Разработка и исследование адаптивной системы вытяжки ленты на базе нейронного управления тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Ванин, Александр Сергеевич

• Ванин, Александр Сергеевич
• кандидат технических наук
• 2008

Оглавление диссертации кандидат технических наук Ванин, Александр Сергеевич

ВВЕДЕНИЕ.

ГЛАВА I. АНАЛИЗ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА ВЫТЯГИВАНИЯ.

1.1 Технология формирования ленты на ленточных машинах и качественные показатели процесса.

1.2 Оценка основных внешних возмущений, влияющих на процесс вытягивания волокнистого продукта.

1.2.1 Влияние качества перемешивания волокон.

1.2.2 Влияние влажности волокна.

1.2.3 Влияние входной неровноты ленты.

1.3 Математическая модель процесса вытягивания ленты.

1.3.1 Моделирование процесса вытягивания волокнистого продукта в вытяжном приборе.

1.3.2 Модели различных схем процесса вытягивания.

1.3.3 Компьютерная модель вытягивания в однозонном вытяжном прибореЗО

1.4 Анализ известных автоматических систем стабилизации линейной плотности ленты. Постановка задачи.

1.4.1 Методы регулирования развеса.

1.4.2 Система регулирования методом автоматической компенсации с установкой датчика на входе.

1.4.3 Система автоматического регулирования развеса по отклонению с датчиком на стороне вытяжных цилиндров.

1.4.4 Системы автоматического регулирования с датчиком в вытяжном поле.

1.4.5 Комбинированные системы автоматического регулирования развеса с датчиками на входе и выходе вытяжного прибора.

1.4.6 Постановка задач.

ГЛАВА II. АНАЛИТИЧЕСКОЕ ИССЛЕДОВАНИЕ И СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДОВ УПРАВЛЕНИЯ.

2.1. Традиционные ПИ- и ПИД-контроллеры с дискретным временем.

2.2. Классификация и виды адаптивных систем.

2.2.1 Общие сведения.

2.2.2 Адаптивные системы без эталонной модели.

2.2.3 Адаптивные системы с эталонной моделью.

2.2.4 Классификация адаптивных систем.

2.3. Управление с самонастройкой.

2.4. Технологии нейронного управления.

2.4.1. Подходы к нейронному управлению.

2.4.2. Последовательная схема нейронного управления.

2.4.3. Параллельная схема нейронного управления.

2.4.4. Схема нейронного управления с самонастройкой.

2.5. Сравнение "классических" и нейросетевых методов управления.

2.5.1 Предпосылка анализа.

2.5.2 Реализация решения.

2.5.3 Выводы.

ГЛАВА III. РАЗРАБОТКА И ИССЛЕДОВАНИЕ ФУНКЦИОНИРОВАНИЯ АСС ЛПЛ НА ОСНОВЕ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ.

3.1 Синтез динамического алгоритма обучения нейросети.

3.1.1 Возможные подходы к синтезу алгоритма обучения.

3.1.2 Постановка задачи синтеза динамического алгоритма.

3.2 Скоростной алгоритм обратного распространения ошибки.

3.2.1 Алгоритмом скоростного градиента.

3.2.2 Условия применения метода скоростного градиента в нейросетевых адаптивных системах управления.

3.2.3 Динамический алгоритм с прогнозом ошибки обучения.

3.3 Преобразование входных данных нейросети с целью улучшения их различимости.

3.3.1. Порядок решения задачи.

3.3.2. Нормализация значений ОВ.

3.3.3. Повышение различимости ОВ.

3.3.4. Применение предложенного подхода.

3.3.5. Практические результаты.

3.3.6. Выводы.

3.4 Моделирование АСС ЛПЛ на основе искусственной нейронной сети. Оценка работоспособности.

3.4.1 Определение структуры АСС ЛПЛ на основе ИНС.

3.4.2 Практические результаты предложенной АСС ЛПЛ на основе ИНС

3.4.3 Оценка работоспособности.

3.4.4 Выводы.

ГЛАВА IV. РЕАЛИЗАЦИЯ АСС ЛПЛ НА ОСНОВЕ ИСКУССТВЕННОЙ НЕРОННОЙ СЕТИ.

4.1. АСС ЛПЛ на базе микропроцессорных программно-технических комплексов.

4.1.1 Общие сведения.

4.1.2 Микропроцессорные контроллеры и их основные характеристики.

4.1.3 Устройства сопряэюения с объектом (модули УСО).

4.1.4 Средства отображения и управления.

4.2. Измерительные устройства.

4.2.1 Устройства для измерения засоренности волокна.

4.2.2 Устройство для измерения качества смешивания волокон.

4.2.3 Устройство для измерения влажности волокна в ленте и ЛПЛ.

4.3. Программная реализация АСС ЛПЛ на основе ИНС.

4.3.1 Сбор и первичная обработка информации.

4.3.2 Искусственная нейронная сеть и алгоритм ее обучения.

4.3.3 Формирование выходных данных и управляющего воздействия на исполнительный механизм.

4.3.4 Интерфейс пользователя.

4.3.5 Вывод.

Введение диссертации (часть автореферата) на тему «Разработка и исследование адаптивной системы вытяжки ленты на базе нейронного управления»

Актуальность работы. В современных условиях жесткой конкуренции одной из главных задач автоматизации технологических процессов текстильной промышленности является задача повышения качества выпускаемой продукции и уменьшения расходов на сырье. Это особенно важно в связи с высокой долей исходного сырья в себестоимости готового текстильного изделия. В основе каждого текстильного изделия лежит нить, и от ее качества зависит качество готовой продукции. Процесс вытягивания волокнистого материала в вытяжном приборе является классическим объектом исследования науки о прядении. Именно вытягивание позволяет получить продукт с требуемым числом волокон.

Силы, действующие на волокно, зависят от конструкции и параметров вытяжного прибора и от количества волокон, находящихся в нем. Так как вытягиваемый продукт неравномерен, то поля сил трения будут иметь случайные составляющие. Кроме того, нестационарность работы вытяжного прибора, связанная с биениями цилиндров и валиков, с выходом иглы (в гребенных полях), также вызывает изменения сначала поля сил трения, затем кривых утонения, а последние изменения оказывают обратное влияние на поля трения и т.д. Также нельзя забывать и о характеристиках волокнистого материала, таких как качество очистки волокна, качество перемешивания волокна в смесях, влажность волокна, сорт, класс, длительность хранения, упругость, гладкость, неровнота ленты и т.д., существенно влияющих на процесс вытягивания.

Таким образом, в вытяжном приборе происходят сложнейшие взаимодействия, в которых иногда нельзя рассчитать или определить экспериментально даже отдельные стороны. В связи с этим необходимо исследовать и разрабатывать альтернативные алгоритмы и схемы управления, например, интеллектуальные системы управления. Такие системы обладают способностью к пониманию и обучению в отношении объекта управления, возмущений, внешней среды, условий работы. На данном этапе искусственные нейронные сети, благодаря своим способностям к самоорганизации и обучению, рассматриваются как перспективные средства для интеллектуальных систем. В связи с указанным, тема диссертационной работы, посвященная разработке и исследованию адаптивной системы вытяжки ленты на базе нейронного управления, является весьма актуальной.

Цель и задачи работы. Основная цель диссертационной работы является разработка и исследование адаптивной системы вытяжки ленты на базе нейронного управления, обеспечивающего автоматическую стабилизацию линейной плотности ленты. Данная система должна быть реализована на современных микропроцессорных программно-технических комплексах.

Для достижения поставленной цели в работе решаются следующие научно-технические задачи:

1. Анализ технологического процесса вытягивания и оценка возможных внешних возмущений, влияющих на процесс вытягивания волокнистого продукта.

2. Математическое моделирование процесса вытягивания ленты и их использование для решения поставленной цели.

3. Анализ известных автоматических систем стабилизации линейной плотности ленты (АСС ЛПЛ).

4. Аналитическое исследование и сравнительный анализ классических и нейросетевых методов управления.

5. Разработка и исследование автоматической системы стабилизации линейной плотности ленты на основе искусственной нейронной сети.

6. Практическая реализация автоматической системы стабилизации линейной плотности ленты на основе искусственной нейронной сети с использованием микропроцессорных программно-технических комплексов.

На защиту выносятся:

1. Структура адаптивной нейросетевой автоматической системы стабилизации линейной плотности ленты.

2. Результаты аналитического исследования и сравнительного анализа классических и нейросетевых методов управления.

3. Программная структура искусственной нейронной сети и алгоритм ее обучения для автоматической системы стабилизации линейной плотности ленты.

4. Программная реализация алгоритмов, разработанная на базе современных микропроцессорных программно-технических комплексов.

Методика проведения исследования. В работе использована комплексная методика исследования, сочетающая методы математического моделирования и инструментальные средства. При построении моделей использованы методы теории автоматического управления, методы экспериментально-теоретического моделирования, компьютерной обработки информации, а также методы математической статистики и вычислительной математики с применением ЭВМ.

Моделирование технологического процесса вытягивания волокнистого продукта проведена в пакете прикладных программ Matlab и его приложении Simulink. Реализация алгоритмов нейросетевого регулятора осуществлена с помощью специализированных промышленных программно-технических комплексов, включающих в себя микропроцессорные контроллеры и модули сопряжения с объектом (контроллеры и модули УСО серии АС500, AC800F компании ABB Industrial IT), а также программные средства разработки и визуализации (Freelance 800F Control Builder F v.8.1, Freelance 800F DigiVis v.8.1, Control Builder PS501 на основе CoDeSys v.2.3).

Научная новизна. В результате выполнения диссертационной работы получены следующие результаты:

1. Разработана и исследована структура нейросетевой автоматической системы стабилизации линейной плотности ленты.

2. Проведены аналитическое исследование и сравнительный анализ классических и нейросетевых методов управления.

3. Разработаны программная структура искусственной нейронной сети и алгоритм ее обучения для автоматической системы стабилизации линейной плотности ленты.

4. Выполнена программная реализация алгоритмов, разработанная на базе современных микропроцессорных программно-технических комплексов.

Достоверность результатов работы. Адекватность полученной математической модели регулятора на основе искусственной нейронной сети подтверждена совпадением результатов теоретических и экспериментальных исследований.

Практическая ценность. Использование разработанных систем автоматического регулирования на основе искусственных нейронных сетей позволит повысить качество и конкурентоспособность выпускаемой продукции. Разработанные в диссертационной работе методы управления могут найти широкое применение не только в различных отраслях текстильной промышленности, но и на других производствах. Полученные результаты могут быть использованы при создании и совершенствовании систем управления технологическими процессами.

Апробация работы. Материалы диссертационной работы доложены, обсуждены и получили положительную оценку на 59-й межвузовской научно-технической конференция молодых ученых и студентов «Студенты и молодые ученые КГТУ - производству» (Кострома, КГТУ, 2007г.), на всероссийской научно-технической конференции «Современные технологии и оборудование текстильной промышленности» (ТЕКСТИЛЬ-2007), а также на научно-практической конференции аспирантов МГТУ им. А.Н. Косыгина на иностранных языках (Москва, МГТУ им. А.Н. Косыгина, 2006г.).

Публикации. По материалам диссертационной работы опубликовано 6 печатных работ.

Структура и объем работы. Диссертационная работа изложена на 146 страницах машинописного текста и состоит из введения, четырех глав, выводов по главам и общих выводов по работе, а также содержит список используемой литературы из 76 наименований и приложение. Работа иллюстрирована 70 рисунками и 2 таблицами.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Ванин, Александр Сергеевич

ОБЩИЕ ВЫВОДЫ

1. Проведенный анализ технологического процесса вытягивания показывает, что в вытяжном приборе происходят сложнейшие взаимодействия, в которых иногда нельзя рассчитать или определить экспериментально даже отдельные стороны. К такого рода сложностям относятся определение и формализация следующих основных факторов, оказывающих влияние на процесс вытягивания: характеристики волокна (неравномерность волокна, случайный характер полей сил трения, извитость, упругость, гладкость, сорт, класс, влажность волокна, длительность хранения, качество очистки волокна, качество перемешивания волокон в смеси и т.д.); влияния конструкции и параметров вытяжного прибора (изменения передаточной функции вытяжного прибора, биение цилиндров и валиков); влияние других механизмов и процессов, происходящих до вытяжного прибора (биение валов и роликов, гарнитуры чесальной машины, структурная и периодическая неровнота ленты).

2. Рассмотренные математические модели показывают, что на вытягивание влияют различные факторы: распределение волокон по длине, распределение координат точек изменения скорости волокон, взаимодействие волокон в процессе вытягивания, - причем от характера этого взаимодействия эффективность вытягивания и его влияние на неровноту выходящего продукта по линейной плотности могут быть различными, а в некоторых случаях -противоположными.

3. Представлены известные системы автоматического регулирования, работающие по методам компенсации и/или регулирования по отклонению, имеют следующие основные недостатки: первые системы требуют точного определения коэффициента компенсации, что ведет к построению чрезмерно сложных многопараметрических математических моделей процесса; вторые - из-за неполноты информации не обеспечивают высокой динамической точности. В связи с этим в постановке задач предлагается разработать и исследовать адаптивную систему регулирования, основанную на нейронной схеме управления.

4. Рассмотрены традиционные, адаптивные и нейросетевые технологии управления. Выявлены их основные достоинства и недостатки. Проведен сравнительный анализ классических и нейросетевых регуляторов, по результатам которого даны оценки по точности и быстродействию регулирования. Проведенные исследования показали, что нейросетевой регулятор является адаптивным регулятором, и его целесообразно использовать в тех задачах, где регулируемая величина зависит от множества различных факторов, математическое описание которых - сложная и кропотливая работа. К такой задаче в том числе относится процесс вытягивания волокнистой ленты.

5. Выявлены возможные подходы к синтезу алгоритма обучения нейронной сети. Для использования многослойной нейронной сети в системе управления динамическим объектом с заранее неизвестной оптимальной траекторией управления в реальном масштабе времени необходимо ввести в нее динамику. Предлагается ввести динамику в алгоритм обучения, что позволяет избавиться от использования обратных связей в сети, а также позволяет объединить в единый процесс настройку весовых коэффициентов сети и формирование функции управления объектом.

6. Показан динамический скоростной алгоритм обратного распространения ошибки, работающий в реальном режиме времени, а также его модификация с прогнозом ошибки обучения.

7. Предложено использовать процесс предобработки данных, состоящий в совмещении нормализации исходных данных с повышением их равномерности распределения по нормализованному интервалу. Данный алгоритм преобразования позволяет повысить равномерность распределения, что приводит к улучшению различимости обучающей выборки и к повышению скорости обучения ИНС на 41%.

8. Реализована модель АСС ЛПЛ на основе искусственной нейронной сети, которая показывает работоспособность предложенного алгоритма, а также дает возможность оценить модель АСС ЛПЛ с точки зрения ее быстродействия и точности полученного результата. 9. Предложена структурная схема локальной подсистемы АСС ЛПЛ на основе ИНС. Показаны функции, выполняемые подсистемой. Представлена ее реализация на базе современного микропроцессорного программно -технического комплекса.

Список литературы диссертационного исследования кандидат технических наук Ванин, Александр Сергеевич, 2008 год

1. Haken Н. Synergetic computers and cognition: A top - daw approach to neural nets. Berlin: Springer - Verlag. 1991.

2. Neural networks for control systems: A servey / K.J. Hunt, D. Sbarbaro, R. Zbikowski, PJ. Gawthrop // Automatica. 1992.Vol.28. №6. P.1083-1112.

3. A. c. № 1758097 СССР. Устройство для контроля линейной плотности волокнистого материала/А.Б.Козлов, Л.П.Себина. Опубл. 1992. Бил. №32.

4. Автоматизация производственных процессов текстильной промышленности / Под ред. Д.П.Петелина, Р.Бакмана, кн.1-5.-М.:Легпром-бытиздат, 1992-1995.

