Разработка и исследование моделей автоматической оптимизации при задании параметров модели в виде нечетких интервалов тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Молчанов, Артем Юрьевич

• Молчанов, Артем Юрьевич
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Молчанов, Артем Юрьевич

ВВЕДЕНИЕ

1. АНАЛИЗ МЕТОДОВ ПОСТРОЕНИЯ ЭФФЕКТИВНЫХ СИСТЕМ АВТОМАТИЧЕСКОЙ ОПТИМИЗАЦИИ

В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ

1.1. Объекты управления в задачах автоматической оптимизации

1.2. Обзор известных алгоритмов автоматической оптимизации

1.3. Задачи применения САО

1.4. Классификация видов неопределенности в задачах автоматической оптимизации

1.5. Методы повышения эффективности САО технических объектов, функционирующих в условиях неопределенности исходной информации

1.6. Классификация импульсных САО по характеру требуемой информации

1.7. Постановка задачи построения САО с нечеткими последовательными процедурами принятия решений

1.8. Математические методы моделирования и исследования импульсных САО

1.9. Выводы

2. РАЗРАБОТКА МОДЕЛЕЙ И АЛГОРИТМОВ НЕЧЕТКОЙ АДАПТИВНОЙ СИСТЕМЫ АВТОМАТИЧЕСКОЙ ОПТИМИЗАЦИИ

2.1. Задачи адаптации САО

2.2. Поисковые стратегии в задачах автоматической оптимизации

2.3. Ситуациопиая модель САО

2.4. Требования к поисковым алгоритмам в нечетких адаптивных САО

2.5. Поисковые алгоритмы на основе последовательной статистической проверки гипотез

2.6. Выбор параметров последовательных алгоритмов САО

2.7. Выбор параметров алгоритмов САО при дрейфе характеристики

2.8. Алгоритмы с дополнительной информацией

2.9. Универсальный алгоритм САО

2.10. Сравнительная характеристика последовательных алгоритмов САО

2.11. Выводы

3. РАЗРАБОТКА МЕТОДОВ МОДЕЛИРОВАНИЯ

СИСТЕМ АВТОМАТИЧЕСКОЙ ОПТИМИЗАЦИИ

3.1. Моделирование последовательной процедуры принятия решений

3.2. Имитационная модель САО

3.3. Оценка характеристик алгоритмов САО

3.4. Структура программного приложения для задач исследования

3.5. Выводы

4. ПРИМЕНЕНИЕ НЕЧЕТКИХ МОДЕЛЕЙ В ЗАДАЧАХ ОПТИМИЗАЦИИ ТЕХНИЧЕСКИХ ОБЪЕКТОВ

4.1. Структура адаптивной САО с нечеткими процедурами

4.2. Проектирование САО с нечеткими процедурами

4.3. Исследование чувствительности последовательных процедур

4.4. Программный комплекс автоматизации моделирования САО

4.5. Выводы

Введение диссертации (часть автореферата) на тему «Разработка и исследование моделей автоматической оптимизации при задании параметров модели в виде нечетких интервалов»

Развитие промышленности России тесно связано с внедрением новых технологий управления технологическими процессами и промышленными объектами. В создавшихся условиях, возникают актуальные задачи, связанные с повышением эффективности и экологичности функционирования существующего оборудования. Широкое внедрение средств вычислительной техники при создании современных систем управления способствует решению вышеназванных задач.

Повышение экономической и экологической эффективности оборудования связано с выбором оптимальных режимов работы и часто связано с проведением специальных режимных испытаний, нарушающих нормальный ход технологического процесса.

Решение задач возможно с применением методов теории оптимальных систем управления, адаптивных управляющих систем, систем экстремального регулирования, называемых также системами автоматической оптимизации (САО) [1-11]. Разработкой теории оптимальных и самонастраивающихся систем управления занимались многие известные ученые как в России, так и за рубежом: А.А.Красовский, А.А.Фельдбаум, А. А. Первозванскнй, Л.А.Растригип, А.Г.Ивахненко, Я.З.Цыпкин, П.И.Чинаев, В.М.Купцевич, И.С.Моросанов, А.П.Юркевич и многие другие ученые. Большое число работ посвящено вопросам улучшения качества процессов в самонастраивающихся и экстремальных системах управления [1,4,5,6,12-15].

При разработке систем экстремального регулирования существует задача компенсации влияния возмущений на качество процессов [14]. Существующие методы оптимального проектирования САО учитывают только статистически заданные возмущения или возмущения определенного класса [13,14]. Подобные оптимальные методы не могут быть использованы в условиях неопределенности сведений.

