Методы и алгоритмы построения нейроэкспертных систем автоматического контроля и управления технологическими процессами: на примере объектов черной металлургии тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Трофимов, Владимир Борисович

• Трофимов, Владимир Борисович
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Трофимов, Владимир Борисович

ВВЕДЕНИЕ.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ

ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ОБЪЕКТАМИ.

1.1 Интеллектуальные системы управления (ИнтСУ): понятия, концепция, базовые структуры и инструментальные средства.

1.2 Задачи, методы и алгоритмы интеллектуальных систем управления (обзор).

1.3 Структуризация интеллектуальных систем управления с прогнозированием.

1.4 Особенности настройки искусственных нейронных сетей в системах автоматического управления.

1.5 Формирование и обновление базы знаний на основе концепции программно-возмущенного движения.

ГЛАВА 2. ИССЛЕДОВАНИЕ НЕЙРОЭКСПЕРТНЫХ СИСТЕМ

АВТОМАТИЧЕСКОГО РАСПОЗНАВАНИЯ ОБРАЗОВ НА ПРИМЕРЕ ПРОКАТНОГО ПРОИЗВОДСТВА.

2.1 Автоматическое распознавание маркировки проката.

2.2 Постановка задачи распознавания поверхностных дефектов проката.

2.3 Общая схема автоматического распознавания и параметризации поверхностных дефектов.

2.4 Разработка и испытания нейроэкспертных систем распознавания дефектов рельсов.

2.5 Особенности обучения производственного персонала взаимодействию с нейроэкспертной системой распознавания дефектов.

ГЛАВА 3. РАЗРАБОТКА НЕЙРОЭКСПЕРТНОЙ СИСТЕМЫ

АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ТЕПЛОВЫМ РЕЖИМОМ

ВОЗДУХОНАГРЕВАТЕЛЕЙ.

3.1 Постановка задачи синтеза системы автоматического управления тепловым режимом воздухонагревателя Калугина.

3.2 Предлагаемая нейроэкспертная система управления тепловым режимом воздухонагревателя.

3.3 Моделирование и оценка эффективности алгоритма управления тепловым режимом воздухонагревателя.

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы построения нейроэкспертных систем автоматического контроля и управления технологическими процессами: на примере объектов черной металлургии»

Актуальность исследования. Интеллектуальные системы управления (ИнтСУ) сегодня общепризнаны как перспективное направление научных исследований. Теория этих систем и ее приложения отражены в трудах ведущих ученых, таких как Д.А. Поспелов, И.М. Макаров, В.М. Лохин, К.А. Пупков, В.Г. Коньков, A.A. Ерофеев, P.M. Юсупов, A.A. Жданов, Y.-Z. Lu, K.M. Hangos, S. Omatu. Однако теоретические и особенно прикладные основы ИнтСУ еще далеки от завершения, в том числе в части систем контроля и управления сложными техническими и человеко-техническими объектами, включающих искусственные нейронные сети и экспертные системы (далее нейроэкспертные системы), функционирующих в затрудненных условиях. Под затрудненными условиями понимаются большая размерность объекта управления, его нестационарность, долговременная динамическая память, распределенность параметров, нелинейность, существенные запаздывания, разнообразие ситуаций, неполнота контроля внешних воздействий, выходных воздействий и состояний объекта, наличие флуктуационных и грубых помех, изменчивость целей, критериев, ограничений. Современные промышленные машины, агрегаты, технологические линии, участки, цехи горнодобывающей, металлургической, химической, машиностроительной и других отраслей промышленности в большинстве своем относятся к классу сложных объектов. Существенного повышения эффективности управления ими можно достигнуть путем применения адекватно сложных управляющих систем, какими и являются интеллектуальные системы.

Важной задачей развития теоретических основ ИнтСУ является разработка методов и алгоритмов, базирующихся на совместном применении (интеграции) конкретных интеллектуальных инструментов, таких как динамические экспертные системы, искусственные нейронные сети, нечеткая логика, ассоциативная память. Данное исследование решает эту задачу применительно к нейроэкспертным распознавателям, программаторам, регуляторам.

Актуальность интеллектуализации систем контроля и управления обусловлена развитием высоких технологий (high tech) автоматизации и информатизации технологических процессов, базирующихся на фундаментальных научных открытиях (например, нейрокомпьютеров), что позволяет эффективно реализовывать сложные вычислительные процедуры и повышает эффективность управления, а также качество готовой продукции предприятия. Актуальность выбранного направления подтверждается соответствующими научными трудами международных конференций, в том числе проводимых под патронажем РАН, тем, что оно входит в программу приоритетных исследований ведущих международных научных организаций: IF AC, IEEE, ACM, а также тем, что идеи этого направления находят все большее распространение в различных областях науки и производства.

Работа выполнена в соответствии с планами хоздоговорных и госбюджетных научно-исследовательских работ Сибирского государственного индустриального университета в рамках Задания Министерства образования и науки РФ на проведение фундаментальных научных исследований в области систем автоматизации и информатизации по тематике «Развитие теории и методов управления на основе натурно-модельного подхода» (2005-2006 г.г. № ГР 01200510529), Гранта Губернатора Кемеровской области «Ведущая научная школа Кемеровской области» на выполнение НИР «Создание систем автоматизации управления промышленными и социальными объектами Кузбасса на основе натурно-модельного подхода» (2004 г., № 77), хоздоговора с ОАО «Новокузнецкий металлургический комбинат» на выполнение НИР «Разработка и внедрение универсальных алгоритмов оценки качества рельсов в соответствии с Евронормами» (2007 г., № 15-07).

Цель и задачи диссертации.

Основная цель — развитие теоретических основ нейроэкспертных систем автоматического контроля и управления, включающих экспертную и нейросетевую подсистемы, применительно к сложным техническим и человеко-техническим объектам.

Частные цели: анализ, обобщение и развитие концептуальных основ интеллектуальных систем управления сложными динамическими объектами; разработка и исследование нейроэкспертных методов и алгоритмов распознавания, оптимизации, регулирования; создание и применение нейроэкспертных систем для решения актуальных задач автоматического контроля и управления агрегатами и производственными участками предприятий черной металлургии.

Сформулированная цель исследования имеет фундаментальный характер и обладает принципиальной новизной, так как охватывает новые задачи быстро развивающейся теории ИнтСУ и на сегодняшний день не может быть отнесена к числу достигнутых. Сказанное отражает точку зрения известных научных школ ИПУ, МГУ, МИСиС, МГТУ и многих других организаций.

Задачи диссертации: 1. Аналитический обзор и классификация известных интеллектуальных систем управления. 2. Разработка обобщенной функциональной структуры прогнозирующей интеллектуальной системы управления технологическим объектом. 3. Формирование научно-методических основ разработки нейроэкспертных распознавателей, программаторов, прогнозаторов, регуляторов. 4. Построение методики обучения нейросетевых моделей объектов в замкнутом контуре управления. 5. Разработка нейроэкспертной системы распознавания поверхностных дефектов проката. 6. Разработка нейроэкспертной системы управления тепловым режимом воздухонагревателей Калугина.

Методы выполнения работы. Использовались методы теории автоматического управления, теории искусственного интеллекта, теории искусственных нейронных сетей, экспертных систем, системного анализа, прогностики, теории идентификации и обучения, математического и натурно-математического (пересчетного) моделирования, натурного эксперимента.

Научную новизну диссертации составляют: 1. Обобщенная функциональная структура ИнтСУ сложным технологическим объектом, сформированная на основе типопредставительного подхода и учитывающая затрудненные условия функционирования. 2. Методика обучения нейросетевой модели сложного нестационарного объекта управления в режиме реального времени, учитывающая влияние прямых и обратных управляющих связей, обеспечивающая соблюдение предпосылок искусственных нейронных сетей за счет одновременного нанесения модельных, натурных и комбинированных тестовых воздействий по всем управляющим входам объекта в пределах безаварийного функционирования системы управления. 3. Нейроэкспертная система распознавания поверхностных дефектов сортового и листового проката в процессе его производства, позволяющая с помощью искусственных нейронных сетей автоматически обнаружить типовые поверхностные дефекты, оценить их параметры и пространственные координаты, а в нестандартных случаях (например, для редко встречающихся дефектов) оказывать помощь оператору-технологу посредством специализированной экспертной подсистемы, использующей морфологические и генетические признаки дефектов. 4. Нейроэкспертная система автоматического управления тепловым режимом воздухонагревателя Калугина, созданная в рамках концепции программно-возмущенного движения, включающая экспертную подсистему управления программным движением объекта, которая отличается динамической базой знаний продукционного типа «Программы управления», подсистему нейродвушкального регулирования с условным и безусловным прогнозированием, использующую имитационную нейросетевую модель объекта управления, работающую в ускоренном режиме времени.

Практическая значимость работы. Разработанные функциональные структуры нейроэкспертных систем контроля и управления, нейроэкспертные модели технологических объектов, алгоритмы, методики и устройства открывают новые возможности для повышения эффективности производств, могут быть использованы на предприятиях черной металлургии и других отраслей промышленности для развития традиционных автоматизированных систем сложных технологических объектов, а также для извлечения и использования знаний опытных специалистов (экспертов). Конкретизированный метод нейроэкспертного управления, учитывающий затрудненные условия функционирования технологического объекта, позволяет существенно повысить эффективность его работы и, без значительных затрат, может быть применен на агрегатах различных отраслей промышленности. Данный метод рекомендован для автоматизированной системы контроля и управления воздухонагревателями Калугина доменного цеха ОАО «Западно-Сибирский металлургический комбинат (ЗСМК)». Методика нейроэкспертного распознавания дефектов проката конкретизирована применительно к комплексу неразрушающего контроля продукции рельсобалочного цеха ОАО «Новокузнецкий металлургический комбинат (НКМК)». Она, в силу своей гибкости, может быть использована для распознавания новых видов дефектов различного проката (рельсового, листового, трубного и т.п.).