5. Автоматический контроль и регулирование развеса текстильных материалов. /Под ред. В.П.Хавкина М.: Легкая индустрия, 1975.

6. Архангельский А .Я. "Программирование в C++Builder5", М., БИНОМ, 2001.

7. Белова Н.А. "Безопасность жизнедеятельности" М., Знание, 2000.

8. Бусурин В.И., Носов Ю.Р. Волоконно-оптические датчики: Физические основы, вопросы расчета и применения. -М.; Энергоатомиздат, 1990.

9. Бусурин В.И., Семенов А.А., Удалов Н.П. Оптические и волоконно-оптические датчики// Квантовая электроника, 1985. т.12, №5 С.901-944.

10. Ванин А.С., Козлов А.Б Алгоритм обучения нейросетевых регуляторов текстильных технологических процессов. Сборник научных трудов «Вестник ДИТУД», 2007. С. 191-193.

11. Ванин А.С., Козлов А.Б Компьютерное моделирование нейросетевого регулятора. // Текстильная промышленность (научный альманах), 2008. -№4.С. 56-58.

12. Ванин А.С., Козлов А.Б Нейросетевое регулирование в текстильной промышленности. Тезисы докладов 59-й межвузовской научно-технической конференции молодых ученых и студентов КГТУ-производству (Секция 7), 2007.-С. 153-152.

13. Ванин А.С., Козлов А.Б Нейросетевые методы управления в технологии формирования ленты. Тезисы докладов Всероссийской научно-технической конференции «Современные технологии и оборудование текстильной промышленности» (ТЕКСТИЛЬ-2007). С. 97-99.

14. Ванин А.С., Козлов А.Б Реализация регулятора на основе искусственной нейронной сети на языке программирования для промышленных микропроцессорных систем. // Изв. Вузов. Технология текстильной промышленности, 2007. №2. С. 103-106.

15. Ванин А.С., Козлов А.Б. Реализация регулятора на основе искусственной нейронной сети на языке программирования для микропроцессорных систем. // Изв. вузов. Технология текстильной промышленности, 2007. -№2. С.103-106

16. Ванин А.С., Селезнева JI.H. Neural networks for control. Тезисы докладов научно-практической конференции аспирантов университета на иностранных языках. М:. МГТУ им. А.Н. Косыгина, 2006. С. 9-10.

17. Варданян А.А. Исследование фотоэлектрического метода автоматического контроля развеса волокнистых полупродуктов: Дис. .канд. техн. наук. -М., МТИ, 1972.

18. Васильев Н.А. Вопросы теории прядения. Опыт применения методов математического анализа к технологическим процессам прядения: Сб. ст. /Под ред. Н.Власова, В.Казуитина, А.Брюхина.-M.-JI.: Гос. изд. лег. пром., 1932.

19. Васин В.П., Старшинов В.А., Домнина В.В., Поляков A.M., Трофимов А.В Применение новых информационных технологий при управлении работой электрических станций: учебное пособие /. Издательский дом МЭИ, 2006, с. 95-126.

20. Вершинин О.Е. Применение микропроцессоров для автоматизации технологических процессов. JL: Энергоатомиздат, Ленинградское отделение,1986.

21. Винтер Ю.М. Исследование структурной и весовой неровноты продуктов, получаемых в результате гребнечесания и вытягивания: Дис. .канд. техн. наук. М.,МТИ, 1967.

22. Влияние скорости вытягивания на неровноту шерстяной пряжи Пер. ст.: Plate D.E.A., Taylor D.S. из журн.: Text. Inst.-1960.-vol.58, №1.

23. Вышеславцев Г.Г. Исследование кинематики и динамики пневмомеханического регулятора ровноты ленты: Дис. .канд. техн. наук.-М.,ВНИИЛтекмаш, 1970.

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

25. Горбань А., Россиев Д. "Нейронные сети на персональном компьютере", Новосибирск, Наука, 1996.

26. Динамика основных процессов прядения (гребнечесание и вытягивание)./ Гинзбург Л.Н. и др.-М.: Легкая индустрия, 1972.

27. Егоров В. А. "Автоматизация проектирования предприятий", Л., Машиностроение, 1983.

28. Кенио Т. Шаговые двигатели и их микропроцессорные системы управления: Пер. с англ.-М.: Энергоатомиздат, 1987.

29. Козлов А.Б. Докт. Дисс. Повышение эффективности процессов текстильной технологии за счет контроля параметров качества продукции на базе оптоэлектронной техники. М. 1994.

30. Козлов А.Б., Ермаков А.А., Себина Л.П. Повышение эффективности работы вытяжных приборов с авторегулятором линейной плотности. //Веер, научн.- техн. конф. "Современные технологии текстильной промышленности": Тез. докл. М.: МГТА, 1996, С.54-55.

31. Крисилов В.А.,Кондратюк А.В. Преобразование входных данных нейросети с целью улучшения их различимости.// Труды Одесского политехнического университета.2003, с. 134.

32. Нейроинформатика и ее приложения // Материалы 3-го Всерос. семинара, 6-8 октября 1995 г. Ч. 1 /Под ред. А.Н. Горбаня. Красноярск: Изд-во КГТУ, 1995. 230 с.

33. Нейроинформатика и ее приложения // Тез. докл. 5-го Всерос. семинара, 3-5 октября 1997 г. /Под ред. А.Н. Горбаня. Красноярск: Изд-во КГТУ, 1997. 190 с.

34. Нейроинформатика: Учеб. пособие для студентов / Е.М. Миркес. Красноярск: ИПЦ КГТУ, 2002, 347 с.

35. Немура А.А. Передаточные функции и структурные схемы систем автоматического выравнивания массы единицы длины текстильной ленты и ровницы, части I и II, Труды АН Литовской ССР, 1960.

36. Никитюк Н.М. "Нейрочипы, нейрокомпьютеры и их применение в экспериментальной физике высоких и сверхвысоких энергий", Дубна, Физика элементарных частиц и атомного ядра, 2001.

37. Омату С., Марзуки X., Рубия Ю. "Нейроуправление и его приложения", М., Радиотехника, 2000.

38. Оптические полупроводниковые устройства, работающие в микрометровом диапазоне Пер. cT.:Sakurai Teruo из журн.:Ри.кзи Sci. and Techn.J.,1985,-vol.21, №1, 19-зо.

39. Петров И.В. "Программируемые контроллеры. Стандартные языки и приемы прикладного проектирования", М.: Изд-во СОЛОН-Пресс, 2004

40. Петров И.В. Программируемые контроллеры. Стандартные языки и приемы прикладного проектирования /Под ред. проф. В.П. Дьяконова. — М.: СОЛОН-Пресс, 2004.

41. Проспект фирмы ABB Industrial IT, Германия. Инструкция по инжинирингу. Конфигурирование системы Control Builder F.

42. Проспект фирмы ABB Industrial IT, Германия. Инструкция по инжинирингу. Программирование в соответствии со стандартом МЭК 61131-3.

43. Проспект фирмы ABB Industrial IT, Германия. Инструкция по инжинирингу. Конфигурирование операторской станции Freelance 800F.

44. Проспект фирмы ABB Industrial IT, Германия. Инструкция по инжинирингу. Процессовая станция AC 800F.

45. Проспект фирмы ABB Industrial IT, Германия. Инструкция по монтажу и установке контроллера AC 800F.

46. Проспект фирмы ABB Industrial IT, Германия. Распределенные системы управления Freelance 800F.

47. Проспект фирмы ABB Industrial IT, Германия. Справочник по инжинирингу. Функции и функциональные блоки.

48. СанПиН 2.2.2.542-96. Гигиенические требования к видеодисплейным терминалам (ВДТ). персональным электронно-вычислительным машинам (ПЭВМ) и организации работы. М.: Информационно-издательский центр Госкомэпиднадзора России, 1996.

49. Севостьянов А.Г. Исследование неровноты, возникающей при смешивании текстильных волокон и при вытягивании продуктов прядения: Дис. .докт. техн. наук. М.,МТИ, 1960.

50. Севостьянов А.Г. Методы исследования неровноты продуктов прядения. Характеристики случайных функций и их применение.-М.: Ростехиздат, 1962.

51. Севостьянов А.Г. Составление смесок и смешивание в хлопкопрядильном производстве. -М.: Гизлегпром, 1954. — 192 с.

52. Севостьянов А.Г., Вавилкин С.Ю. Взаимосвязь между свойствами хлоп-ко-лавсановой пряжи и долей компонентов в смеси. Изв. ВУЗов, ТТП, 2000, №2.

53. Севостьянов А.Г., Осьмин В.П., Щербаков В.П. "Механическая технология текстильных материалов", М., Легпромбытиздат, 1989.

54. Севостьянов А.Г., Севостьянов П.А. "Моделирование технологических процессов (в текстильной промышленности)", М., Легкая и пищевая промышленность, 1984.

55. Севостьянов А.Г., Элькина Т.Н. Методы исследования неровноты плоских текстильных материалов. -М.: Легкая индустрия, 1975.

56. Севостьянов П.А. Компьютерное моделирование технологических систем и продуктов прядения. -М.: Наука, 2006. 421 с.

57. Севостьянов П.А. Компьютерное моделирование технологических систем и продуктов прядения. -М.: Наука, 2006.

58. Сергеев К.В. Автоматическое выравнивание толщины продукта на ленточных машинах хлопкопрядильного производства: Дис. .канд. техн. наук. -М.,МТИ, 1968.

59. Средства автоматического контроля параметров технологических процессов текстильной промышленности / Под ред. В.И.Киселева. М.: Легпромбытиздат, 1990.

60. Таточенко Л.К. Контроль технологических параметров текстильных материалов: методы, устройства. -М.: Легкопромбытиздат, 1985. 192с.

61. Терехов В.А. Динамические алгоритмы обучения многослойных нейронных сетей в системах управления // Изв. РАН. Сер. Теория и системы управления, 1996. №3. С.70-79.

62. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. "Нейросетевые системы управ-ления'7/Сер. "Нейрокомпьютеры и их применение", М., ИПРЖР, 2002.

63. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. "Нейросетевые системы управления", М., Высшая школа, 2002.

64. Уоссермен Ф., Нейрокомпьютерная техника. Теория и практика, М., Мир, 1992, с.17.

65. Усенко Б.В. Исследование автоматического выравнивания толщины хлопчатобумажной ленты в зависимости от разных видов неровноты входящего продукта: Дис. .канд. техн. наук. М.,МТИ, 1970.

66. Фомин В. Н., Фрадков A. JL, Якубович В. А. "Адаптивное управление динамическими объектами", М., Наука, 1981.

67. Фостер Г.А.Р. Основы процесса вытягивания и неровноты: Пер. с англ. -М.:Ростехиздат, 1962.

68. Хавкин В.П. Исследование нестационарных процессов преобразования развеса в прядении: Дис. .докт. техн. наук. -Л.,ЛИТЛП, 1972.

69. Хавкин В.П. Основы теории и расчета систем автоматического выравнивания толщины продуктов прядения: Дис. .канд. техн. наук. -М.,МТИ, 1964.

70. Хавкин В.П. Оценка нестабильности процессов и продуктов прядильного производства льняной промышленности, М., Легкая индустрия, 1973.

71. Хавкин В.П., Молчанов А.С. Автоматическое управление технологическими процессами в прядильном производстве, М., Легкая индустрия, 1973.

72. Хакен Г. Синергетика. Иерархии неустойчивостей в самоорганизующихся системах и устройствах. М.: Мир, 1985.

73. Шаров Д.А. "Искусственные нейронные сети в управлении технологическими объектами", Ставрополь, СевКавГТУ, 2002.

74. Шульце К. П., Реберг К. Ю. "Инженерный анализ адаптивных систем", М., Мир, 1992.

75. Юдашкин А.А. Бифуркация стационарных решений в синергетической нейронной сети и управление распознаванием образов // Автоматика и телемеханика, 1996. №11. С.139-147.