невозможно. В условиях высокой автономности движения по поверхности планеты необходим алгоритм в виде графа, показывающий наглядно оператору прогноз развития ситуации. Развитие опасных ситуаций рассматривалось, как внешние возмущения, которые необходимо компенсировать. В представленном исследовании, в рамках интеллектуального анализа, создается прогноз развития опасных ситуаций и с помощью графо-продукционной модели инженеру-разработчику позволяет наглядно прослеживать стратегию митигирования рисков аварийных ситуаций.

Степень разработанности. По рассматриваемым проблемам за последние годы проведено большое количество исследований, в частности разработаны модели и методы оценки состояния поверхности движения, созданы алгоритмы на

основе нейро-нечетких систем управления, совмещающих расчетно-логические вычисления и элементы технологии искусственного интеллекта. Вопросы анализа поведения сложных человеко-машинных систем в составе с ТС рассматривались в трудах исследователей РУДН, МГТУ им. Н.Э.Баумана, ИПУ им. В.А.Трапезникова РАН, ИПМ им. М.В. Келдыша, МИРЭА, МАДИ и других специалистах в области теории управления. В исследованиях Военно-космической академии им. А.Ф. Можайского подробно рассматриваются вопросы построения автономных бортовых информационно-измерительных комплексов, в частности - косвенная идентификация объектов управления и аналитические методы оценивания точности адаптивных систем. Таким образом, актуальной является научно-техническая задача продолжения исследований по разработке математических моделей и методов оценки состояния и алгоритмизации управления движением ТС (как пример - малые мобильные роботизированные передвижные комплексы) в условиях неопределенности движения по планете с учетом неопределенных возмущений, заданных стохастическими процессами, возникающих в человеко-машинных системах «ТС-ВС-О». По рассматриваемым проблемам за последние годы проведено большое количество исследований [5,6,7,8], в частности разработаны модели и методы оценки состояния поверхности движения, созданы алгоритмы на основе нейро-нечетких систем управления, совмещающих расчетно-логические вычисления и элементы технологии искусственного интеллекта. Научные работы [9,10,11,12] посвящены проблемам прослеживаемости механизмов принятия решений.

Цель диссертационной работы - Повышение устойчивости движения транспортного средства на поверхности планеты, в условиях неопределенности внешней среды, возможных задержек в канале связи, действий оператора, хаотических процессов в системе «ТС-ВС-О».

Особенностью разрабатываемого математического метода является наглядное описание рассматриваемых альтернатив принятия решений и коалиционный характер учета нестационарных процессов при движении ТС со стороны активных субъектов - оператора и поверхности торможения. Таким

образом, применение аппарата теории игр позволит определить оптимальную стратегию взаимодействия в системе «ТС-ВС-О», а не бороться с внешними параметрами для прямолинейного достижения целеуказаний оператора.

Решаемые задачи

1. Анализ современных подходов по управлению движением транспортного средства, обзор методов интеллектуального анализа данных.

2. Описание информационно-кинематической схемы контроля состояния системы «ТС-ВС-О», разработка формализованных характеристик внешней среды и действий оператора, существенных для прогнозирования движения и развития риска аварийной ситуации.

3. Разработка математической модели взаимодействия системы «ТС-ВС-О» для оценки состояний транспортного средства, в частности, моделирование торможения как основного фактора риска развития аварийной ситуации.

4. Разработка программного обеспечения для анализа временных рядов, представленных параметрами движения, полученных с измерительных устройств с учетом неопределенностей.

5. Разработка математического аппарата интеллектуального анализа текущих параметров движения для оценки прогнозирования аварийной ситуации (динамически опасной ситуации - набор состояний объекта «ТС-ВС-О», меняющихся во времени).

6. Разработка графо-продукционной модели для формирования базы данных и метода выдачи рекомендаций по управлению ТС.

Объект исследования - Система управлением движения транспортного средства на поверхности планеты, функционирующая в условиях априорно-неопределенных возмущающих факторах

Предмет исследования - Математические модели и алгоритмы интеллектуального анализа данных для управления движением ТС в условиях неопределенности с учетом движения по поверхности планет.

Научная новизна полученных результатов

1. Предложена структурная схема бортовой интеллектуальной системы управления, основанная на декомпозиции главной цели на дерево подцелей и введении в контур управления двух обратных связей с интеллектуальным анализом текущих параметров движения для оценки прогнозирования динамически опасной ситуации. Это позволяет проводить оценку угловых скоростей вращения колес, что обеспечивает контроль вращения ТС относительно заблокированного колеса и позволяет контролировать режим (качение, скольжение, блокировка) движения колеса в рамках одной математической модели

2. В части методики управления системы «ТС-ВС-О» создана графо-продукционная модель для формирования базы правил, состоящая из автономных модулей под выделенные состояния графа для формирования базы данных алгоритмизации управления. Графо-продукционная модель позволяет применять унифицированные условия переходов от состояния к состоянию и выдавать упреждающие рекомендации оператору при дистанционном управлении, например, изменение курса, скорости в режиме торможения.

Теоретическая значимость работы

Создана схема иерархического контроля состояния ТС и оценок внешней среды. Разработана двухуровневая схема контроля состояния ТС, кроме аппаратно-ориентированных и расчетных алгоритмов (первый уровень) введен уровень вычислений на основе моделей знаний (нечеткая логика, графо-продукционная модель). В отличие от кинематической схемы (замкнутая система контроля ТС) ценность данной иерархической схемы контроля состояния ТС заключается в модульной структуре, учитывающей через правила базы знаний, характеристики внешней среды и действий оператора.

Практическая значимость работы

Получены диаграммы оценки соотношений пар угловых скоростей как ключевых параметров развития динамически опасной ситуации. Это позволяет дать первичную оценку развития потенциального риска неуправляемого движения, связанному, в частности, с блокированием колес при торможении. В работе

проанализированы с помощью метода хаотической динамики свойства диаграммы как свойства аттрактора.

Методология и методы исследования. За основу принимаются теория автоматического управления, теория принятия решений, теория выбора, теория конфликта, методы искусственного интеллекта, методы интеллектуального анализа данных.

Положения, выносимые на защиту.

1. Структурная схема бортовой интеллектуальной системы управления, учитывающая декомпозицию главной цели на дерево подцелей и введении в контур управления двух обратных связей, обеспечивающий интеллектуальный анализ данных параметров движения для оценки прогнозирования динамически опасной ситуации.

2. Графо-продукционная модель, учитывающая связи состояний графа (в вершинах содержаться параметры пространства состояния системы «ТС-ВС-О») для формирования базы данных алгоритмизации управления, где для каждой вершины разработаны группы автономных правил.

Степень достоверности результатов. Проведен всесторонний объективный анализ с работами, посвященными исследуемому предмету за прошлые годы. Изучены результаты экспериментов и проанализированы их с показателями апробированного методического аппарата.

Апробация результатов. Результаты работы докладывались на Международном научно-техническом форуме IAA/AAS SciTech Forum (РУДН, 2019), на 12-й Международной научно-технической конференции «Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации» (Курск, 2015 г.), на форуме Медико-Экологические информационные технологии, Курск, 2018, 13-ой Всероссийской научно-практической конференции, Ростов-на-Дону, 2018. Результаты диссертационной работы внедрены в учебный процесс Инженерной Академии РУДН.

ГЛАВА 1. АНАЛИЗ СОСТОЯНИЯ ВОПРОСА УПРАВЛЕНИЯ И СТАБИЛИЗАЦИИ ТРАНСПОРТНЫМ СРЕДСТВОМ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ. ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ

Приводится описание математических моделей процесса движения ТС, в том числе процесс торможения как самый важный для развития динамически опасной ситуации. По результатам сравнения делается выбор в сторону аппарата ГПС и нечеткой логики. Они позволяют использовать собственные операции и функции параллельной проверки множества условий движения и обработки данных. Разработана структурная схема интеллектуальной системы управления, отличающаяся введением в контур управления двух обратных связей. Связи обеспечивают получение формирование текущей реакции на условия внешней среды и модельное (виртуальное) поведение по рекомендациям оператора, что позволяет получить дополнительную информацию о процессе движения ТС.

1.1 Современный подход анализа и управления транспортным средством как

преобразователем информации

Задачи анализа состояния и управления транспортным средством в условиях торможения требуют проектирования и моделирования таких подходов, которые должны включать: во-первых, связи между параметрами, определяющие свойства и математическую модель, и, во-вторых, хаотичность модели в процессе движении и развития динамически опасной ситуации.

При составлении расчетной схемы математического объекта формируется уникальная математико-операционная форма динамически опасной ситуации (далее - ДОС). ДОС проявлявляется при разных формах торможения, например, когда возникает блокировка колес, а проскальзывание сравнительно мало в паре левого и правого борта транспортного средства.

Подход модели, сформированный на подсчете и придаче ему критериев, обзор модели, способствует применению для аналитических подходов к решению задачи. Формирование модели идет по пути обучения конкретных параметров

схемы модели и изучения ее поведения как мехатронного преобразователя информации [13]. При этом движение рассматривается как разновидность преобразования координат ТС. При этом появляются расчетные и теоретические координаты и соответственно фактический и желаемый курс ТС.

Главной задачей системы управления является эффективное принятие решений, которое можно проаудировать (проследить). В 1930 г. Берталанфи Л. представил подход к анализу общей теории систем. В 1935 г. Анохин П.К. представил аналитический алгоритм формирования и обучения функций модели, базируясь на уникальности теории функциональной схем [14, 15].

Далее в виду необходимости создавать системы, базирующиеся на блоках разной физической природы, Винер Н. предложил способ кибернетического управления моделью и связями объекта. Месарович М.К. опубликовывает главную теорию систем, базирующуюся на формировании теоретико-множественных и нейро-нечетких подходах.

Стэндфордский исследовательский университет в 1959 году опубликовал модель обучения и метода алгоритма адаптации в практико-лабораторных целях системы интеллектуализации. В статьях решаются задачи создания базы в интеллектуализации. Формируются алгоритмы обработки информации, вводятся принципы построения баз хранения информации [16,17].

1.2 Анализ существующих методов интеллектуального анализа

Формирование главной цели автоматизации и алгоритмов интеллектуализации [18, 19, 20], информационных и других побед в микросистемной технике и других смежных научно-технических направлений в XXI веке вызвало резкую активизацию поисковых исследований в области информационно-вычислительных систем в вычислительной технике с целью комплексирования в ТС вычислительных, управляющих, мехатронных и иных способов обработки информации.

В ближайшем будущем планируется создать автономные ТС, выполняющие различные транспортные функции в условиях неопределенности. При этом наибольший научно-инженерный задел создан в компании GOOGLE по разработке программно-алгоритмического обеспечения автономного движения (рис. 1.1).

Современной задачей интеллектуализации является разработка алгоритмов управления ТС в дистанционном режиме (расстояние более 300000 км). Компоновка схемы автоматизации модели включает: датчик (лазерный сканер), радарный сенсор, гироскоп; данные геопозиционирования; камеры видеонаблюдения; программное обеспечение.

На марсоходе (рис.1.1.1), для примера, около двух десятков камер, помогающих в идентификации поверхности на Марсе, передают данные на Землю. Камеры в рекомендуемом разрешении позволяют принимать оперативные решения. Данная форма обратной связи разрешает применять оперативные решения на основе анализа оператора в рамках решения данной задачи, а не на основе интеллектуального анализа данных.

Рис. 1.1.1. Пример движения ТС на планете Марс

Датчик (лазерный сканер) определяет область рядом с ТС на пути не менее 45 ми формирует картину внешней среды. Датчик (лазерный сканер) - это подвесной каркас с камерой на транспортном средстве. Центральным местом среди

входных устройств системы беспилотного вождения (автономного движения) будет датчик расстояния, расположенный на верху ТС. Данная модель представляет собой 32- битную систему (лазер-датчик), который формирует данные параметров пространства. Датчики способствуют получению данных с геонавигационной системы. ТС представляет собой несколько датчиков радарного типа, базирующихся спереди и сзади. Генератор создает импульсы, которые показывают уклон от объектов по пути. Схема показывает лишь малую составляющую, которая всегда базируется на принятии решения оператором.

Самоуправляемый автомобиль Google - как и человек, обладающий 5 чувствами -оснащен разнообразными устройствами, отвечающими за обнаружение находящихся вокруг объектов для того, чтобы избежать с ними столкновения. Глобальная система позиционирования (GPS) помогает автомобилю определять местоположение в пространстве

Навигационный датчик, размещенный в ступице колеса, помогает определять положение авто, исходя из количества оборотов колеса

Четыре

видеокамеры

установленные на каждом углу корпуса авто, а также пятая камера,

монтируемая на крыше, помогают распознавать находящиеся вокруг объекты

Как все это работает?

ф Программа анализирует и идентифицирует люоой объект, замеченный датчиками автомобиля, определяя, что это такое - пешеход, велосипедист, транспортное средство или что-то иное.

Q Используя опыт, накопленный во время предыдущих поездок, программа строит прогнозы относительно того, какие объекты могут встретиться дальше на дороге.

^ Программа анализирует информацию и принимает решение о том, как следует поступить в целях безопасности - прибавить скорость, повернуть или задействовать тормоза.

Источник Google

Graphic: Tribune News Service

Каким видит окружающий мир самоуправляемый автомобиль?

Такое компьютерное изображение видят исследователи Google, контролирующие работу датчиков во время езды в авто.

^—ß Другое транспортное средство

Пешеход

[] Велосипедист

[ I I м П Объекты, требующие внимания

I I I 1 I 1—i Пешеходный переход - перед ним авто должно остановиться

S Дорожный знак, предупреждающий о подъезде к ж/д путям

■ Маршрут, по которому планирует двигаться самоуправляемый автомобиль Google

Рис. 1.1. Пример компоновочной схемы датчиков ТС и ключевых блоков

управления

Камера создает трек пути и обеспечивает идентификацию объекта, что может помочь в расчете параметров движения [21, 22, 23]. Контроллер положения ищет географические данные в совокупности с необходимым стандартным уклоном и

отдает обратно (по формату обмена с навигационными приемниками) с определенной частотой. Геостационарные данные, передающие изменение от геонавигационной системы, обрабатываются в ТС, блок переходит в режим дистанционного управления. Блок формирует сигнал стандартным способом, когда сигнал не получен. Параметры определения положения установлены на любом из колес. Входные параметры формируются в блоке «создания», где учитывается их формализация согласно определенной программе и создания управляющих воздействий на регуляторы объекта. Для примера, анализируются главные объекты управления - руль, колодки, системы стабилизации и управление двигателем.

Различные компании не формируют и не создают свои ТС, а концентрируются на главном - установить корректное программное обеспечение для управления ТС. Рассматривались ТС с блоками антиблокировочных систем и систем управления курсовой устойчивостью. Программное обеспечение (далее -ПО) отвечает за создание уникальных возможностей интеллектуализации ТС. Один из известных примеров - это «Google Chauffeur». Направленность таких проектов - это цифровизация схем местности [24, 25] (рис. 1.2).

Рис. 1.2. Цифровая модель местности, полученная системой зрения GOOGLE

На рис. 1.3 представлены 4 подсистемы управления движением.

ВИДЕОКАМЕРА LIDAR ИЗМЕРИТЕЛЬ ПОЛОЖЕНИЯ

Установленная радом с Вращающийся датчик на крыше Датчик, установленный на

зеркалом заднего вида, сканирует пространство в радиусе левом заднем колесе измеряет,

видеокамера определяет светофоры во метров для создания динамической продольное движение и определяет

и любые движущиегя объекты трехмерной карты положение автомобиля на карте

автомобиля

Рис. 1.3. Основные подсистемы беспилотного ТС

Обобщая технические возможности средств цифровизации ТС, можно обоснованно считать, что прогресс алгоритмических и программных средств стабилизации движения пойдет по пути получения и использования дополнительной информации о внешней окрестности ТС. Математические модели и методы должны быть использованы как расширение информации.

Главная задача в обучении системы - это дообогащение базы данных и создание эффективных решений, которые базируются на подходе к принятию управления транспортным средством и созданию таких параметров движения, при которых будет сформирован оптимальный вектор управляющего воздействия при наличии неопределенностей.

По современной классификации, электронные блоки управления ТС можно отнести к классу адаптивных систем расчетно-логического типа, сочетающих в себе, наряду с традиционными информационной и вычислительной подсистемами также «мягкие» вычисления.

Для детерминистской модели необходимо заранее знать все характеристики ТС, относящиеся к движению. Гарантированность системы управления при взаимодействии с внешними факторами и начальными условиями складываются из устойчивости (установившийся режим) и качества (переходный режим), параметры и воздействия обычно отображены как детерминированные, в совокупности с робастностью.

Неопределённость параметров на входе указывает на робастность внешних параметров, которые в свою очередь, затрагивают управляющие воздействия на исполнительном устройстве. В классическом подходе управления это приводит к необходимости множественного моделирования объекта управления. Если для системы управления с объектом описать в качестве характеристики устойчивость, то контроллер будет робастным, относительно этой характеристики, если ею обладает множество объектов, задаваемых неопределённостью. Поэтому понятие робастности подразумевает наличие контроллера, множества объектов и фиксацию определённой характеристики системы управления.

1.2.1. Информационные модели и технические средства для управления

транспортным средством

Кинематические модели механических систем детально описываются движением реальных систем. Эти модели используют для моделирования многих задач управления, включая теоретические цели устойчивости автономных транспортных средств, целей планирования, вопросы управляемости, при этом регулятором выступает параметр, относящийся к движению, например, угловая скорость колес, продольное или поперечное ускорение [24]. Данные объекты используются для решения прикладных задач управления: стабилизации движения транспортного средства на различных поверхностях, сохраняя движения с объектами помехи и т.д. [26, 27]. Блоки анализа данных в конкретный момент времени базировались главным образом в совокупности с данными внешнего возмущения, исполнительного устройства и регулятора, которые описывались в поиске задач проработки конкретных программных сигналов схемы и лишь иногда определялись лучшие параметры.

Решение расчетных задач характеризуется относительным комбинаторным характером генерации вариантов, множественностью вариантов шагов вычислений, необходимостью коррекции и добавления данных по мере вычислений, активностью воздействия на вычислительный процесс лица

принимающего решения. С другой стороны, при решении таких задач используются экспертные модели о предметной области, заложенные специалистами-экспертами и модели поиска (формальные и эвристические). На основе опыта создания интеллектуальных систем выделено примерно 8-10 типов задач (табл.1.1), для которых технологии искусственного интеллекта определяют эффективное получение решений. В общем случае класс интеллектуальных задач можно разбить на задачи анализа, синтеза и комбинированные задачи.

Таблица 1.1 - Типы и классы интеллектуальных задач

Список литературы диссертационного исследования кандидат наук Андриков Дмитрий Анатольевич, 2020 год

СПИСОК ЛИТЕРАТУРЫ

1. Егупов Н.Д Методы классической и современной теории автоматического управления/: МГТУ им. Н.Э. Баумана, 2000. - Т.2. 735 с.

2. Егупова Н.Д. Методы робастного, нейро-нечёткого и адаптивного управления/Под ред. МГТУ, 2001, 639 с.

3. Воронов Е. М. Методы оптимизации многообъектных многокритериальных системам на основе стабильно-эффективных решений: учебник/Под. ред. Н.Д Егупова. - М.: Изд. МГТУ им. Н.Э. Баумана, 2001 567 с.

4. Пупков К.А., Егупов Н.Д., В.Г. Коньков Методы анализа, синтеза и оптимизации нестационарных систем автоматического управления/ - М.: МГТУ им. Н.Э. Баумана, 1999. - 683 с.

5. Яковенко Г.Н. Управляемые системы, робастные по начальных данным // Проблемы управления №4, 2008. С.20-24

6. Цыкунов А.М. Робастное управление объектом с распределенным запаздыванием // Проблемы управления, №3 2017, с. 2-8.

7. Бабков В.Ф. Дорожные условия и безопасность движения. -М.: Транспорт, 2015. - 270 с.

8. Doyle J.C., Glover K., Khargonekar P.P., Francis B A. State- space solution to standard Н2 and Нда control problems // IEEE Trans. Automat. Control. — 2016.

— Vol. 34, N 8. — P. 83—847.

9. Поляк Б.Т. , Щербаков П.С. Робастная устойчивость и управление // М.: Наука, 2002. - 303с

10. Магомедов М. Х. Диссертация на соискание уч. ст. доктора физ. мат. наук.

- М. 2003

11. Цыкунов А.М. Робастное управление линейными сингулярно -возмущенными объектами // Проблемы управления №2, 2010. С. 2-11

12. Kolmanovsky I., McClamroch N.H. Developets in nonholonomic control problems // IEEE Control Syst. Mag. 1995. V. P. 20-26.

13. Буков В.Н. Робастное подавление внешних возмущений в многосвязной системе с децентрализованным координированным управлением // Мехатроника, автоматизация, управление №2, 2010

14. Дмитриев М.Г., Курина Г.А. Сингулярные возмущения в задачах управления // Автоматика и телемеханика №1,2006. С.3-51

15. Смольяков Э.Р. Подход к разрешению проблемы единственности решения игровых задач // Кибернетика и системных анализ № 2, 2009.С.116 - 127

16. Фрадков А.Л. Адаптивное управление в сложных системах. // М.: Наука, 1990 г.

17. Матюхин В.И. Управление колесной системой в условиях неопределенности // Автоматика и телемеханика, №5, 2009. С.76-94

18. Панов В.П. Приходько В.В. Система для определения пространственного положения объекта Номер патента: 2282865 c1 экспедиция телеком для ЗАО "Национальное радиотехническое бюро"

19. Панов В.П. Приходько В.В. Способ передачи и приема информации в прямом и обратном направлениях номер патента: ru2340107 c1 экспедиция телеком для ЗАО "Национальное радиотехническое бюро"

20. Ackermann J. Robust control systems with uncertain physical parameters. London Springer - Verlag, 2009

21. Новожилов И.В. О заносе при торможении // Изв. АН СССР. МТТ. 1973. № 4. С.45-50

22. Никифоров В.О., Ушаков А.В. Управление в условиях неопределенности: чувствительность, адаптация, робастность // СПб: СПб ГИТМО (ТУ), 2002

23. Курдюков А.П., Максимов Е.А. Робастная устойчивость линейных дискретных стационарных систем с неопределенностью. Ограниченной по анизтропийной норме // Авт. и телемеханика №12,2004. С. 129 - 143

24.Цыкунов А.М. Алгоритмы робастного управления с компенсацией ограниченных возмущений // Автоматика и телемеханика. — 2007.— No 7. — С. 103—115.

25. Вилкас Э.И. Оптимальность в играх и решениях. -М.: Наука 1990.

26. Соколов В.Ф.Робастное слежение при неизвестных верхних границах возмущений и помехи измерений // Автомат. И телемех., 2013, выпуск 1, страницы 98-115

27. Цыкунов А.М. Робастное управление нелинейным объектом по выходу // Проблемы управления. — 2010.— No 5. — С. 15—21.

28. Buslowicz M., Kaczorek T.,"Robust stability of positive discrete-time interval systems with time-delays", Bulletin of the Polish Academy of Sciences. Technical Sciences, 52:2 (2004), 99-102

29. Гермейер Ю.Б. Введение в теорию исследования операций. - М.: Наука, 1971 г.

30. Морозов М.В. Робастная устойчивость дискретных систем управления с периодическими интервальными ограничениями // Проблемы управления 2013, т. 4, с. 11-15

31. Dorato P., Yedavalli R. K., Recent Advances in Robust Control, IEEE Press, N.Y., 1990

32. Морозов М.В., "Условия робастной устойчивости линейных нестационарных си- систем управления с интервальными ограничениями", Проблемы управления, 2009, No 3, 23-26

33. Жирабок А.Н., Кучер Д.Н. Филаретов В.Ф. Обеспечение робастности при диагностировании нелинейных систем // Автомат. И телеме., 2010, выпуск 1, страницы 159-173

34. Панов В.П. Приходько В.В. Устройство для определения информативных параметров и характеристик радиосигналов передатчиков Номер патента: ru 2267862 c1 АО"Национальное радиотехническое бюро"

35.Макаренко С.И., Ковальский А.А., Краснов С.А. Принципы построения и функционирования аппаратно-программных средств телекоммуникационных систем // Санкт-Петербург, 2020. Том 2 Сетевые операционные системы и принципы обеспечения информационной безопасности в сетях

36.Муравьева О.В. Робастность и коррекция линейных моделей // Автомат. и телемех., 2011, выпуск 3, страницы 98-112

37. Бутылин В.Г., Иванов В.Г. Способ управления антиблокированием колеса при торможении / Пат. В60Т8/58, BY 5566 С1 (Белоруссия). //Изобретения. Полезные модели. Промышленные образцы. -2003. -№5.

38. Яковенко Г.Н. Нестационарно робастные системы - обобщение класса управляемых систем// Автомат. и телемех., 2011, выпуск 7, страницы 75-82

39. Габасова Р.А., Кириллова Ф. М., Поясока Е. И. Оптимальное управление по препостериорным оценкам множественной неопределенности // Автомат. и телемех., 2011, выпуск 1, страницы 80-94

40.Слынькоа В. И., Денисенко В. С. Робастная устойчивость систем линейных дифференциальных уравнений с периодическим импульсным воздействием // Автомат. и телемех., 2012, выпуск 6, страницы 89-102

41.Малетин А.Н., Фоминов И.В., Хатанзейская М.А. Параметрический синтез демпфирующего звена акселерометра, функционирующего в режиме автоколебаний Авиакосмическое приборостроение. 2019. № 8. С. 45-55.

42. Фуртат И. Б. Непрерывно-дискретное робастное управление линейным объектом // Мехатроника, Автоматизация, Управление №4, 2010

43. Еремин Е.Л., Кван Н. В., Семичевская Н. П. Робастное управление нелинейными объектами с наблюдателем полного порядка и быстродействующей эталонной моделью // Мехатроника, автоматизация, управление №5, 2010

44. Пшихопов В.Х., Медведев М. Ю. Блочный синтез робастных автоматических систем при ограничениях на управления и координаты состояния// Мехатроника, автоматизация, управление №1, 2011

45.Зайцева М. В., Паршева Е. А Робастное децентрализованное управление с компенсацией возмущений нелинейными многосвязными объектами // Мехатроника, автоматизация, управление №6, 2011

46. Тарарыкин С.В., Аполонский В.В., Терехов А.И. Исследование влияния положительных обратных связей на робастные свойства систем автоматического управления с регуляторами состояния // Мехатроника, автоматизация, управление №3, 2013

47. Нефедьев Я.Н. Комплексная система активной безопасности АТС//Сильная промышленность. - 2004. - № 2. - С. 12-14.

48. Новожилов И.В., Павлов И.С. Приближённая математическая модель колёсного экипажа//Известия АН МТТ. - 1997. - № 2. - С. 196-204.

49. Пировский Ю.В. Общая формула мощности сопротивления качению полноприводного ТС//Сильная промышленность. - 1973. - № 1. - С. 34-35

50. Полтев К.М., Полтев М.К. Безопасность движения ТС. - М.: Московский рабочий, 1968. - 285 с.

51. Chaitin L.J., Duda R.O., . Johanson P.A Research and applications: Artificial intelligence /. - Washington, 1970. - 169 p. (Contract NAS12-2221, SRI Project 8259).

52. Doyle J.C. Analysis of feedback system with structured uncertainties//IEE (Institution of electrical engineers) Proceedings. Part D - Control theory and application. - 1982. - Vol. 129. - P. 242-250.

53. Doyle J.C., Glover К., Khargonekar P.P., Francis B.A. State space solutions to standard H2 and Нда control problems

//IEEE Transactions on automatic control. - 1989. - 34. - P. 831-847.

54. Яковенко Г.Н. Управляемые системы, робастные по начальным данным Проблемы управления 4.2008 ст. 20

55. Агейкин Я.С., Кульчицкий-Сметанка В.М. Теория движения колесной машины по неровной грунтовой поверхности. - М.: МГИУ, 2002. - 44 с.

56. Акопян Р.А., Макаров В.В. К оценке устойчивости движения автомобиля//Автомобильная промышленность. - 1976. - №3. - С. 23-25.

57. Али Р.С., Козлов В.Н. Теория автоматического управления. Синтез робастных систем методами Н2 и Нда-теорий. - СПб.: СПбГПУ, 2003. - 95

58. Андриков Д.А., Коньков В.Г. Робастный регулятор транспортного средства с АБС// Труды 6-го Международного симпозиума Intel'2004. - Саратов, 2004. - С. 112-115.

59. Лепешко И.И., Лещинский А.И., Бутылин В.Г. Пат. В60Т13/08, 186 U (Белоруссия). Усилитель гидравлической системы /

//Изобретения. Полезные модели. Промышленные образцы. - 2000. - №6.

60. Лепешко И.И., Лещинский А.И., Бутылин В.Г. Пат. В60Т8/58, BY 5566 С1 (Белоруссия). Способ управления антиблокированием колеса при торможении //Изобретения. Полезные модели. Промышленные образцы. -2003. -№5.

61. Фролов А.Б., Фролов Д.А., Яко Э. Программируемые функциональные схемы для распознавания упорядоченных объектов//Изв. АН. Теория и системы управления. - 1997. - № 5. - С. 163-172.

62.Голяков А.Д., Фоминов И.В. Аналитический метод оценивания точности адаптивной системы автономной навигации космического аппарата // Известия высших учебных заведений. Приборостроение. 2015. Т. 58. № 3. С. 190-196.

63.Лохвицкий В.А., Рыжиков Ю.И., Фоминов И.В. Многокритериальное оценивание качества измерителей угловых скоростей космических аппаратов на основе лучевых диаграмм Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. 2018. № 2. С. 11-23.

64.Фоминов И.В., Малетин А.Н., Ключников А.И. Метод автономной идентификации коэффициента преобразования маятникового компенсационного акселерометра на основе использования эталонной модели Известия высших учебных заведений. Приборостроение. 2017. Т. 60. № 8. С. 770-780.

65.Doyle J.C., Glover K., Khargonekar P.P., Francis B.A State space solutions to standard H2 and Нда control problems

//IEEE Transactions on automatic control. - 1989. - 34. - P. 831-847.

66.Khomonenko A.D., Zimovets A.I., Plyaskin S.P. About complex objects defining via integration of data from various sources ceur workshop proceedings // Proceedings of Models and Methods of Information Systems Research Workshop

2019. 2020. С. 46-51.

67. Кудро Д.В., Цыбрин В.Г., Степанюк О.М. Коррекция плана задействования канальных ресурсов телекоммуникационной сети автоматизированной системы управления с плановым характером выполнения целевых задач // Информация и космос. 2020. № 2. С. 51-54.

68.Захаров А.И., Брякалов Г.А., Чумакова Е.В. Разработка методики расчета и оценки эксплуатационных характеристик средств систем хранения информации центров обработки данных Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление.

2020. № 3. С. 83-90.

69. Francis B.A., Doyle J.C. Linear control theory with an Нда optimality criterion//Society for industrial and applied mathematics (SIAM) Journal on Control and Optimazation. - 1987. - Vol. 25. - P. 815-844.

70. Funabashi M., Moeda A., Morooka Y., Mori K. Fuzzy and neural hybrid expert systems: synergetic AI / // IEEE Expert: Intelligent Systems and Their Applications. - 1995. -Vol. 10, -№4. - P. 32-40.

71. Glover K, McFarlane D. Robust stabilization of normalized comprise factor plant descriptions with H^-bounded uncertainty//IEEE Transactions on Automatic Control. - 1998. -Vol. 34, - № 8. - P. 821-829.

72. Glover K. All optimal Hankel-norm approximations of linear multivariable systems and their L^-error bounds//International journal of control. - 1984. - 39.

- P. 1115-1193.

73. Glover K., Doyle J. State-space formulae for all stabilizing controllers that satisfy an Нда norm bound and relations to risk sensitivity//Systems and control letters. - 1988. - №11. -P. 167-172.

74. Gnadler R., Unrau H.J., Fishlein H., Frey M. Ermittlung von ц-Schlupf-Reifen / // FAT-Schriftenreihe (Frankfurt am Mein).

- 1995. - № 119. - S. 169.

75. Hartman D., Lehnen K. Technische Expertensysteme. - Berlin: Springer-Verlag, 1990. - 256 s.

76.Павлов А.Н., Павлов Д.А., Воротягин В.Н. Метод использования нечетких гиперграфов для оценивания структурно-технологической живучести элементов системы управления ориентацией автоматических космических аппаратов Космическая техника и технологии. 2020. № 3 (30). С. 103-113.

77.Herden W., Hein H.W., Voss H. Realisierung von Expertensystemen. - Munich

- Wien - Oldenbourg, 1992. - 219 s.

78. Houston J.M., Harris P.B., Norman M. The aggressive driving behavior scale: Developing a self-report measure of unsafe driving practices//North American journal of psychology. -2003. - Vol. 5, № 2. - P. 269-278.

79. Khagonear P.P., Petersen I.R., Rotea M.A. H^-optimal control with state-feedback//IEEE Transaction on automatic control. - 1988. -Vol. 33, № 8.

- P. 786-788.

80. Khagonear P.P., Petersen I.R., Zhou K. Robust stabilization and H^-optimal control//IEEE Transactions on Automatic Control. - 1990. - Vol. 35, - №3. - P. 356-361.

ПРИЛОЖЕНИЕ

Анализ результатов экспериментов 1-10 на основе базового варианта №1

(нулевые начальные условия)

Эксперименты 1,2 (рис. 1-3). Базовый вариант 1 с ( ах = Ь = 1 а. = р. = 0 г = 2,3) со ГРЭВ-1 и ГРЭВ-7.

Получены следующие результаты:

• диапазоны изменения показателей

0.170-10-12 < JА1 < 8.097 • 10-12 39.51025 < JА2 < 39.51031

0 < JА3 < 5.13•Ю-13

- 8.097 • 10-12 < J П1 <-0.170 • 10-12

0 < JП2 < 2.00 • 10-4

0.32 < JП3 < 2.19

• оптимальные значения управляющих параметров ГРЭВ1

1, ] = 1,1 и ] = 1,2 и ] = 2,1 К У = 2,2

ущ 1 0.29 0.77 0.29

г 0.05 0.15 0.05 0.15

ГРЭВ7

и ] = 1,1 К ] = 1,2 и ] = 2,1 ^ У = 2,2

1 0.29 0.77 0.29

их 0.05 0.15 0.05 0.15

оптимальные значения показателей

ГРЭВ1

и А, : 4.29 • 10

-12

39.51034, 0.67 • 10

-13

\JrПl : -4.29 • 10-12, 0.16 • 10-4, 1.2924

JrА1 : 0.52, 0.46, 0.13 Ут : 0.48, 0.08, 0.52

ГРЭВ7

Ji,A, : 4.29 • 10-12, 39.51033, 0.41 • 10

тУКУ

-13

JПКУ : -4.29 • 10-12, 0.06 • 10-4, 1.1428

т

: 0.52, 0.34, 0.08

' Аi

JAT1КУ : 0.48, 0.03, 0.44

т

Рис. 1 Область допустимых значений показателей

Рис. 2 Угловая скорость ^ г ()

Эксперименты 3,4 (рис. 4-6) По сравнению с базовым вариантом 1 в соответствии с таблицей 4.2 выделены основные показателей 3 и Jщ (

= = 09 а = Ь = 0.05 / = 2,3) и конфликтная ситуация становится

близкой к антагонизму. Получены следующие результаты:

• диапазоны изменения показателей

0.170-10-12 < 3А1 < 8.097 • 10-12 39.51025 < 3А2 < 39.51031

0 < 3А3 < 5.13•Ю-13

- 8.097 • 10-12 < 3 П1 <-0.170 • 10-12

0 < 3П2 < 2.00 • 10-4

0.32 < 3П3 < 2.19

• оптимальные значения управляющих параметров ГРЭВ1

и ] = 1,1 и ] = 1,2 и ] = 2,1 К У = 2,2

Ущ 1 0.29 0.77 0.29

их 0.05 0.15 0.05 0.15

ГРЭВ7

1, ] = 1,1 и ] = 1,2 и ] = 2,1 ^ У = 2,2

1 0.29 0.53 0.29

ух 0.05 0.15 0.1 0.15

оптимальные значения показателей ¡JrА, : 0.040292, 39.558, 0.14943

ГРЭВ1

JrПl : -0.040292, 7.2085е + 007, 2.0489

JrАг : -0.023935, 0.85505, 0.41466

JП : 1.0239, 0.0065844, 0.92258

ГРЭВ7

JrAl : 0.040292, 39.558, 0.14943

JrAг : -0.023935, 0.85505, 0.41466

JrПl : -0.040292, 7.2085е + 007, 2.1937

Jrш : 1.0239, 0.0065844, 1

Рис. 4 Область допустимых значений показателей

Рис. 5 Угловая скорость W z (t )

Рис. 6 Скорость заноса У у (1:)

Эксперименты 5,6 (рис. 7-9) По сравнению с базовым вариантом 1 в соответствии с таблицей 4.2 выделены основные показателей 3и J(

= Р\ ~ 0,8 а1 ~ Ь1 ~ 0,1 ^ ~ 2,3 ) и конфликтная ситуация

близкой к антагонизму.

Получены следующие результаты: • диапазоны изменения показателей

0.170-10-12 < 3А1 < 8.097 • 10-12

становится

39.51025 < 3А2 < 39.51031

0

< 3А3 < 5.13-10

-13

- 8.097 • 10-12 < 3 П1 <-0.170 • 10-12

0

0.32

< 3П2 < 2.00 • 10

< 3п3 < 2.19

■4

• оптимальные значения управляющих параметров ГРЭВ1

г Ущ 1, ] = 1,1 и ] = 1,2 и ] = 2,1 К У = 2,2

0.77 0.29 0.77 0.29

г V ■■ ух 0.05 0.15 0.05 0.15

ГРЭВ7

пУКУ ух 1, ] = 1,1 и ] = 1,2 и ] = 2,1 К У = 2,2

1 0.29 0.53 0.53

УКУ ух 0.05 0.15 0.1 0.1

• оптимальные значения показателей ГРЭВ1 ГРЭВ7

0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

СТЭК 1

Парето-граница

СТЭК 7

0.1

0.2

0.3

04 £ 0.5

0.6

0.7

0.8

0.9

JrАi : 0.046136, 39.551, 0.13728

JrАi : 0.00040069, 0.78618, 0.19369

JП : -0.046136, 1.0259е + 008, 2.0489

УП : 0.9996, 0.021243, 0.92258

JrAl : 0.046135, 39.551, 0.13728

JrAl : 0.00039518, 0.79144, 0.19369

JrПl : -0.046135, 1.0259е + 008, 2.1937

,1ГП1 : 0.9996, 0.021243, 1

Рис. 7 Область допустимых значений показателей

Рис. 9 Скорость заноса Vy (t )

valve inn

valve outu

valvejrm valve out2i

valvejrm valve outi2

valve_in22 valve out22

valvejrm valve outu

valvejrm valve out2i

valvejni2 •»valve outi2

valvejn22 valve out22

valve inn

valve outu

[' valvejni2 valve outi2

0)11

g251

А\ g202

i ' \

valvejrm valve out2i

valvejn22 valve out22

0)21

0)22

Эксперименты 7,8 (рис .10-12) По сравнению с базовым вариантом 1 в соответствии с таблицей 4.2 выделены основные показателей 3и Jщ (

_ Р\ ~ 0,7 а _ ~ 0,15 ^ ~ 2) и конфликтная ситуация

близкой к антагонизму.

Получены следующие результаты: • диапазоны изменения показателей

становится

0.170-10-12 < JA1 < 8.097 • 10-12 39.51025 < JA2 < 39.51031

0 < JA3 < 5.13•Ю-13

- 8.097 • 10-12 < J П1 <-0.170 • 10-12

0 < JП2 < 2.00 • 10-4

0.32 < JП3 < 2.19

• оптимальные значения управляющих параметров ГРЭВ1

r njx i, J = 1,1 i, J = 1,2 i, J = 2,1 К j = 2,2

0.77 0.29 0.53 0.29

r sijx 0.05 0.15 0.1 0.15

ГРЭВ7

пУКУ Ux i, J = 1,1 i, J = 1,2 i, J = 2,1 К j = 2,2

0.77 0.29 0.53 0.53

УКУ 0.1 0.15 0.1 0.1

оптимальные значения показателей \jrAl : 0.046136, 39.551, 0.13728

ГРЭВ1

JП : -0.046136, 1.0259e + 008, 2.0489

J А г : 0.00040069, 0.78618, 0.19369

Jrnt : 0.9996, 0.021243, 0.92258

ГРЭВ7

JrAl : 0.046135, 39.551, 0.13728

Jrm : -0.046135, 1.0259e + 008, 2.1937

JAl : 0.00039518, 0.79144, 0.19369

Jrm : 0.9996, 0.021243, 1

Рис. ll Угловая скорость W z (t )

Эксперименты 9,10 (рис. 13-15). Базовый вариант 2 с ( ах = Ь = 1 а. = р. = 0 г = 2,3) со ГРЭВ-1 и ГРЭВ-7.

Получены следующие результаты:

• диапазоны изменения показателей

0.00042 < 3А1 < 0.01638 39.55 < 3А2 < 39.59 0.051 < 3А3 < 0.065 - 0.01638 < 3П1 <-0.00042

0.40 • 107 < 3П2 < 1.75 • 107 0.32 < 3П3 < 2.19

• оптимальные значения управляющих параметров ГРЭВ1

1, ] = 1,1 и ] = 1,2 и ] = 2,1 К У = 2,2

Ущ 0.53 1 0.29 0.53

Vх 0.15 0.05 0.15 0.05

ГРЭВ7

и ] = 1,1 и ] = 1,2 и ] = 2,1 ^ У = 2,2

г Ущ 0.53 1 0.29 0.53

г V ■■ их 0.15 0.05 0.15 0.05

оптимальные значения показателей

ГРЭВ1

JrА, : 0.040292, 39.558, 0.14943

JrПl : -0.40292, 7.2085е + 007, 2.0489

ЛГАг : -0.023935, 0.85505, 0.41466 ЛП : 1.0239, 0.0065844, 0.92258

ГРЭВ7

JrА1 : 0.040292, 39.558, 0.14943

JrПl : -0.040292, 7.2085е + 007, 2.0489

JrA1 : -0.023935, 0.85505, 0.41466

УП : 1.0239, 0.0065844, 0.92258

Рис. 13 Область допустимых значений показателей

Эксперименты 11,12 (рис. 16-18). Базовый вариант 2 с (

а = Ь = 0.9 а = ь = 0.05 i = 2,3 ) со ГРЭВ-1 и ГРЭВ-7. 11 11 '

Получены следующие результаты:

диапазоны изменения показателей

0.00042 < JА1 < 0.01638 39.55 < JА2 < 39.59 0.051 < JА3 < 0.065 - 0.01638 < JП1 <-0.00042

0.40 • 107 < JП2 < 1.75 • 107 0.32 < JП3 < 2.19

• оптимальные значения управляющих параметров ГРЭВ1

1, ] = 1,1 и ] = 1,2 и ] = 2,1 ^ У = 2,2

] 0.53 1 0.29 0.53

ух 0.15 0.05 0.15 0.05

ГРЭВ7

1, ] = 1,1 ] = 1,2 ] = 2,1 ^ У = 2,2

] 0.53 1 0.29 0.53

!! Г-ух 0.15 0.05 0.15 0.05

оптимальные значения показателей

ГРЭВ1

JrАг : 0.040292, 39.558, 0.14943

JrПl : -0.040292, 7.2085е + 007, 2.0489

JrАг : -0.023935, 0.85505, 0.41466

УП : 1.0239, 0.0065844, 0.92258

ГРЭВ7

Згм : 0.040292, 39.558, 0.14943

Згт : -0.040292, 7.2085е + 007, 2.1937

3ГАг : -0.023935, 0.85505, 0.41466

Згт : 1.0239, 0.0065844, 1

Рис. 16 Область допустимых значений показателей

0.6

0.2

0.02 0.04 О.ОБ 0.08

0.12 0.14

Рис. 17 Угловая скорость ^ 2 ()

Эксперименты 13,14 (рис. 19-21). Базовый вариант 2 с ( а1 = Ь1 = 0.8 а. = р. = 0.1 / = 2,3) со ГРЭВ-1 и ГРЭВ-7.

Получены следующие результаты:

• диапазоны изменения показателей 0.00042 < 3А1 < 0.01638

39.55 < 3А2 < 39.59 0.051 < 3А3 < 0.065 - 0.01638 < 3П1 <-0.00042

0.40 • 107 < 3П2 < 1.75 • 107 0.32 < 3П3 < 2.19

• оптимальные значения управляющих параметров ГРЭВ1

1, ] = 1,1 и ] = 1,2 и ] = 2,1 К У = 2,2

Ущ 0.53 0.53 0.53 1

г V ■■ ух 0.15 0.05 0.15 0.05

ГРЭВ7

пУКУ УУХ 1, ] = 1,1 ] = 1,2 ] = 2,1 ^ У = 2,2

0.53 0.53 0.53 1

УКУ Vх 0.15 0.05 0.15 0.05

оптимальные значения показателей ¡JrAl : 0.046136, 39.551, 0.13728

ГРЭВ1

JП : -0.046136, 1.0259е + 008, 2.0489

УА1 : 0.00040069, 0.78618, 0.19369

У^ : 0.9996, 0.021243, 0.92258

ГРЭВ7

3ГА, : 0.046135, 39.551, 0.13728

Згт : -0.046135, 1.0259е + 008, 2.1937

УА, : 0.00039518, 0.79144, 0.19369

У^ : 0.9996, 0.021243, 1

Рис. 19 Область допустимых значений показателей

Рис. 20 Угловая скорость W z (t )

Рис. 21 Скорость заноса Vy (t )

Эксперименты 15,16 (рис. 22-24). Базовый вариант 2 с ( а1 = Ь = 0.7 а. = Ь = 0.15 г = 2,3 ) со ГРЭВ-1 и ГРЭВ-7.

Получены следующие результаты:

• диапазоны изменения показателей

0.00042 < 3А1 < 0.01638 39.55 < 3А2 < 39.59 0.051 < 3А3 < 0.065 - 0.01638 < 3П1 <-0.00042

0.40 • 107 < 3П2 < 1.75 • 107 0.32 < 3П3 < 2.19

• оптимальные значения управляющих параметров

ГРЭВ1

1, ] = 1,1 и ] = 1,2 и ] = 2,1 К У = 2,2

УЧх 0.53 0.53 0.53 1

г V ■■ ух 0.15 0.05 0.15 0.05

ГРЭВ7

пУКУ Ух и ] = 1,1 и ] = 1,2 и ] = 2,1 и У=2,2

0.53 0.53 0.53 1

УКУ Ух 0.15 0.05 0.15 0.1

оптимальные значения показателей иГ; : 0.046136, 39.551, 0.13728

ГРЭВ1

иП : -0.046136, 1.0259е + 008, 2.0489

.А, : 0.00040069, 0.78618, 0.19369 )гт : 0.9996, 0.021243, 0.92258

ГРЭВ7

JrAl : 0.046135, 39.551, 0.13728

Jrm : -0.046135, 1.0259е + 008, 2.1937

Ум : 0.00039518, 0.79144, 0.19369

3"т : 0.9996, 0.021243, 1

Рис. 22 Область допустимых значений показателей

Рис. 23 Угловая скорость ^ 2 (£)

Рис. 24 Скорость заноса Уу ()

Эксперименты 17,18(рис. 25-27). Базовый вариант 2 с ( а1 = Ь1 = 0.6 а. = р. = 0.2 г = 2,3) со ГРЭВ-1 и ГРЭВ-7.

Получены следующие результаты:

• диапазоны изменения показателей

0.00042 < 3А1 < 0.01638 39.55 < 3А2 < 39.59 0.051 < 3А3 < 0.065 - 0.01638 < 3П1 <-0.00042

0.40 • 107 < 3П2 < 1.75 • 107 0.32 < 3П3 < 2.19

• оптимальные значения управляющих параметров ГРЭВ1

] п]х 1, ] = 1,1 и ] = 1,2 и ] = 2,1 К У = 2,2

053 053 0.53 0.77

г V ■■ ух 0.15 0.05 0.15 0.1

ГРЭВ7

пУКУ ух 1, ] = 1,1 и ] = 1,2 и ] = 2,1 i, У = 2,2

053 053 0.53 0.77

УКУ ух 0.15 0.1 0.15 0.1

оптимальные значения показателей \.ГА1 : 0.046136, 39.551, 0.13728

ГРЭВ1

.гт : -0.046136, 1.0259е + 008, 2.0489

.А, : 0.00040069, 0.78618, 0.19369

: 0.9996, 0.021243, 0.92258

ГРЭВ7

JrAl : 0.046135, 39.551, 0.13728

JrAl : 0.00039518, 0.79144, 0.19369

JrПl : -0.046135, 1.0259е + 008, 2.1937

,1ГП1 : 0.9996, 0.021243, 1

Рис. 25 Область допустимых значений показателей

Рис. 27 Скорость заноса Vy (t )

Эксперименты 18,19(рис. 28-30). Базовый вариант 1 с (а = = 0.33 I = 1,2,3 ) со ГРЭВ-1 и ГРЭВ-7.

Данный эксперимент характеризует базовый вариант. Получены следующие результаты: • диапазоны изменения показателей

Рис. 28 Область допустимых значений показателей