Для построения систем управления, способных функционировать в условиях неопределенности, разработаны методы и модели на основе нечеткой логики и теории возможностей [16-27]. Большой вклад в развитие теории принятия решений в расплывчатых условиях внесли Л.Заде, Р.Беллмап, Д.Дюбуа, А.Прад, Д.А.Поспелов, А.Н.Борисов, А.Н.Мелихов, Л.С.Берштейи.

Известны работы [13,28], в которых для повышения помехоустойчивости САО применяются вероятностно-статистические методы, в частности методы па основе последовательной статистической проверки гипотез [29] и методы оптимальной фильтрации [30]. Выбор параметров алгоритмов САО требует знания статистических характеристик и вероятностных распределений случайных возмущений, получение которых требует длительного времени, связано с проведением экспериментов на объекте и не всегда возможно.

Существуют работы, в которых для описания различного рода неопределенностей в задачах статистической проверки гипотез применяются нечеткие интервальные оценки параметров [31-35]. В работе [28] подобные методы применяются для повышения помехоустойчивости системы экстремального регулирования.

Задачи применения нечетких моделей в системах автоматической оптимизации технических объектов еще недостаточно исследованы. Разработка подобных моделей и методов затруднена отсутствием адекватных аналитических методов оценки эффективности таких систем.

Определим основную задачу проектирования САО в условиях нечеткого описания параметров.

Существует задача оптимального с точки зрения быстродействия и точности процессов синтеза алгоритма поиска экстремума в САО. Требуется выбрать такую структуру и параметры алгоритмов САО, чтобы обеспечить наилучшее качество процессов в различных режимах функционирования, отличающихся различными требованиями к точности и скорости отслеживания экстремума. Алгоритм поиска должен находиться в строгом соответствии с объектом управления. Задача синтеза должна решаться в условиях нечеткого задания априорных параметров системы. Применение методов теории адаптивных систем позволяет обеспечить решение задачи построения эффективного алгоритма САО для различных режимов функционирования.

Аналитические методы синтеза САО разработаны только для для простейших видов САО при существенных ограничениях на вид возмущений. Использование методов теории вероятностей и математической статистики предполагает статистически заданные возмущения. Трудности решения задач анализа и синтеза возрастают с ростом сложности систем, поэтому подобные методы разработаны для ограниченного класса САО и определенных видов случайных возмущений.

Математические методы исследования САО при случайных возмущениях опираются, в основном, на теорию марковских процессов и позволяют выявить более полную картину процессов, но требуют аналитически сложного определения вероятностей состояний.

Полную картину процессов в САО позволяет метод статистических испытаний и метод статистического имитационного моделирования САО. Статистическое имитационное моделирование позволяет не только исследовать переходные процессы в САО, как в динамической импульсной системе, но и получать интегральные характеристики качества функционирования системы па основе анализа реализаций процессов. Применение имитационного моделирования позволяет использовать различные математические схемы для описания объектов оптимизации, возмущений и т.п., что делает этот способ исследования практически полезным при анализе и синтезе САО реальных технических объектов.

Диссертационная работа посвящена разработке математических моделей систем автоматической оптимизации в условиях нечеткого описания параметров, а так же методов и средств исследования систем автоматической оптимизации технических объектов.

Это определяет и подтверждает актуальность диссертационной работы.

Диссертационные исследования в практическом приложении направлены на разработку методов математического моделирования САО при нечетком задании параметров и проблемно-ориентированного комплекса программ для задач синтеза САО.

Цель диссертационной работы состоит в развитии методов моделирования и синтеза эффективных по точности и быстродействию систем автоматической оптимизации при нечетком задании параметров.

В соответствии с поставленной целыо в диссертационной работе решаются следующие задачи:

- формализация САО с нечеткими процедурами;

- разработка имитационной модели САО с нечеткими процедурами;

- разработка методов исследования последовательных критериев принятия решений;

- разработка методов повышения устойчивости последовательных алгоритмов САО;

- разработка алгоритмов поиска с дополнительной информацией;

- разработка методов синтеза САО с нечеткими процедурами;

- разработка программных приложений для целей исследования и проектирования САО.

Объектом исследования в диссертационной работе являются импульсные системы автоматической оптимизации с последовательными алгоритмами принятия решений.

Математическими методами исследования в диссертационной работе являются теория вероятностей и математическая статистика, теория последовательного аиализа, теория нечетких множеств и методы нечеткой логики. В экспериментальных исследованиях применялось статистическое имитационное моделирование на ЭВМ.

Поставленная цель диссертационной работы и сформулированные в соответствии с целыо задачи позволили получить новые научные результаты в области математического моделирования и проектирования систем автоматической оптимизации.

Новыми научными результатами диссертационной работы, выносимыми на защиту, являются:

-модель адаптивной САО с нечеткими последовательными алгоритмами принятия решений, отличающаяся применением ситуационной модели САО и наличием идентифицируемой модели характеристики, позволяющей выбирать параметры поискового алгоритма в процессе функционирования, структура и алгоритм системы;

- метод формализации эвристических поисковых стратегий в САО, отличающийся применением методов и моделей адаптивного управления с нечеткими стратегиями;

- метод моделирования САО, отличающийся применением имитационного моделирования, позволяющий вводить параметры реальных технических объектов, получать оценки распределений вероятностей характеристик последовательных алгоритмов и оценивать эффективность алгоритмов поиска;

- метод синтеза САО с нечеткими последовательными процедурами, отличающийся применением аналитических методов и имитационного моделирования.

Практическая ценность результатов исследований состоит в применении полученных результатов для задач автоматической оптимизации режимов работы промышленных объектов.

Диссертационная работа состоит из четырех разделов и заключения.

В первом разделе рассмотрены основные методы и алгоритмы систем автоматической оптимизации технических объектов. Предложено формальное представление объекта оптимизации. Приведена классификация объектов оптимизации по характеру протекающих процессов. Выполнена классификация видов неопределенности в задачах автоматической оптимизации. Рассмотрены методы построения САО, функционирующих в условиях неопределенности состояния объекта управления и среды его функционирования.

Предложена реализация концепции САО с переменным режимом работы па основе методов нечеткой логики, отличающаяся наличием специальной базы знаний и средств адаптации элементов этой базы знаний. Предложена структура нечеткой адаптивной САО с нечеткими последовательными процедурами принятия решения. Выполнена постановка задачи синтеза адаптивных систем статистической оптимизации с повышенным быстродействием, отличающихся заданием параметров в виде нечетких множеств и использованием нечетких экспертных процедур выбора па множестве нечетких оценок параметров алгоритма оптимизации.

Во втором разделе рассмотрены задачи адаптации САО, уровни адаптации поисковых систем и основные методы, используемые в задачах адаптации САО па основе последовательной статистической проверки гипотез. Рассмотрены основные стратегии поиска в адаптивных САО, выполнено сравнение характеристик поисковых стратегий и сделано определение нечеткой поисковой стратегии как обобщения рассматриваемого класса стратегий поиска.

Рассмотрены нечеткие алгоритмы САО. Предложена ситуационная модель САО с переменными параметрами, отличающаяся применением нечетких множеств для описания параметров модели, наличием идентифицируемой модели характеристики, возможностью описания зависимостей между неточными параметрами экстремальной характеристики и параметрами алгоритмов САО. Предложен способ идентификации текущей ситуации функционирования САО по неточным данным.

Рассмотрены алгоритмы принятия решений в САО на основе последовательных процедур статистической проверки гипотез при четком и нечетком задании параметров, аналитические методы оценки характеристик последовательных алгоритмов. Предложен универсальный последовательный алгоритм поиска с использованием апостериорной информации. Определены условия устойчивости поисковых движений в условиях дрейфа характеристики объекта при детерминированном и случайном характере дрейфа. Предложены методы выбора параметров алгоритмов САО при четких и нечетких исходных данных па основе идентифицируемой модели объекта оптимизации.

Предложено применение комбинированных алгоритмов фильтрации в САО, отличающихся возможностью выделения и оценки статистических характеристик случайных возмущений, возможностью работы в условиях неопределенности уровня полезного сигнала и адаптации к неизвестным или неточно определенным характеристикам случайных возмущений. Предложен метод выбора оптимальных параметров комбинированного фильтра па основе функции риска последовательного критерия.

В третьем разделе разработаны универсальные алгоритмы имитационного моделирования последовательных алгоритмов принятия решений в САО. Предложен метод исследования характерпстик последовательного критерия на основе метода статистических испытаний.

Разработана имитационная модель САО. Определен объем и методы получения статистических данных имитационного моделирования САО. Рассмотрены критерии оценки эффективности САО по результатам моделирования, включающие критерии точности и быстродействия.

В четвертом разделе разработаны модели и алгоритмы принятия решений САО с нечеткими процедурами. Предложена модель нечеткой режимной карты объекта. Рассмотрен метод адаптации модели по данным функционирования поискового алгоритма САО. Рассмотрен метод построения нечеткой адаптивной САО технологического объекта с использованием аналитических методов и метода имитационного моделирования.

Исследованы функции чувствительности последовательных критериев принятия решений. Приведены зависимости для определения характеристик последовательных алгоритмов. Разработан проблемно-ориентированный программный комплкекс для целей имитационного моделирования и синтеза САО технических объектов.

Результаты работы внедрены на предприятии ЗАО «ЮГТЕПЛОКОМПЛЕКТ», при выполнении в Таганрогском государственном радиотехническом университете госбюджетной НИР «Разработка п исследование методов аналитического синтеза интеллектуальных систем принятия решении и многокритериального управления в условиях неопределенности на основе современных информационных технологий», а также в учебном процессе.

Основные результаты докладывались и обсуждались на конференции «С-2003 Системный подход в науках о природе, человеке и технике» (Таганрог,

2003); седьмой всероссийской научной конференции студентов и аспирантов «Техническая кибернетика, радиоэлектроника и системы управления» (Таганрог, 2004); II Всероссийской конференции молодых ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление» (Таганрог, 2004); международной научной конференции «Информационный подход в естественных, гуманитарных и технических науках» (Таганрог, 2004); VII Всероссийской научной конференции с международным участием «Новые информационные технологии. Разработка и аспекты применения» (Таганрог,

2004); Всероссийской научно-технической конференции с международным участием «КомТех 2005. Компьютерные и информационные технологии в пауке, инженерии и управлении» (Таганрог, 2005); IV Всероссийской конференции молодых ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление» (Таганрог, 2006).

По теме диссертации опубликованы 4 статьи и 10 тезисов докладов на научных конференциях разного уровня.

Все результаты, представленные в диссертационной работе, получены автором лично.

Диссертация содержит 180 страниц машинописного текста, включая введение, четыре раздела, заключение, список литературы из 119 наименований па 11 страницах, 9 таблиц, 55 рисунков.

Заключение диссертации по теме «Теоретические основы информатики», Молчанов, Артем Юрьевич

4.5. Выводы

Предложена структура адаптивной САО с нечеткими процедурами принятия решений. Разработаны нечеткие модели САО и последовательные алгоритмы принятия решений в САО инерционных объектов. Предложена модель нечеткой режимной карты объекта. Рассмотрен метод адаптации модели по данным функционирования поискового алгоритма САО. Предложено решение задачи определения достаточного количества информации для функционирования САО с моделью характеристики па основе эвристической процедуры.

Рассмотрен метод построения нечеткой адаптивной САО технологического объекта с использованием аналитических методов и метода имитационного моделирования.

Приведены нечеткие алгоритмы САО, которые могут быть использованы при построении САО. Показана возможность применения универсальных алгоритмов имитационного моделирования САО для исследования САО инерционных объектов при существенном сокращении затрат машинного времени на моделирование.

Исследованы функции чувствительности последовательных критериев принятия решений. Приведены зависимости для определения характеристик последовательных алгоритмов, не зависящие от вида характеристики объекта. Исследованы вероятностные распределения характеристик САО и разработан метод выбора параметров САО с использованием функций чувствительности нормального критерия. Указана и подтверждена исследованиями возможность сокращения числа испытаний в последовательном критерии.

Разработан проблемно-ориентированный программный комплкекс для целей моделирования САО, рассматриваемых в диссертационной работе, а так же для целей синтеза САО и выбора оптимальных параметров поисковых стратегий.

ЗАКЛЮЧЕНИЕ

Выполнен аналитический обзор существующих методов построения систем автоматической оптимизации, а так же методов повышения их эффективности при работе в условиях неопределенности априорной информации и наличии возмущений среды функционирования, что позволило определить источники неопределенности и выполнить классификацию САО по характеру требуемой информации.

Разработана математическая модель адаптивной системы статистической оптимизации с повышенным быстродействием, отличающаяся заданием параметров в виде нечетких множеств и использованием нечетких экспертных процедур выбора на множестве нечетких оценок параметров алгоритма оптимизации. Предложен метод использования дополнительной информации для повышения эффективности САО с применением моделей нечеткого ситуационного управления. Модель нечеткой адаптивной САО позволяет выбирать параметры алгоритмов САО, определяющие точность и быстродействие, па основе идентифицируемой модели характеристики объекта и реализует концепцию САО с переменными параметрами и режимом работы.

Рассмотрены алгоритмы принятия решений па основе статистических процедур последовательного анализа. Разработаны модели оценки устойчивости и быстродействия САО с последовательными алгоритмами. Предложены методы выбора параметров алгоритмов фильтрации в САО при четких и нечетких исходных данных. Полученные результаты позволили сформировать требования к алгоритмическому обеспечению САО с нечеткими процедурами и выявить связи между параметрами алгоритмов принятия решений и параметрами характеристики объекта, оцениваемыми по апостериорным данным и, следовательно, дали возможность создания адаптивпых алгоритмов поиска с заданными характеристиками точности и быстродействия.

Разработан метод моделирования САО с нечеткими последовательными процедурами принятия решений с использованием статистического имитационного моделирования. Рассмотрены критерии оценки эффективности САО по результатам моделирования, включающие критерии точности и быстродействия. Получены результаты в виде универсальных алгоритмов имитационного моделирования, позволяющих исследовать САО, относящиеся к классу нечетких адаптивных систем управления. Предложен метод оценивания вероятностных распределений характеристик последовательных алгоритмов, снимающий ограничения па применение вероятностных методов исследования САО.

Предложен метод синтеза САО с нечеткими последовательными процедурами с применением разработанных в диссертации аналитических методов и результатов статистического моделирования. Метод направлен на разработку САО реальных технических объектов с учетом требований, предъявляемых к поисковым САО и отличается совместным применением аналитических методов и имитационного моделирования.

Разработанные модели и методы реализованы в проблемно-ориентированном программном продукте для целей исследования и проектирования САО.

Разработанные в диссертации модели и методы позволяют улучшить характеристики систем автоматической оптимизации технических объектов, проектировать САО с требуемыми характеристиками точности и быстродействия. Модели могут быть использованы при проектировании управляющих устройств в технике, сельском хозяйстве и других областях.

Результаты экспериментальных исследований представляют практический интерес при проектировании САО, позволяют уточнить характер процессов в САО с последовательными алгоритмами.

Список литературы диссертационного исследования кандидат технических наук Молчанов, Артем Юрьевич, 2006 год

1. Справочник по теории автоматического управления / Под ред. А.А.Красовского. -М.:Наука, 1987, 712 с.

2. Чаки Ф. Современная теория управления. Нелинейные, оптимальные и адаптивные системы. Пер. с англ. М.: «Мир», 1975.

3. Самонастраивающиеся системы. Справочник. / под ред. П.И.Чинаева. Киев: «Наукова думка», 1969.

4. Кунцевич В.М. Импульсные самонастраивающиеся и экстремальные системы автоматического управления. Киев: «Техшка», 1966.

5. Казакевич В.В., Родов А.Б. Системы автоматической оптимизации. М.:«Энергия», 1977,288 с.

6. Растригип JI.A. Системы экстремального управления. М.: Наука,1974.

7. Цыпкин Я.З. Адаптация и обучение в автоматических системах. М.: «Наука», 1968,399 с.

8. Саридис Д. Самоорганизующиеся стохастические системы управления / пер. с англ. под ред. Я.З.Цыпкина. М.: «Наука», 1980.

9. Цыпкин Я.З. Основы теории обучающихся систем. М.: «Наука», 1970,252с.

10. Растригин JI.A. Адаптация сложных систем. Рига: Зипатне, 1981.

11. Срагович В.Г. Теория адаптивных систем. М.: «Наука», 1976, 320с.

12. Первозванский А.А. Случайные процессы в нелинейных автоматических системах. М.:ГИФМЛ, 1962.

13. В.Медведев Г. А,, Тарасенко В.П. Вероятностные методы исследования экстремальных систем. М.: «Наука», 1967. 456 с.

14. Мандровский-Соколов Б.Ю., Туник А.А. Системы экстремального управления при случайных возмущениях. Справочник. Киев: «Наукова думка», 1970.

15. Ивахнепко А.Г. Самообучающиеся системы распознавания и автоматического управления. Киев: «Техшка», 1969, 392 с.

16. Д. Дюбуа, А. Прад. Теория возможностей. Приложения кпредставлению знаний в информатике. М.:«Радио и связь», 1990, 288 с.

17. Заде J1.A. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. М.:3нание, 1974.

18. Беллман Р., Заде Л. Принятие решений в расплывчатых условиях // Вопросы анализа и процедуры принятия решений. М.: Мир, 1976, с. 172-215.

19. Берштейн Л.С., Карелин В.П., Целых А.Н. Модели и методы принятия решений в интегрированных интеллектуальных системах. Ростов-па-Дону: Изд-во Ростовского университета, 1999, 278с.

20. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990, 272 с.

21. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений.-М.:Мир, 1976, 165 с.

22. Броневич А.Г., Каркищенко А.Н. Вероятностные и возможностные » модели классификации случайных последовательностей / иод ред.

23. Л.С.Берштейпа. Таганрог: ТРТУ, 1996, 193с.

24. Поспелов Д.А. Логико-лингвистические модели в системах управления. М.: Энергоатомиздат, 1981, 231с.

25. Нечеткие множества в моделях управления и искусственного интеллекта / под ред. