Параметрическая оптимизация автоматических систем стабилизации с помощью генетического алгоритма тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат наук Лукьянов, Никита Дмитриевич

  • Лукьянов, Никита Дмитриевич
  • кандидат науккандидат наук
  • 2014, Иркутск
  • Специальность ВАК РФ05.13.06
  • Количество страниц 138
Лукьянов, Никита Дмитриевич. Параметрическая оптимизация автоматических систем стабилизации с помощью генетического алгоритма: дис. кандидат наук: 05.13.06 - Автоматизация и управление технологическими процессами и производствами (по отраслям). Иркутск. 2014. 138 с.

Оглавление диссертации кандидат наук Лукьянов, Никита Дмитриевич

СОДЕРЖАНИЕ

Содержание

Введение

Глава 1. Генетические алгоритмы при решении задачи параметрической оптимизации автоматических систем

1.1 Параметрическая оптимизация автоматических систем

1.2 Методы решения задачи параметрической оптимизации

1.3 Общая схема генетического алгоритма

1.4 Выводы по главе 1

Глава 2. Алгоритм параметрической оптимизации на основе генетического

алгоритма

2.1 Формирование алгоритма параметрической оптимизации на основе генетического алгоритма

2.2 Компьютерная реализация алгоритма параметрической оптимизации

2.3 Разработка методики исследования алгоритма параметрической оптимизации

2.4 Выводы по главе 2

Глава 3. Решение задачи параметрической оптимизации для одноконтурных

автоматических систем

3.1 Непрерывные автоматические системы

3.2. Автоматические системы с элементом, осуществляющим амплитудно-импульсную модуляцию

3.3. Автоматические системы с широтно-импульсной модуляцией

3.4 Выводы по главе 3

Глава 4. Применение алгоритма параметрической оптимизации для настройки промышленных автоматических систем

4.1 Автоматическая система управления насосной станцией 2-ого

подъема системы холодного водоснабжения

4.2 Параметрическая оптимизация многосвязной системы регулирования мощности и температуры прямоточного котла П-50

4.3 Выводы по главе 4

Заключение

Библиографический список

Приложение А

Приложение Б

Приложение В

Приложение Г

Приложение Д

Рекомендованный список диссертаций по специальности «Автоматизация и управление технологическими процессами и производствами (по отраслям)», 05.13.06 шифр ВАК

Введение диссертации (часть автореферата) на тему «Параметрическая оптимизация автоматических систем стабилизации с помощью генетического алгоритма»

ВВЕДЕНИЕ

Развитие методов и средств искусственного интеллекта позволяет применять их к все более широкому кругу проблем вообще и к задачам теории оптимального управления в частности. В первую очередь это относиться к задачам, для которых получены только приближенные методы решения либо время решения точными методами достаточно велико. К классу таких задач, несомненно, относится параметрическая оптимизация различного рода автоматических систем по критериям разного вида. Решению задачи параметрической оптимизации с помощью приближенных методов, как для линейных, так и для импульсных автоматических систем, посвящены работы Я.З. Цыпкина [57], Л.А. Растригина [37], К.А. Пупкова и Н.Д. Ергупова [30], Е.П. Стефани [50], В .Я. Ротача [41], Ш.Е. Штейнберга [59], В.П. Плютто [35], В.И. Костюка и Л.А. Широкова [18], Д.П. Кима [16] и др.

Вместе с тем современной тенденцией при проектировании и разработке • систем автоматического управления является применение не только интегральных, но и иных, нестандартных критериев [41], а также увеличение числа настраиваемых параметров. Все это вынуждает исследователей при решении задач параметрической оптимизации обращаться к новым методам и инструментам, в том числе и к такому сравнительно новому методу искусственного интеллекта, как генетический алгоритм. Увеличение как зарубежных [16, 73, 65, 70, 71, 78, 72], так и отечественных [52, 56, 36, 11] публикаций по данной тематике говорит о значительном интересе исследователей к такого рода проблеме. Большой вклад в применение генетического алгоритма для решения различного рода оптимизационных задач внесли Дж. Холланд [67, 68], К.А. де Йонг [63], Д. Голдберг [64], Р.Л. Хаупт [66], Г.К. Вороновский, К.В. Махотило, С.Н. Петрашев, С.А. Сергеев [5], Д. Рутковская [43], В.М. Курейчик [19],В.Р. Сабанин, Н.И. Смирнов, А.И. Репин [44, 45,40] и др.

Однако при всем многообразии публикаций нерешенными остаются ряд вопросов, касающихся применимости генетического алгоритма для решения задачи

параметрической оптимизации для автоматических систем, что делает такие исследования актуальными.

Общая постановка задачи исследования

4

Объектом исследования являются автоматические стабилизирующие системы различной природы.

Предметом исследования являются генетические алгоритмы, построенные по классической схеме с применением различных способов отбора родителей и перехода особей в следующее поколение.

Целью диссертационной работы является формирование и исследование различных вариантов генетического алгоритма применительно к задаче параметрической оптимизации различных автоматических систем для улучшения качества переходных процессов.

Для достижения указанной цели необходимо решить следующие задачи:

- Анализ методов параметрической оптимизации автоматических систем и . обоснование преимуществ генетического алгоритма.

- Адаптация генетического алгоритма для решения задачи параметрической оптимизации автоматических систем.

- Исследование работоспособности различных вариантов генетического алгоритма на тестовых задачах с известным расположением глобального экстремума.

- Исследование сформированных вариантов генетических алгоритмов при решении задачи параметрической оптимизации одноконтурных систем по различным критериям.

- Применение разработанного алгоритма параметрической оптимизации для синтеза систем управления промышленными автоматическими системами.

Методы исследования. В диссертационной работе применены: генетический алгоритм, методы последовательного оценивания Стейна, методы математического моделирования, численные методы решения дифференциальных уравне-

ний. Для реализации алгоритмов и методов выбран язык Java и среда разработки IntelejIDEA v. 10.0.3

Научную новизну составляют и на защиту выносятся:

- Методика исследования генетического алгоритма на основе метода последовательного оценивания Стейна.

- Генетический алгоритм, адаптированный для решения задачи многопараметрической оптимизации автоматических систем.

- Алгоритм параметрической оптимизации системы с ПИД-регулятором по прямым показателям качества.

- Алгоритм параметрической оптимизации на основе генетического алгоритма для импульсных автоматических систем.

- Улучшение качества переходных процессов в промышленных автоматических системах, на основе применения разработанных критериев и генетического алгоритма.

Достоверность результатов подтверждена применением общепринятого математического аппарата, а также соответствием полученных результатов исследованиям других авторов.

Практическая значимость работы заключается в формировании алгоритма параметрической оптимизации различного рода автоматических систем по критериям разного вида. В частности, при параметрической оптимизации системы стабилизации расхода воды на станции второго подъема по прямым показателям качества возможно значительное улучшение качества переходного процесса. В теплоэнергетике могут применяться новые научные результаты для улучшения качества регулирования температуры и мощности в прямоточных пылеугольных котлах.

Сформированные алгоритмы реализованы в виде программ для ЭВМ и зарегистрированы в «Реестре программ для ЭВМ» под следующими названиями: «Параметрическая оптимизация системы с ПИД-регулятором по различным критериям качества при помощи генетического алгоритма», «Параметрическая опти-

мизация систем, осуществляющих амплитудно-импульсную модуляцию, при помощи генетического алгоритма» и «Параметрическая оптимизация систем регулирования, осуществляющих широтно-импульсную модуляцию, при помощи генетического алгоритма». Свидетельства № 2014611433 [46], № 2014611435 [47] и № 2014611179 [48] о государственной регистрации программ для ЭВМ выданы Федеральной службой по интеллектуальной собственности.

Результаты диссертационной работы переданы в ООО «Спецстройинвест» для использования при проектировании автоматических систем, о чем имеется соответствующий документ. Разработанные алгоритмы используются в учебном процессе в дисциплине «Системы искусственного интеллекта» на кафедре «Автоматизированные системы» в ФГБОУ ВПО «ИрГТУ».

Апробация работы. Основные результаты, полученные в результате работы, докладывались на Всероссийской научно-практической конференции «Аспирантские чтения в ИГЛУ-2012», 17-18 мая 2012 года; на XIII Всероссийской конференции молодых учёных по математическому моделированию и информационным технологиям, Новосибирск 15-17 октября 2012 года; на XVIII Байкальской Всероссийской конференции с международным участием «Информационные и математические технологии в науке и управлении» Иркутск - Байкал, 1-10 июля 2013 года; на Всероссийской молодежной научно-практической конференции «Винеровские чтения», Иркутск, 3-5 апреля 2014 года, на V Всероссийской научно-практической конференции студентов, аспирантов и молодых ученых «Проблемы транспорта Восточной Сибири», Иркутск, 13-14 мая 2014 года. Результаты диссертационной работы экспонировались в рамках Выставки научно-технического творчества молодежи Иркутской области 2012 года, а также Всероссийского Фестиваля Науки 2013 года в рамках конкурса «Изобретатель XXI века».

Проводились регулярные обсуждения результатов работы на семинарах кафедры «Автоматизированные системы» ФГБОУ ВПО ИрГТУ.

Личный вклад автора в диссертации и совместных публикациях состоит в разработке алгоритмов и программ для ЭВМ, формулировании и обосновании теоретических положений и проведении численных экспериментов. Научному руководителю — д.т.н., профессору Куцему H.H. принадлежат постановки задач и общая схема исследования. Все результаты диссертации, составляющие научную новизну и выносимые на защиту, получены лично автором.

Публикации. Основное содержание диссертации отражено в 13 публикациях, из которых 10 статей, 3 свидетельства о государственной регистрации программ для ЭВМ. Из общего числа статей - 5 в изданиях, рекомендованных ВАК.

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и 5 приложений. Общий объем работы - 138 страниц, из них 133 страницы основного текста, 41 рисунок и 14 таблиц. Список литературы содержит 79 наименований.

В первой главе с достаточно общих позиций формулируется задача параметрической оптимизации автоматических систем, и описываются критерии качества, по которым будет в дальнейшем производиться поиск оптимального решения. Приведен краткий обзор наиболее распространенных итерационных методов решения задачи параметрической оптимизации, включая методы, не использующие в своей работе понятие градиента.

Приводится краткое описание основных определений, используемых в теории генетических алгоритмов, а также соображения, по которым алгоритм параметрической оптимизации построен на основе генетического алгоритма. Представлена общая схема классического генетического алгоритма.

Во второй главе основное внимание уделено предварительному этапу генетического алгоритма при его применении для решения задачи параметрической оптимизации. Рассматриваются вопросы об определении длин хромосом в зависимости от ограничений, накладываемых на настраиваемые параметры, а также о формировании критерия останова с учетом специфики генетического алгоритма.

На основе шаблона проектирования МУС (то<1е1-у1е\у-соп1го11ег) формируется диаграмма классов программы, реализующей алгоритм параметрической оптимизации.

Используя идеи метода последовательного оценивания Стейна, формулируется методика исследования эффективности сформированных вариантов генетического алгоритма при решении задач параметрической оптимизации. Также представлена адаптация подхода, применяемого при использовании градиентных методов оптимизации при доказательстве работоспособности алгоритма.

В третьей главе рассматривается применение разработанных вариантов генетического алгоритма для решения задачи параметрической оптимизации одноконтурной системы автоматического управления. В качестве устройства управления выступают как линейные (ПИД-регулятор) так и нелинейные (АИМ и ШИМ-элементы) звенья, что позволяет придать исследованиям весьма общий характер.

Для каждой из рассматриваемых систем решается задача параметрической оптимизации с помощью различных вариантов генетического алгоритма, исходя из критериев оптимальности, описанных в первой главе. На основании проведенных исследований, с помощью методики приведенной во второй главе, выбирается лучший, по сравнению с прочими, вариант алгоритма, используемый в дальнейшем.

Четвертая глава посвящена исследованию применимости разработанного алгоритма параметрической оптимизации для промышленных систем управления.

Рассматривается задача стабилизации расхода жидкости на станции второго подъема г. Братска. Ввиду особенностей системы в качестве устройства управления выбран ПИД-регулятор, для определения настроек которого используется генетический алгоритм. В качестве критериев оптимальности использован как квадратичный критерий, так и критерии, основанные на использовании степени колебательности, а также прямых показателей качества.

Далее представлено применение разработанного алгоритма для многосвязной системы управления прямоточным пылеугольным котлом П-50. Исходя из

наличия внутренних связей в объекте управления представлено три варианта систем управления, как с применением идей автономности, так и без них. Каждая из построенных систем основана на использовании трех ПИ-регуляторов. Для всех рассматриваемых систем решена задача параметрической оптимизации по различным критериям и представлен сравнительный анализ полученных результатов.

В заключении представлены основные выводы и результаты диссертационной работы.

Работа выполнена на кафедре «Автоматизированные системы» института Кибернетики им. Е.И. Попова ФГБОУ ВПО «Иркутский государственный технический университет».

ГЛАВА 1. ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ ПРИ РЕШЕНИИ ЗАДАЧИ ПАРАМЕТРИЧЕСКОЙ ОПТИМИЗАЦИИ АВТОМАТИЧЕСКИХ СИСТЕМ

1.1 Параметрическая оптимизация автоматических систем

Большое число задач, требующих принятия возможно лучшего (оптимального) решения, возникает в различных областях экономики и техники. Не стала исключением и такая обширная область знания, как теория автоматического управления (ТАУ). Задачи такого рода связаны в первую очередь с синтезом различного рода устройств управления [29]. С точки зрения целей управления могут быть выделены следующие типы подобных задач [58]:

1. задача стабилизации заключается в поддержании постоянным некоторого, заранее определенного, уровня выходной координаты х(?) (выходных координат) объекта, несмотря на возмущения. Такой задаче может соответствовать функционалы минимизирующие ошибку регулирования;

2. задача программного управления состоит в обеспечении необходимой траектории выходной координаты х^) управляемого объекта. Функционал в этом случае определяется ошибкой между действительным и желаемым выходом объекта;

3. задача слежения во многом схожа с задачей программного управления с тем лишь отличием, что в данном случае желаемая траектория заранее неизвестна.

Таким образом, множество задач из области теории управления сводятся, в конечном счете, к определению свойств системы управления, обеспечивающих экстремум принятого критерия [16].

В данной работе под системой управления будем понимать совокупность, состоящую из объекта управления, устройства управления и объединяющих связей. В общем виде структурная схема такой системы изображена на рисунке 1.1.1.

МО

АО г

6(0 л ► Управляющее и( 0 Объект управ- *(0

У 1 устройство ления

Рис. 1.1.1

На данном рисунке: ХЦ) - задающее воздействие, е(г) - ошибка системы, - управляющее воздействие, /(?) - возмущения, х{() - выходная координата системы.

В случае если необходимо определить внутреннюю структуру, место включения, а также параметры управляющего устройства необходимого для достижения поставленной цели, то имеет место задача структурного синтеза. Если же тип и место включения управляющего устройства определено заранее, а найти необходимо только значения настраиваемых параметров, доставляющих экстремум целевому функционалу, то такую задачу называют задачей параметрической оптимизации. Заметно, что задача параметрической оптимизации является подзадачей, решаемой в рамках структурного синтеза.

И если часто задача структурного синтеза решается на основе опыта разработчика и зависит от конкретной технической реализации системы управления, то проблема нахождения оптимальных параметров системы имеет под собой достаточно широкую теоретическую и практическую базу и может быть решена с применением методов теории оптимального управления, а также различных эвристических алгоритмов.

Любая задача оптимизации не существует в отрыве от понятия критерия, по которому определяется, достигнута ли конечная цель. Однако часто в реальных задачах оптимизации автоматических систем возникает ситуация, когда к опти-

мальной системе предъявляются несколько, зачастую разнородных, требований. Следовательно, можно говорить еще об одной классификации задач параметрической оптимизации автоматических систем: однокритериальная и многокритериальная задачи.

Так большинство современных методов оптимизации рассчитаны на решение однокритериальных задач оптимизации либо требуют существенных изменений при их применении к многокритериальным задачам. Поэтому укажем методы, позволяющие приводить многокритериальную задачу к задаче с одним критерием:

• назначение весов ак, ак > О, к = 1(1 )п где п - количество целей, таким

п

образом, целевая функция примет следующий вид: 1 = ^оск1к > где АД = 1(1)« целевая функция £-ой цели;

• перенос всех целей, кроме одной, во множество ограничений [25].

Оба предыдущих метода имеют недостаток, связанный с тем, что необходимо ранжировать цели перед решением задачи. Некоторые задачи имеют настолько разнородные цели, что даже специалист в рассматриваемой предметной области не может точно и четко определить веса целей [72]. Однако, несмотря на необходимость привлечения эксперта в области решаемой задачи подход, использующий назначение весов для различных критериев является наиболее распространенным и эффективным средством при решении многокритериальных задач параметрической оптимизации.

При рассмотрении задачи параметрической оптимизации автоматических систем классическим считаются интегральные критерии качества [3, 58]. Однако в последнее время все чаще в практике промышленного регулирования используются критерии, основанные на прямых показателях качества переходного процесса, а так же критерии учитывающие запас устойчивости системы и т.п.

Коротко рассмотрим применяемые в практике современной ТАУ критерии качества регулирования. На сегодняшний момент наиболее распространенным является квадратичный критерий, широко описанный в различной литературе [3]:

оо

о

Основным достоинством данного критерия следует считать возможность предварительного вычисления его значения без моделирования системы. К недостаткам же следует отнести (как впрочем, и у других интегральных критериев) соответствие одному значению критерия нескольких форм переходного процесса.

Еще одним достаточно широко распространенным интегральным критерием является модульный критерий качества [3]:

оо

/2 = Ле(0|Л.

о

Достоинством данного критерия простота его вычисления, а также истинное отклонение выходной координаты объекта управления *(/) от задающего воздействия Я,(/). К недостаткам следует отнести невозможность предварительного вычисления значения критерия без моделирования системы [3].

Следующим классом интегральных критериев качества, используемых при параметрической оптимизации автоматических систем, являются обобщенные интегральные критерии. Основная причина использования такого рода критериев состоит в совмещении нескольких требований к синтезируемой системе. Следовательно, такие критерии могут быть отнесены к уже упомянутому выше методу назначения весов при решении многоцелевой задачи оптимизации.

Отметим также критерии учитывающие запас устойчивости системы и содержащие прямые показатели качества переходного процесса. Так в работе [41] показана методика оценивания запаса устойчивости системы при помощи контроля АЧХ системы в разомкнутом состоянии. Однако такой подход применим только для систем с известной передаточной функцией, что сужает возможную об-

ласть его использования. В общем виде критерий такого вида может быть записан в виде следующей формулы:

/3 =1 + а\М-А(<о)\,

где / - некий базовый интегральный критерий, М — желаемая степень колебательности, а > 0 - коэффициент масштаба, А(со) - максимум модуля частотной замкнутой передаточной функции системы.

В данном исследовании предлагается к использованию критерий, содержащий прямые показатели качества переходного процесса. Например, склонность системы к колебательности напрямую связана с запасом устойчивости системы, а время регулирования характеризует быстродействие системы [3]. Объединяя необходимые прямые показатели качества, можно получать такую форму переходного процесса, которая обеспечивает выполнение поставленной цели. Ввиду того, что прямые показатели качества выражаются с помощью различных физических величин, то в такой критерий следует включать не сам прямой показатель качества, а его нормированное значение. В общем виде критерий такого вида может быть записан с помощью следующей формулы:

£> = <хД +а2Р2+...+ а„ря;

л

где а, >0,к = \(Х)п - весовой коэффициент, $1с,к = \(\)п - нормированное значение прямого показателя качества переходного процесса. При использовании критерия подобного рода возникает необходимость назначать вес каждого показателя, поэтому предлагается применять условие такого вида:

п

5Х =1-

Таким образом, появляется возможность получать необходимую форму переходного процесса исходя из реальных требований к оптимальной системе. Однако необходимо учитывать и тот факт, что прямые показатели качества имеют различный масштаб, что также необходимо учитывать при назначении весовых коэффициентов.

Наибольший интерес из критериев подобного рода представляет сочетание х —х

шах уст о-

перерегулирования а =-—, характеризующее запас устойчивости и време-

х

уст

ни регулирования 1р соответствующее быстродействию системы [3]:

£>^) = а,ст + а2^, а, +а2 =1, а,,а2 >0

где су = —--нормированное значение перерегулирования, а =1% - норми-

ст

норм

рующее значение перерегулирования, = - нормированное значение временя

ни регулирования, = 1 с - нормирующее значение времени регулирования.

Применяя критерий такого вида можно настроить систему автоматического регулирования исходя из реальных требований к качеству переходного процесса, а изменяя весовые коэффициенты - влиять на форму переходного процесса. . .

Таким образом, в данной работе под задачей параметрического синтеза автоматической системы будем понимать следующее: определить такое значение вектора настраиваемых параметров q, чтобы принятый критерий качества принимал экстремальное значение.

1.2 Методы решения задачи параметрической оптимизации

Все существующие методы оптимизации можно разделить на два больших класса:

1. Аналитические методы, основанные на идеях вариационного исчисления и принципе максимума. Методы данного класса применимы только при наличии математической модели исследуемой системы, а также налагают определенные ограничения на вид целевой функции (дифференцируемость, непрерывности и т.п.). Поэтому при решении задач параметрической оптимизации автоматических систем такие

методы применяются достаточно редко и не рассматриваются в данной работе.

2. Численные методы, построенные на использовании итеративных процедур различного рода. Достоинством методов такого типа является их нетребовательность к точному математическому описанию всей автоматической системы, что обуславливает их широкое применение при решении задач параметрической оптимизации.

Кратко рассмотрим численные методы, применяемые при решении задачи параметрической оптимизации автоматических систем. Данный класс методов также может быть разбит на две группы: методы, использующие и не использующие понятие производной целевой функции.

Следует отметить, что все численные методы начинаются с выбора одной либо нескольких начальных значений вектора настраиваемых параметров q [55]. В качестве целевого функционала в большинстве задач параметрической оптимизации автоматических систем выступает минимизация выбранного критерия качества: F(q) -> min.

Как известно, направление градиента функции многих переменных соответствует направлению наибольшего ее увеличения. Таким образом, для минимизации целевой функции F(q), необходимо использовать отрицательный градиент F(q). На данном принципе построены методы наискорейшего спуска и метод релаксации.

Метод наискорейшего спуска [49] заключается в вычислении составляющих градиента = при текущем значении вектора q. Далее производить-

ся изменение значения вектора настраиваемых параметров q по формуле:

oq j

где h(k) — величина шага оптимизации на к -ом шаге.

Метод релаксации также основан на понятии отрицательного градиента, но на каждом шаге оптимизации изменяется только тот компонент вектора я, который соответствует максимальному значению ^^= 1 (\)т. Критерием останова для таких алгоритмов является равенство 0 всех составляющих градиента [20].

Основной недостаток данных методов заключается в том, что градиент дает только направление, но не величину шага. Следовательно, появляется необходимость определять стратегию изменения Нк) с учетом близости текущего значения вектора q к оптимуму. Также следует отметить, что процедура поиска может закончиться и в седловой точке, так как в ней составляющие градиента тоже равны 0. Поэтому для идентификации найденного решения (является найденное решение точкой минимума или соответствует седловой точке) приходиться прибегать к исследованию матрицы Гессе в данной точке. Однако вычисление данной матрицы сопряжено со значительными вычислительными трудностями и возможно далеко не во всех случаях.

И если два предыдущих метода оптимизации используют только первую производную целевой функции, то метод Ньютона использует также и производные второго порядка, что позволяет преодолевать не только седловые точки, но и автоматически определять величину шага оптимизации. При использовании метода Ньютона значение вектора настраиваемых параметров q на к + 1-ом шаге определяется по следующей формуле [55]:

где Н_,(я(А)) - обратная матрица Гессе функции определенная в точке q(*), а ) - градиент целевой функции Т7^).

Однако требуемое, в данном случае, определение матрицы Н"1 (я) в аналитическом виде возможно далеко не для всех задач оптимизации автоматических систем, что сводит область использования данного метода для такого тапа задач к минимуму.

Попытка решить данную проблему объединяет так называемые квазиньютоновские методы [7]. Основная идея данных методов заключается в получении информации о кривизне целевой функции не из матрицы Гессе, а на основе наблюдения за градиентом во время предыдущих итераций. В данном случае вводиться в рассмотрение матрица В, которая аппроксимирует матрицу Гессе функции ^(д), тогда значение вектора настраиваемых параметров д на к +1 -ом шаге может быть найдено по следующей формуле:

Похожие диссертационные работы по специальности «Автоматизация и управление технологическими процессами и производствами (по отраслям)», 05.13.06 шифр ВАК

Список литературы диссертационного исследования кандидат наук Лукьянов, Никита Дмитриевич, 2014 год

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Аттетков, A.B. Методы оптимизации: учеб. для вузов / A.B. Аттетков, C.B. Галкин, B.C. Зарубин; под ред. B.C. Зарубина, А.П. Крищенко. - 2-е изд., стереотип. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2003. - 440 с.

2. Батищев, Д.И. Применение генетических алгоритмов к решению задач дискретной оптимизации. Учебно-методический материал по программе повышения квалификации «Информационные технологии и компьютерное моделирование в прикладной математике» [Электронный ресурс] / Д.И. Батищев, Е.А. Ней-марк, Н.В. Старостин. - Нижний Новгород, 2007. - 85 с. - URL: http://m.chorus-nnsu.ru/pages/e-library/aids/2007/15.pdf (дата обращения 15.07.13)

3. Бесекерский, В.А. Теория автоматического управления, издание 3-е испр./ В.А. Бесекерский, Е.П. Попов. - М.: «Наука», 1975. - 768с.

4. Биленко, В.А. Анализ многосвязной системы регулирования мощности и температуры энергоблока с прямоточным котлом / В.А. Биленко, Н.И. Давыдов, В.З. Чесноковский, Н.П. Росич // Теплоэнегретика, 1987. - №10. - с. 11-17.

5. Вороновский. Г.К. и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. / Г.К. Вороновский, К.В. Махо-тило, С.Н. Петрашев, С.А. Сергеев. - Харьков: ОСНОВА, 1997. - 112с.

6. Гамма, Э. Приемы объектно-ориентированного программирования. Паттерны проектирования. / Э. Гамма, Р. Хелм, Р. Джонсон, Дж. Влиссидес; пер. с англ. - СПб.: Питер, 2001. - 368 с.

7. Гилл, Ф. Практическая оптимизация / Ф. Гилл, У. Мюррей, М. Райт; пер. с англ. - М.: Мир, 1985. - 509 с.

8. Гладков, Л.А. Генетические алгоритмы: учебное пособие. / Л.А. Гладков, В.В. Курейчик, В.М. Курейчик; под ред. В.М. Курейчика. - 2-е изд., доп и испр. - М.: ФИЗМАТЛИТ, 2006. - 320 с.

9. Грэхем, Р. Конкретная математика. Основание информатики/ Р. Грэхем, Д. Кнут, О. Пташник; пер. с англ. - М.: Мир, 1998. - 703 е., ил.

10. Денисенко, В.И. ПИД-регуляторы: вопросы реализации. Часть 1 / В.И. Денисенко // Современные технологии автоматизации, 2006. - №4. - с. 66-74.

11. Денисова, JI.A. Автоматизация синтеза нечеткой системы регулирования с использованием многокритериальной оптимизации и генетических алгоритмов / JI.A. Денисова // Автоматизация в промышленности, 2014. - №3. - с. 5462.

12. Дудников, Е.Г., Автоматическое управление в химической промышленности / Е.Г. Дудников. - М.: Химия, 1987. - 367 с.

13. Дунаев, М.П. Параметрическая оптимизация системы управления насосной станцией с помощью генетического алгоритма / М.П. Дунаев, H.H. Куцый, Н.Д. Лукьянов // Наука и образование: электронное научно-техническое издание (электронный журнал). - 2014. — №8 URL: http://technomag.bmstu.ru/doc/721172.html (дата обращения: 25.08.2014).

14. Илющенко, В.В. Методы повышения надежности аппаратных средств автоматизированных систем управления насосными станциями: дис. ... канд. тех. наук: 05.13.06 / В.В. Илющенко. - Иркутск, 2011. - 154 с.

15. Карпенко, А.П. Обзор методов роя частиц (PSO) для задачи глобальной оптимизации / А.П. Карпенко, ЕЛО. Селиверстов// электрон, журнал «Наука и образование: электронное научно-техническое издание». - М., 2009. - № 3. -URL: http://technomag.edu.ru/doc/ 116072.html (дата обращения: 14.07.2013).

16. Ким, Д.П. Теория автоматического управления. В 2 т. Т.1. Линейные системы / Д.П. Ким. - М.: ФИЗМАТЛИТ, 2003. - 288 с.

17. Ключев, В.И., Теория электропривода, учеб. для вузов / В.И. Ключев. - 2-е изд. перераб. и доп. - М.: Энергоатомиздат, 2001. - 704 е.: ил.

18. Костюк, В.И. Автоматическая параметрическая оптимизация систем регулирования [Текст] / В.И. Костюк, Л.А. Широков. - М.: Энергоиздат, 1981. -96 с.

19. Курейчик, В.М. Генетические алгоритмы и их применение. / В.М. Ку-рейчик. - изд. 2-е, доп. - Таганрог: Изд-во ТРТУ, 2002. - 242с.

20. Куцый, H.H. Автоматическая параметрическая оптимизация дискретных систем регулирования [Текст]: дис. ... д-ра тех. наук: 05.13.06 / H.H. Куцый. — М., 1997.-382 с.

21. Куцый, H.H. Оценка эффективности генетических алгоритмов при решении задачи параметрической оптимизации систем с ПИД-регулятором по методу Стейна / H.H. Куцый, Н.Д. Лукьянов // Труды Всероссийской молодежной научно практической конференции «Винеровские чтения». - Иркутск: ИрГТУ, 2014.

22. Куцый, H.H. Синтез системы управления многосвязным объектом с помощью генетического алгоритма на примере прямоточного котла / H.H. Куцый, Н.Д. Лукьянов // Научный вестник НГТУ, 2014. - №2(54) - с. 36-43.

23. Куцый, H.H. Формирование модуляционной характеристики в импульсных системах (единый подход) [Текст] / H.H. Куцый // Приборы и системы управления. - 1998. - №7. - с. 48-50.

24. Лукьянов Н.Д Критерий остановки генетического алгоритма при решении задач оптимизации [Электронный ресурс] / Н.Д. Лукьянов // Материалы XIII Всероссийской конференции молодых учёных по математическому моделированию и информационным технологиям. - Новосибирск: ИВТ СО РАН, 2012. -Систем. требования: Adobe Acrobat Reader. — URL:http://conf.nsc.ru/files/conferences/ym2012/fulltext/137477/139423/KpHTepHfi%2 0остановки_Лукьянов^Г (дата обращения: 14.04.2014).

25. Лукьянов, Н.Д. Многокритериальная оптимизация автоматических систем с помощью генетического алгоритма [Электронный ресурс] / Н.Д. Лукьянов // Материалы I Всероссийской научно-практическая конференция «Аспирантские чтения в ИГЛУ». - Иркутск: ИГЛУ, 2011. - 1 электрон, опт. диск (CD-ROM).

26. Лукьянов, Н.Д. Применение метода последовательного оценивания для сравнения эффективности различных вариантов генетического алгоритма / Н.Д. Лукьянов // Вестник ИрГТУ. ИрГТУ. - Иркутск, 2013. - №11 (82). - с. 25-29.

27. Макшанцев, В.Г. Исследование и моделирование электропривода насосной станции с частотным регулированием для гидросбива окалины на прокатном стане / В.Г. Макшанцев, К.Ю. Статива, М.А. Ольховский // Bîchhk Донбасько1 машинобуд1вно1 академи, 2007. -№2Е(10). - с. 134-141.

28. Маланова, Т.В. Алгоритмическое обеспечение автоматической параметрической оптимизации систем с широтно-импульсной модуляцией [Текст]: дис. ... канд. тех. наук: 05.13.01 / Т.В Маланова. - Иркутск, 2010. - 155 с.

29. Методы классической и современной теории автоматического управления: Учебник в 5-тт.; 2-е изд., перераб. и доп. Т.4: Теория оптимизации систем автоматического управления / под ред. К.А. Пупкова и Н.Д. Ергупова. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2004. - 616 с.

30. Методы классической и современной теории автоматического управления: Учебник в 5-тт.; 2-е изд., перераб. и доп. Т.З: Синтез регуляторов систем автоматического управления / под ред. К.А. Пупкова и Н.Д. Ергупова. - М.: Изд-во МГТУ им. Н.Э. Баумана, 2004. - 616 с.

31. Морозовский, В.Т. Многосвязные системы автоматического регулирования / В.Т. Морозовский. - М.: Энергия, 1970. - 288 с.

32. Мошнориз, H.H., Разработка модели системы управления насосной станцией второго подъема / H.H. Мошнориз // Науков1 пращ ВНТУ.-2007. - №1. — С. 1-5.

33. Нгуен, Д. Т. Автоматическая параметрическая оптимизация систем с амплитудно-импульсной модуляцией [Текст]: дис. ... канд. тех. наук : 05.13.06 / Д. Т. Нгуен. - Иркутск, 2010.- 146 с.

34. ПИД-регулятор с универсальным входом и интерфейсом RS-485 ОВЕН ТРМ101 [электронный ресурс] // URL: http://www.owen.ru/uploads/trml01.pdf (дата обращения 10.02.14).

35. Плютто, В.П. Практикум по теории автоматического регулирования химико-технологических процессов [Текст] / В.П. Плютто; под ред. В.В. Кафаро-ва. - М.: Химия, 1969. - 114 с.

36. Подлазова, А. В., Генетические алгоритмы на примерах решения задач раскроя / А. В. Подлазова // Проблемы управления, 2008. - № 2. - С. 57-63.

37. Растригин, JI.A. Адаптация сложных систем / JI.A. Растригин. — Рига: Зинатне, 1981.-375 с.

38. Растригин, JI.A. Системы экстремального управления [Текст] / JT.A. Растригин. - М.: Наука, 1974 - 632 с.

39. Рекомендации по модернизации систем автоматического регулирования прямоточных котлов действующих энергоблоков с целью обеспечения их работы в широком диапазоне режимов / Н.И. Давыдов и др. - М.: СПО Союзтех-энерго, 1978.

40. Репин, А.И. Алгоритм оптимальной настройки реальных ПИД-регуляторов на заданный запас устойчивости. /А.И. Репин, Н.И. Смирнов, В.Р. Сабанин // Автоматизация и IT в энергетике. - М., 2010. - №4(9). - 7-12 с.

41. Ротач, В.Я. Расчет динамики промышленных систем регулирования. / В.Я. Ротач - М.: «Энергия», 1973. - 440с. с ил.

42. Ротач, В.Я. Теория автоматического управления: учебник для вузов / В.Я. Ротач. - 5-е изд. перераб и доп. - М.: Издательский дом МЭИ, 2008. - 396 с.

43. Рутковская, Д., Пилиньский М., Рутковский JI. Нейронные сети, генетические алгоритмы и нечеткие системы: пер. с польск. И. Д. Рудинского. - М.: Горячая линия - Телеком, 2006. - 452 с.:ил.

44. Сабанин, В.Р. Модифицированный генетический алгоритм для задач оптимизации в управлении / В.Р. Сабанин, Н.И. Смирнов, А.И. Репин // Exponenta Pro, 2004.-№3-4(7-8).

45. Сабанин, В.Р. Оптимизация настроечных параметров регулирующих устройств в АСР. / В.Р. Сабанин, Н.И. Смирнов, А.И. Репин // Сборник трудов конференции Control 2003. - М.:Издательство МЭИ, 2003.

46. Свидетельство о государственной регистрации программ для ЭВМ. №2014611433. Параметрическая оптимизация системы с ПИД-регулятором по различным критериям качества при помощи генетического алгоритма [Текст]/

H.H. Куцый, Н.Д. Лукьянов; правообладатель Иркутский государственный технический университет. -№2013661344; заявл. 06.12.13; опубл. 03.02.14.

47. Свидетельство о государственной регистрации программ для ЭВМ. №2014611435. Параметрическая оптимизация систем, осуществляющих амплитудно-импульсную модуляцию, при помощи генетического алгоритма [Текст]/ H.H. Куцый, Н.Д. Лукьянов; правообладатель Иркутский государственный технический университет. -№2013661346; заявл. 06.12.13; опубл. 03.02.14.

48. Свидетельство о государственной регистрации программ для ЭВМ. №2014611179. Параметрическая оптимизация систем, осуществляющих широтно-импульсную модуляцию, при помощи генетического алгоритма [Текст]/ H.H. Куцый, Н.Д. Лукьянов; правообладатель Иркутский государственный технический университет. -№2013661411; заявл. 10.12.13; опубл. 27.01.14.

49. Солодовников, В.В. Теория автоматического управления техническими системами [Текст]: учеб. пособие /В.В. Солодовников, В.Н. Плотников, A.B. Яковлев. - М.: МГТУ им. Н.Э. Баумана, 1993. - 492 с.

50. Стефани, Е.П. Остовы построения АСУ ТП: Учеб. пособие для вузов / Е.П. Стефани. - М.: Энергоиздат, 1982. - 352 с.

51. Тим Джонс, М. Программирование искусственного интеллекта в приложениях/ М. Тим Джонс; пер. с англ. А.И. Осипова. - М.: ДМК Пресс, 2004. — 312 е.: ил.

52. Труханов, К. А. Выбор оптимальных параметров гидропривода вентилятора для системы охлаждения двигателя транспортного средства [Электронный ресурс] / К. А. Труханов, Д. Н. Попов // электрон, журнал «Наука и образование: электронное научно-техническое издание». - М., 2013. - № 7. - URL: http://technomag.edu.ru/doc/ 590873.html (дата обращения: 14.04.2014).

53. Уилкс, С. Математическая статистика / С. Уилкс; пер. с англ. A.M. Кагана, Л.А, Халфина, О.В. Шалаевского - М.: Наука, 1967. - 632 с.:ил.

54. Хабибуллин, И.Ш. Самоучитель Java 2. / И.Ш. Хабибуллин. - СПб.: БВХ-Петербург, 2007. - 720 с.

55. Химмельблау, Д.М. Прикладное нелинейное программирование [Текст] / Д.М. Химмельблау; пер. с англ.; под ред. M.JI. Быховского. - М.: Мир, 1975.-536 с.

56. Хорохорин, М.А. Генетический алгоритм для построения нечеткого множества Парето / М.А. Хорохорин, А.А. .Долгов, Ю.В. Удодов, Ю.А. Губсков // Приборы и системы. Управление, контроль, диагностика. - М.: Научтехлитиздат, 2012.-№7. -С. 27-31.

57. Цыпкин, Я.З. Основы теории автоматических систем [Текст] / Я.З. Ципкин. - М.: Наука, 1977. - 560 с.

58. Черноруцкий, И.Г. Методы оптимизации в теории управления: Учебное пособие / И.Г. Черноруцкий. - СПб.: Питер, 2004. - 256 с.

59. Штейнберг, Ш. Е. Промышленные автоматические регуляторы / Ш.Е. Штейнберг, JI.O. Хвилевицкий, М.А. Ястребенский; под ред. Е.П. Стефани. - М.: Энергия, 1973.-568 с.

60. Эккель, Б. Философия Java. Библиотека программиста. 4-е изд. / Б. Эккель; пер. с англ. - СПб.: Питер, 2009. - 640 с.

61. Ayman, A. PID Parameters Optimization Using Genetic Algorithm Technique for Electrohydraulic Servo Control System / A.A. Ayman // Intelligent Control and Automation. - 2011. - №2. - p. 69-76.

62. Blickle, T. A Comparison of Selection Schemes used in Genetic Algorithms / Tobias Blickle, Lothar Thiele. - TIK_Report, Zurich, Switzerland, 1995. - 65

P-

63. De Jong, K.A. Evolutionary computation a unified approach / K.A. De Jong. - Cambridge: A Bradford book, 2006. - 256 p.

64. Goldberg, D.E. Genetic Algorithms in Search, Optimization, and Machine Learning / D.E. Goldberg. - Boston: Addison-Wesley Longman, 1989. - 372 p.

65. Hall, M. A Cumulative Multi-Niching Genetic Algorithm for Multimodal Function Optimization / M. Hall // International Journal of Advanced Research in Artificial Intelligence. - 2012. - Vol. 1. -№ 9. - p. 6-13.

66. Haupt, R.L. Practical Genetic Algorithm / R.L. Haupt, S.E. Haupt. - Ho-boken: Published by John Wiley & Sons, 2004. - 252 p.

67. Holland ,J. H. Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control and Artificial Intelligence./ John H. Holland. - Cambridge: MIT Press, 1992. - 228p.

68. Holland, J.H. Adaptation in Natural and Artificial Systems / J.H. Holland // The University of Michigan Press, University of Michigan, Ann Arbor, 1975 - 211 pp.

69. Hooke, R. «Direct search» solution of numerical and statistical problems / R. Hooke, T.A. Jeeves // Journal of the Association for Computing Machinery (ACM). - New York, 1961. - №8(2). - p. 212-229.

70. Jaen-Cuellar, A.Y. PID-Controller Tuning Optimization with Genetic Algorithms in Servo Systems [Электронный ресурс] / A.Y Jaen-Cuellar, R.de J. Romero-Troncoso, L. Morales-Velazquez, R. A. Osornio-Rios // International Journal of Advanced Robotic Systems. 2013. Vol. 10 - URL: http://cdn.intechopen.com/pdfs-wm/45672.pdf (дата обращения 14.07.14).

71. Jones, D.F. Multiobjective meta-heuristics: an overview of the current state-of-the-art / D.F. Jones, S.K. Mirrazavi, M. Tamiz // Europer Res,2002. - 137(1): 1. -9.

72. Konak, A. Multi-objective optimization using genetic algorithms: A tutorial / A. Konak, D.W. Coit, A.E. Smith // Reliability Engineering and System Safety 91(2006).-p. 992-1007.

73. Malhotra, R. Genetic Algorithms: Concepts, Design for Optimization of Process Controllers / R. Malhotra, N. Singh, Y. Singh // Computer and Information Science. - 2011. - Vol.4. - №2. - p. 39-54.

74. Nelder, J.A. A simplex method for function minimization / J.A. Nelder, R. Mead // The Computer Journal. - Oxford, 1965. - №7(4). - p. 308-313.

75. Niemeyer, P. Learning Java. Fourth Edition / P. Niemeyer, D. Leuck. - Sebastopol: Published by O'Reilly Media, 2013.-980 p.

76. Reenskaug, Т. THING-MODEL-VIEW-EDITOR an Example from a plan-ningsystem [Электронный ресурс] / Т. Reenskaug. - 1979. - Систем, требования: Adobe Acrobat Reader. - URL: http://heim.ifi.uio.no/~trygver/1979/mvc-l/1979-05-MVC.pdf (дата обращения: 06.10.2013).

77. Rosenbrock, H.H. An automatic method for finding the greatest or least value of a function /Н.Н. Rosenbrock // The Computer Journal. - Oxford, 1960. — №3(3).- p. 175-184.

78. Slavov, T. Application of Genetic Algorithm to Tuning a PID Controller for Glucose Concentration Control / T. Slavov, O. Roeva // Electronic journal: Wsea Transaction on Systems. - 2012. - Vol. 11. - № 7. - p. 223-233. - URL: http://www.wseas.org/multimedia/journals/systems/2012/55-286.pdf

79. Stein, C. A. A two-sample test for a linear hypothesis whose power is independent of the variance / C. A. Stein // The Annals of Mathematical Statistics. -Beachwood: Publisher of Institute of Mathematical Statistics, 1945. - Vol. 16, №. 3. -p. 243-258.

Приложение А Акт о внедрении результатов диссертационной работы

664003. г Иркутск, уп Красного Восстания, д 20, оф 302 ИНН 3810324200 КПП 381101001, ■РП1 < МП**. ОАО АКБ «АВАНГАРД» в Иркутске, БИК 044525201

"'" ....... "' Р/с 40702810748100030974, Юс 30101810000000000201

СПЕЦСТРОЙИНВЕСТ Тел факс (3952) 200-441, е-таП БрЫ1пу@дтаН сот

В диссер!анионный совет Д 218.004.01 664074, Россия, г. Иркутск, ул. Чернышевского, 15

Акт о внедрении результатов диссертационной работы

Настоящим подтверждаем, что рекомендации и алгоритмы, содержащиеся в диссертационной работе Лукьянова Н.Д. «Параметрическая ошимизация автоматических систем стабилизации с помощью генетического алгоритма» используются в производственной деятельности ООО «Спецстройинвест» при проектировании автоматических систем управления.

Генеральный директор ООО «Спецстрой им вес I». Заслуженный деятель науки РФ, Лауреат премии? Правительства РФ, профессор, д.г

Приложение Б Акт о внедрении результатов диссертационной работы

MimitcTcpciBo образования и на>ки РФ

Федеральное i осударственнос бюджетов

обраюшнельное )чреж,нние высшею профессиональногообраювания

УТВНРЖДАЮ Проректор по учебной работе

ИРКУТСКИЙ ГОСУДЛ1'С I ВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

664074 Россия. Иркутск, у 1 Лермонтова. 83 юкфон (394) 405-000. ф,о.с (3912)405-10') Г-m.ul infV' .J chj ОКНО 02068249 (Я1 'Il 102380175612') ИМИ КПП 38120110(kv3K1201«Jl

Г

и

АКТ

о внедрении результатов диссертационной работы Лукьянова Н.Д.

«Параметрическая оптимизация автоматических систем стабилизации с иомошыо генетического алгоритма»

Настоящий акт свидетельствует о юм, ню научные положения, выводы результаты и рекомендации, изложенные в диссертационной работе, использованы при преподавании дисциплины «Системы искусственного интеллекта», в курсовом и дипломном проектировании па кафедре «Автоматизированные системы» ФГБОУ ВПО «Иркутский юсударс I венный технический университет» (ФГБОУ ВПО «ИрГТУ»)

Заведу юший кафедрой

«Антмагизированные сис1смы» ФГБОУ ВПО «ИрГТУ»

к.т.н. доцеш ________C.B. Бахвалов

Профессор кафедры

«Авюмагизированные систем ' ВПО «ИрГТУ» д.т.н. про(|>ессор_ _________

H.H. Куцый

ПРИЛОЖЕНИЕ В Свидетельство о государственной регистрации программы для ЭВМ

№2014611179

ш

СВИДЕТЕЛЬСТВО

о государственной регистрации программы для ЭВМ

№ 2014611179

Параметрическая оптимизация систем регулирования, осуществляющих широтно-импульсную модуляцию, с помощью генетического алгоритма

Правообладатель: Федеральное государственное бюджетное ✓ образовательное учреждение^ высшего профессионального образования «Иркутский государственный технический университет» (ЯЦ) * ^ Ъ

а

Авторы Куцый Николай Николаевич (Я11), Лукьянов Никита Дмитриевич (ЯХТ) "

Заявка И« 2013661411

Дата поступления 10 декабря 2013 Г.

Дата государственной регистрации в Реестре программ для ЭВМ 27января 2014 г.

Руководитель Федеральной службы по интеллектуальной собственности

БП Симонов

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.