Реализация результатов работы. Основной сферой использования полученных результатов являются автоматические и человеко-компьютерные системы управления высокосложными промышленными агрегатами (в частности, воздухонагревателями доменных печей), а также производствами (в частности, прокатным цехом). Разработанные функциональные структуры нейроэкспертных систем контроля и управления, документация по методу нейродвушкального управления, алгоритмы распознавания, оптимизации, регулирования переданы на ОАО «НКМК» и ОАО «ЗСМК» для практического применения. Описание разработанных методов, алгоритмов и конкретных подсистем автоматизированных нейроэкспертных систем контроля и управления используются в учебном процессе ГОУ ВПО «СибГИУ» при освоении курсов «Интеллектуальные информационные системы», «Методы оптимизации», «Методы и алгоритмы прогнозирования в системах управления», а также для дипломного проектирования.

Предмет защиты и личный вклад автора. На защиту выносятся функциональная структура обобщенной интеллектуальной системы управления и конкретизированных нейроэкспертных систем контроля и управления сложными технологическими объектами; постановка и решение задач обучения нейросетевой модели объекта в замкнутой системе управления, построения нейроэкспертной системы управления с прогнозированием в ускоренном времени и оптимизацией программного движения с помощью динамической базы знаний «Программы управления» и распознавания типопредставительных ситуаций, построения нейроэкспертной системы распознавания дефектов проката; новая схема установки, обеспечивающей более полный контроль поверхностей проката; нейроэкспертные модели объектов контроля и управления (модель дефектов проката, модель воздухонагревателя в режиме «нагрев»); методики построения нейроэкспертных моделей объектов, распознавателей, регуляторов и программаторов для систем контроля и управления технологическим объектом.

Личный вклад автора заключается в постановке основных задач исследования и разработке процедур их решения; в формировании моделей объектов контроля и управления с соблюдением предпосылок выбранных методов; в разработке нейроэкспертного алгоритма управления технологическим объектом; в создании нейроэкспертного алгоритма распознавания поверхностных дефектов; в определении структуры поискового и беспоискового нейродвушкального регулятора с прогнозированием выходных и контролируемых внешних воздействий, а также эффектов неконтролируемых внешних воздействий, приведенных к выходу объекта управления; в создании алгоритма работы программатора и в построении базы знаний подсистемы управления программным движением; в компьютерном моделировании разработанных алгоритмов на базе современных программно-технических средств в рамках натурно-модельного подхода.

Апробация работы. Основные положения и результаты диссертации представлялись, обсуждались и получили одобрение на 14 конференциях разного уровня. В перечне основных конференций представлены «Международная конференция по проблемам управления - МКПУ» (Москва, 2006), «Управление и информационные технологии» (Санкт-Петербург, 2006), «Математические методы в технике и технологиях» (Казань, 2005, Воронеж, 2006, Ярославль, 2007), «XII Туполевские чтения» (Казань, 2004), «Наука. Технологии. Инновации» (Новосибирск, 2004), «Системы автоматизации в образовании, науке и производстве» (Новокузнецк, 2005, 2007), «Наука и молодежь: проблемы, поиски, решения» (Новокузнецк, 2004), «Инновационные недра Кузбасса. 1Т-технологии» (Кемерово, 2005, 2006, 2007), «Металлургия: новые технологии, управление, инновации и качество» (Новокузнецк, 2006).

Публикации. По теме диссертации опубликовано 24 печатные работы, в том числе 6 статей в рецензируемых периодических изданиях, один препринт.

Структура и объем работы. Диссертация состоит из введения, трех глав, заключения, библиографического списка, включающего 115 наименований, и содержит 125 страниц основного текста, 72 рисунка и 12 таблиц.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Трофимов, Владимир Борисович

Основные выводы.

1. Эффективность функционирования человеко-машинных систем контроля и управления сложными техническими и технологическими объектами, функционирующими в затрудненных условиях, может быть существенно повышена на основе формализации и использования знаний управленческого персонала, представленных в явном (в продукционных правилах ЭС) и в неявном виде (в архитектуре ИНС, параметрах нейронов и их связей). Этот класс исследован недостаточно как в теоретическом, так и в прикладном плане.

2. Обобщенная функциональная структура интеллектуальной системы управления сложным технологическим объектом должна включать динамическую экспертную подсистему, повышающую степень «объяснимое™» принимаемого решения и получаемого результата, подсистему имитационного моделирования, подсистему синтеза цели и программы ее достижения. В свою очередь подсистема моделирования должна включать следующие модули: распознавания ситуаций, условного, безусловного и комбинированного прогнозирования, регноза, а подсистема планирования — модуль программирования оптимальных траекторий на основе ретроспективного анализа работы объекта и действий оператора.

3. Поисковые, беспоисковые и комбинированные нейроэкспертные алгоритмы автоматического управления с прогнозированием базируются на двух основных модулях. Первый (экспертный, продукционный) отвечает за формирование целей управления, а второй (нейросетевой) — за их достижение.

4. Для обучения нейросетевых моделей объектов в замкнутом контуре управления должны использоваться такие процедуры, которые обеспечивают выполнение предпосылок ИНС и требования нормальной эксплуатации объекта. Это достигается за счет одновременного нанесения тестовых и регулирующих воздействий на программные траектории.

5. Эффективный алгоритм распознавания дефектов изделий массового производства должен включать нейросетевой модуль, который предназначен для оценивания информативных признаков и автоматической классификации, экспертный модуль, основанный на знаниях опытных контролеров-операторов, позволяющий учитывать морфологические и генетические признаки дефектов и повышающий правильность распознавания дефектов продукции.

6. Предложенный алгоритм распознавания конкретизирован применительно к обнаружению поверхностных дефектов рельсов в процессе их производства. На его основе предложена схема новой установки, обеспечивающей контроль всех поверхностей рельса, в режиме реального времени. Результаты ситуационного моделирования системы с использованием натурных видеокадров, полученных в рельсобалочном цехе ОАО «НКМК», показали возможность достижения 90 97 % правильности распознавания дефектов в автоматическом режиме.

7. Сформулирована задача построения нейроэкспертной системы управления воздухонагревателем Калугина. Предложен многоструктурный нейродвушкальный регулятор, построенный в рамках концепции программновозмущенного движения, объединяющий поисковый и беспоисковый способы выработки управляющих воздействий. Результаты ситуационного пересчетного моделирования описанной нейроэкспертной системы управления с использованием натурных данных, полученных в доменном цехе ОАО «ЗСМК», показали возможность улучшения эффективности управления в 1,5 2,0 раза (по интегральному критерию оптимальности) по сравнению с действующей системой.

ЗАКЛЮЧЕНИЕ И ВЫВОДЫ

Диссертация является научно-квалификационной работой, направленной на развитие теоретических основ, а также методов и алгоритмов построения нейроэкспертных автоматизированных систем контроля и управления сложными технологическими объектами и на их применение на металлургических агрегатах. В результате ее выполнения решены следующие основные задачи: создание научно-методических основ построения нейроэкспертных распознавателей, программаторов, прогнозаторов, регуляторов; разработка обобщенной структуры интеллектуальной системы управления сложным технологическим объектом; разработка процедуры обучения нейросетевой модели объекта в процессе функционирования системы автоматического управления; построение нейроэкспертной системы распознавания дефектов проката; создание нейроэкспертной прогнозирующей системы управления тепловым режимом воздухонагревателя Калугина.

Список литературы диссертационного исследования кандидат технических наук Трофимов, Владимир Борисович, 2008 год

1. Поспелов Д.А. Ситуационное управление. Новый виток развития / Д.А. Поспелов // Изв. РАН. Теория и системы управления. — 1995. № 5. — С. 152-159.

2. Макаров И.М. Концептуальные основы организации интеллектуального управления сложными динамическими объектами / И.М. Макаров // Новые методы управления сложными системами: Сб. науч. тр. -М.: Наука, 2004.-С. 19-31.

3. Лохин В.М. Интеллектуальные системы управления: понятия, определения, принципы построения / В.М. Лохин, В.Н. Захаров // Интеллектуальные системы автоматического управления: Сб. науч. тр. — М.: ФИЗМАТЛИТ, 2001. С. 25 - 38.

4. Захаров В.Н. Современная информационная технология в системах управления / В.Н. Захаров // Изв. РАН. Теория и системы управления. 2000. -№ 1. - С. 70-78.

5. Искусственный интеллект и интеллектуальные системы управления / И.М. Макаров, В.М. Лохин, C.B. Манько, М.П. Романов М.: Наука, 2006. -333 с.

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

7. Методы классической и современной теории автоматического управления: Учебник в 3-х т. Т.З: Методы современной теории автоматического управления / Под ред. Н.Д. Егупова М.: Изд-во МГТУ им. Н.Э. Баумана, 2000. - 748 с.

8. Городецкий А.Е. Принципы построения интеллектуальных систем управления подвижными объектами / А.Е. Городецкий, A.A. Ерофеев // Автоматика и телемеханика. 1997. -№ 9. - С. 101-109.

9. Ерофеев A.A. Интеллектуальные системы управления / A.A. Ерофеев, А.О. Поляков СПб.: Издательство СПбГТУ, 1999. - 264 с.

10. Тимофеев А.В. Интеллектуализация систем автоматического управления / А.В. Тимофеев, P.M. Юсупов // Изв. РАН. Техническая кибернетика. 1994. - № 5. - С. 211 - 224.

11. Советов Б.Я. Теоретические основы автоматизированного управления: Учебник для вузов / Б.Я. Советов, В.В. Цехановский,

12. B.Д. Чертовской М.: Высшая школа, 2006. - 463 с.

13. Lu Y.-Z. Industrial intelligent control: fundamentals and applications / Y.-Z. Lu New York: Wiley, 1996. - 346 p.

14. Hangos K.M. Intelligent control systems: an introduction with examples / K.M. Hangos, R. Lakner, M. Gerzson New York: Kluwer academic publishers, 2001.-301 p.

15. Cai Z.-X. Intelligent control: principles, techniques and applications / Z.-X. Cai Singapore: World Scientific, 1997. - 450 p.

16. Harris С J. Intelligent control: aspects of fuzzy logic and neural nets /

17. C.J. Harris, C.G. Moore, M. Brown Singapore: World Scientific, 1993.-380 p.

18. Schroder D. Intelligent observer and control design for nonlinear systems /

19. D. Schroder Berlin: Springer, 2000. - 340 p.

20. Handbook of intelligent control: neural, fuzzy and adaptive approaches / Edited by D.A. White, D.A. Sofge New York: Van nostrand reinhold, 1992. -250 p.

21. Intelligent control systems: theory and applications / Edited by M.M. Gupta, N.K. Sinha New York: IEEE, 1996. - 820 p.

22. Жданов А.А. Метод автономного адаптивного управления / А.А. Жданов // Изв. РАН. Теория и системы управления. 1999. - № 5. - С. 127 -134.

23. Гаскаров Д.В. Интеллектуальные информационные системы / Д.В. Гаскаров М: Высш. шк., 2003. - 431 с.

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

25. Башмаков А.И. Интеллектуальные информационные технологии: Учебное пособие / А.И. Башмаков, И.А. Башмаков — М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. 304 с.

26. Андрейчиков A.B. Интеллектуальные информационные системы /

27. A.B. Андрейчиков, О.Н. Андрейчикова М.: Финансы и статистика, 2004. -424 с.

28. Компьютерное определение дефекта, причин его возникновения и способа ликвидации / Ю.Ф. Воронин, В.А. Камаев, A.B. Матохина, С.А. Карпов // Литейное производство. 2004. - № 7. - С. 17 - 24.

29. Компьютерное прогнозирование и диагностика дефектов отливок на основе моделирования уплотнения формы / В.П. Самарай, В.П. Авдокушин, С.П. Дорошенко, В.М. Мазнюк // Литейное производство. 2004. - № 9. - С. 26 -30.

30. Бархатов В.А. Распознавание дефектов с помощью искусственной нейронной сети специального типа / В.А. Бархатов // Дефектоскопия. 2006. -№2.-С. 28-39.

31. Цераски П. Распознавание дефектов полосы в потоке при автоматическом осмотре поверхности / П. Цераски, Ф. Люккинг, Х.-Ю. Райциг // Черные металлы. 1999. - № 9. - С. 45 - 50.

32. Экспертная система управления процессом спекания агломерата /

33. B.И. Соловьев, Е.А. Павлова, В.М. Сухинин, А.П. Скороходов // Черные металлы. 2006. - № 3. - С. 11 - 16.

34. Исследования АСУ ТП увлажнения агломерационной шихты / В.И. Соловьев, В.П. Авдеев, С.Ф. Киселев и др. // Изв. вуз. Черная Металлургия. 1979. - № 12. - С. 100 - 106.

35. Система прогнозирующего увлажнения аглошихты / В.И. Соловьев, В.П. Авдеев, С.Ф. Киселев и др. // Изв. вуз. Черная Металлургия. 1977. - № 4. -С. 149-154.

36. Дэлгэрбат JI. Интегрированная система интеллектуального управления флотацией медно-молибденовых руд / Л. Дэлгэрбат, A.M. Дуда // Горный журнал. 2005. — № 3. - С. 73 - 76.

37. Черкасов В.Ю. Экспертная система управления процессом измельчения и классификации на основе нейронных сетей / В.Ю. Черкасов, И.Н. Гуцев, З.Я. Клиневски // Цветные металлы. 2004. - № 6. - С. 75 - 80.

38. Omatu S. Neuro-control and its applications / S. Omatu, M. Khalid, R. Yusof London: Springer-Verlag, 1996. - 272 с.

39. Терехов B.A. Нейросетевые системы управления / В.А. Терехов, Д.В. Ефимов, И.Ю. Тюкин М.: Высш. шк., 2002. - 183 с.

40. Современная прикладная теория управления Новые классы регуляторов технических систем / Под ред. A.A. Колесникова Таганрог: ТРТУ, 2000. - 656 с.

41. Галушкин А.И. Основы нейроуправления / А.И. Галушкин // Приложение к журналу «Информационные технологии». 2002. - № 10. - С. 1 -24.

42. Методы робастного, нейро-нечеткого и адаптивного управления: Учебник / Под ред. Н.Д. Егупова М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. -304 с.

43. Еремин Д.М. Нейросетевой регулятор для управления динамическими объектами / Д.М. Еремин, Р.У. Мадыгулов // Интеллектуальные системы автоматического управления: Сб. науч. тр. М.: ФИЗМАТЛИТ, 2001. -С. 137-156.

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

45. Sarangapani J. Neural network control of nonlinear discrete-time systems / J. Sarangapani Missouri, USA: CRS Press, 2006. - 602 p.

46. Irwin G.W. Neural network applications in control / G.W. Irwin, K. Warwick, K.J. Hunt London: The Institution of Electrical Engineers, 1995. -309 p.

47. Miller W.T. Neural networks for control / W.T. Miller, R.S. Sutton, P.J. Werbos Cambridge, MA: MIT Press, 1990. - 544 p.

48. Информационные системы в металлургии: Учебник для вузов / H.A. Спирин и др. Екатеринбург: УГТУ - УПИ, 2001. - 617 с.

49. Структура трехуровневой АСУ ТП доменной печи с использованием логико-количественной экспертной системы: Учебное пособие / В.Г. Лисиенко, Е.Л. Суханов, В.А. Морозова, Ю.Н. Овчинников — Екатеринбург: УГТУ-УПИ, 2003. 82 с.

50. Соловьев В.И. Интеллектуальная автоматизированная система управления металлургическими агрегатами / В.И. Соловьев, Е.А. Павлова,

51. B.А. Краснобаев // Черные металлы. 2004. - №7 - 8. - С. 26 - 29.

52. Васильев С.Н. К интеллектуальному управлению дуговыми сталеплавильными печами / С.Н. Васильев, С.А. Догановский, В.М. Эдемский // Автоматизация в промышленности. 2003. - № 3. — С. 39 - 43.

53. Кулаков С.М. О способе формализации персональной нечеткой информационной системы оператора машины непрерывного литья заготовок /

54. C.М. Кулаков, C.B. Сидоров // Изв. вуз. Черная Металлургия. 2001. - № 10. -С. 55-58.

55. Белоусов O.A. Автоматизированная система энергосберегающего управления электрокамерными печами / O.A. Белоусов // Автоматизация в промышленности. — 2005. — № 5. С. 8-9.

56. Курбан В.В. Возможность оперативного прогнозирования механических свойств готового проката с использованием нейронных сетей /

57. B.В. Курбан, H.JI. Яценко, В.И. Белякова // Металлург. 2007. - № 1.1. C. 24-26.

58. Еременко Ю.И. Интеграция интеллектуальных систем в состав АСУ металлургических производств / Ю.И. Еременко, С.Ю. Халапян // Изв. вузов. Черная металлургия 2002. - № 1. - С. 53 - 56.

59. Проталинский О.М. Применение методов искусственного интеллекта при автоматизации технологических процессов / О.М. Проталинский -Астрахань: АГТУ, 2004. 163 с.

60. Литвак Б.Г. Экспертные технологии в управлении: Учеб. пособие / Б.Г. Литвак М.: Дело, 2004. - 400 с.

61. Дубовик Ю.В. Моделирование экономико-технологических процессов угольных шахт методом нейронных сетей / Ю.В. Дубовик, В.Н. Фрянов Новосибирск: Наука, 2005. - 225 с.

62. Чертов А.Д. Применение систем искусственного интеллекта в металлургической промышленности (обзор) / А.Д. Чертов // Металлург 2003. - № 7. — С. 32-37.

63. Егоров C.B. Разработка и исследование систем управления с прогнозирующими моделями для процессов с постоянно действующими контролируемыми возмущениями. Автореф. / МЭИ. М., 1980. - 40 с.

64. Шендрик B.C. Синтез оптимальных управлений методами прогнозирующей модели / B.C. Шендрик // Докл. АН СССР. 1975. - Т. 224. -№ 3. - С. 561 -562.

65. Красовский A.A. Универсальные алгоритмы оптимального управления непрерывными процессами / A.A. Красовский, В.Н. Буков, B.C. Шендрик М.: Наука, 1977. - 272 с.

66. Федосеев А.С. Алгоритм оптимального управления с обобщенной прогнозирующей моделью / А.С. Федосеев // Автоматика и телемеханика. — 1977.-№7.-С. 16-21.

67. Буков В.Н. Адаптивные прогнозирующие системы управления полетом / В.Н. Буков М.: Наука, 1987. - 232 с.

68. Турецкий X. Анализ и синтез систем управления с запаздыванием / X. Турецкий — М.: Машиностроение, 1974. 328 с.

69. Восстановительно-прогнозирующие системы управления: Учебное пособие / В.П. Авдеев, В.Я. Карташов, Л.П. Мышляев, А.А. Ершов — Кемерово: КемГУ, 1984.-92 с.

70. Авдеев В.П. Производственно-исследовательские системы с многовариантной структурой / В.П. Авдеев, Б.А. Кустов, Л.П. Мышляев — Новокузнецк: Кузбасс ФИАР, 1992. 188 с.

71. Методы идентификации промышленных объектов в системах управления: Монография / С.В. Емельянов, С.К. Коровин, А.С. Рыков и др. -Кемерово: Кузбассвузиздат, 2007. 307 с.

72. АС 1200241 СССР. Система управления объектом с запаздыванием / С.В. Емельянов, В.П. Авдеев, Л.П. Мышляев и др. № 3705103/24-24; заявл. 11.03.1984; опубл. 23.12.1985, Бюл. № 47 - 3 с.

73. Clarke D.W. Properties of Generalized Predictive Control / D.W. Clarke, C. Mohtadi // Automática. 1989. - V. 25. - P. 859 - 875.

74. Watanabe K. A process model control for linear systems with delays / K. Watanabe, M. Ito // IEEE Trans. Automat. Control. 1981. - V. 26. - № 6. - P. 1261- 1269.

75. Kao Тиень Гуинь. Адаптивное управление объектом с запаздыванием на основе беспоисковой самонастраивающейся системы с моделью / Као Тиень Гуинь, Нгуен Ми, Рауль Ривас Перес // Автоматика и телемеханика. 1988 . — № 12. - С. 106 - 115.

76. Ziebolz H. Possibilities of two-time scale computing system for control and simulation of dynamic systems / H. Ziebolz, H.M. Paynter // Proc. NEC. — 1953. -V. 9.-P. 215-223.

77. Александровский Н.М. Адаптивные системы автоматического управления сложными технологическими процессами / Н.М. Александровский, C.B. Егоров, P.E. Кузин М.: Энергия, 1973. - 272 с.

78. Перельман И.И. Оперативная идентификация объектов управления / H.H. Перельман М.: Энергоиздат, 1982. - 272 с.

79. Борзенко И.М. Адаптация, прогнозирование и выбор решений в алгоритмах управления технологическими объектами / И.М. Борзенко М.: Энергоатомиздат, 1984. - 144 с.

80. Мышляев Л.П. Прогнозирование в системах управления: Монография / Л.П. Мышляев, В.Ф. Евтушенко Новокузнецк: СибГИУ, 2002. - 348 с.

81. Системы автоматизации на основе натурно-модельного подхода: Монография в 3-х т. Т.2: Системы автоматизации производственного назначения / Под ред. Л.П. Мышляева Новосибирск: Наука, 2006. - 483 с.

82. Кулаков С.М. Принцип управления с прогнозированием: подходы к реализации и структуры систем: Препринт / С.М. Кулаков, Н.Ф. Бондарь,

83. B.Б. Трофимов Новокузнецк: СибГИУ, 2005. - 63 с.

84. Осовский С. Нейронные сети для обработки информации /

85. C. Осовский — М.: Финансы и статистика, 2004. 344 с.

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

87. Мауэр Л.В. Информационные системы: Учебно-справочное пособие / Л.В. Мауэр, С.М. Кулаков, Н.В. Балицкая. Новокузнецк: СибГИУ, 2002. -181 с.

88. Каллан Р. Основные концепции нейронных сетей / Р. Каллан — М.: Издательский дом «Вильяме», 2001. 287 с.

89. Аведьян Э.Д. Алгоритмы настройки многослойных нейронных сетей / Э.Д. Аведьян // Автоматика и телемеханика. 1995. - № 4. - С. 106 - 118.

90. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, JI. Рутковский М.: Горячая линия -Телеком, 2004. - 452 с.

91. Назаров A.B. Нейросетевые алгоритмы прогнозирования и оптимизации систем / A.B. Назаров, А.И. Лоскутов СПб.: Наука и Техника, 2003.-384 с.

92. Минаев Ю.Н. Методы и алгоритмы идентификации и прогнозирования в условиях неопределенности в нейросетевом логическом базисе / Ю.Н. Минаев, О.Ю. Филимонова, Б. Лиес М.: Горячая линия -Телеком, 2003. - 205 с.

93. Системный анализ и принятие решений: Словарь-справочник / Под ред. В.Н. Волковой, В.Н. Козлова-М.: Высш. шк., 2004. 616 с.

94. Гордиенко Е.К. Искусственные нейронные сети I. Основные определения и модели / Е.К. Гордиенко, A.A. Лукьяница // Техническая кибернетика. 1994. -№ 5. - С. 79 - 91.

95. Горбань А.Н. Обучение нейронных сетей / А.Н. Горбань М.: СП Параграф, 1990. - 159 с.

96. Цыпкин Я.З. Информационная теория идентификации / Я.З. Цыпкин М.: Наука: Физматлит, 1995. - 336 с.

97. Галушкин А.И. Теория нейронных сетей / А.И. Галушкин М.: ИПРЖР, 2000.-416 с.

98. Dreyfus G. Neural network: methodology and applications / G. Dreyfus — New York: Springer, 2005. 497 p.

99. Кричевский М.Л. Интеллектуальные методы в менеджменте / M.Л. Кричевский СПб: Питер, 2005. - 304 с.

100. Хайкин С. Нейронные сети / С. Хайкин М: Вильяме, 2006. - 1104 с.

101. Колмогоров А.Н. О представлении непрерывных функций нескольких переменных в виде суперпозиций непрерывных функций одного переменного и сложения / А.Н. Колмогоров // Доклады РАН. — 1957. № 5. -С. 953-956.

102. Методы компьютерной обработки изображений / Под ред. В.А. Сойфера М.: ФИЗМАТЛИТ, 2003. - 784 с.

103. Цыпкин Я.З. Адаптация и обучение в автоматических системах / Я.З. Цыпкин М.: Наука, 1968. - 216 с.

104. Горелик А.Л. Методы распознавания: Учебное пособие для вузов /

105. A.Л. Горелик, В.А. Скрипкин М.: Высш. шк., 2004. - 261 с.

106. Люгер Дж.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / Дж.Ф. Люгер М.: Издательский дом «Вильяме», 2003. -864 с.

107. Фу К. Последовательные методы в распознавании образов и обучении машин / К. Фу- М.: ФИЗМАТЛИТ, 1969. 328 с.

108. Дуда Р. Распознавание образов и анализ сцен / Р. Дуда, П. Харт М.: Мир, 1976.-512 с.

109. Состояние и перспективы развития исследований в области обработки и распознавания видеоинформации (аналитический обзор) / Ю.И. Журавлев, К. В. Рудаков, С. И. Гуров и др. // Информационные технологии. 1998. - № 4. - С. 22 - 26.

110. Дефекты и качество рельсовой стали: Справ, изд. / В.В. Павлов, М.В. Темлянцев, Л.В. Корнева и др. -М.: Теплотехник, 2006. 218 с.

111. Дефекты стальных слитков и проката: Справ, изд. /

112. B.В. Правосудович, В.П. Сокуренко, В.Н. Данченко и др. М.: Интермет Инжиниринг, 2006. - 384 с.

113. Дефекты в металлах. Справочник-атлас. / A.A. Ежов, Л.П. Герасимова М.: Русский университет, 2002. - 360 с.

114. Awad Е. Building knowledge automation expert systems with Exsys CORVID / E. Awad- Charlottesville: University of Virginia, 2005. 265 p.

115. Калугин Я.П. Перспективный бесшахтный воздухонагреватель для доменных печей / Я.П. Калугин // Сталь. 2001. - № 10. - С. 3 - 6.

116. Патент 2258249 Российской Федерации, МПК G05B19/18, С21В7/24. Автоматизированная система контроля и управления воздухонагревателем доменной печи / А.Б. Юрьев и др. № 2003110282/09; заявл. 09.04.2003; опубл. 10.08.2005, Бюл. № 22 - 6 с.

117. Летов A.M. Динамика полета и управление / A.M. Летов — М.: Наука, 1969.-359 с.

118. Человеко-машинное прогнозирование программ управления конверторной плавкой / В.П. Авдеев, В.И. Соловьев, Ю.Н. Борисов,

119. A.Е. Кошелев, В.И. Веревкин // Изв. вузов. Черная металлургия — 1974. — № 10. -С. 163-165.

120. Выбор типопредставителей в задачах исследования и управления /

121. B.П. Авдеев, Г.А. Бегишев, A.B. Пинтов, С.Р. Зельцер // Изв. вузов. Черная металлургия 1980. - № 6. - С. 98 - 102.

122. Структурный анализ сигналов при алгоритмизации технологических процессов / В.П. Авдеев, П.Г. Белоусов, Я.Г. Парпаров и др.: Учебное пособие. -Новокузнецк: СМИ, 1992. 78 с.

123. Охтилев М.Ю. Интеллектуальные технологии мониторинга и управления структурной динамикой сложных технических объектов / М.Ю. Охтилев, Б .В. Соколов, P.M. Юсупов М.: Наука, 2006. - 410 с.

124. Андреев С.М. Оптимизация режима нагрева воздухонагревателей доменных печей / С.М. Андреев, Б.Н. Парсункин // Изв. вузов. Черная металлургия 2004. - № 7. - С. 33 - 37.

125. Blast furnace stove control / K.R. Muske and others // American control conference. Philadelphia: Villanova University, 1998. - C. 24 - 25.

126. Натурно-математическое моделирование в системах управления: Учебное пособие / В.П. Авдеев, С.Р. Зельцер, В.Я. Карташов, С.Ф. Киселев -Кемерово: КемГУ, 1987. 85 с.166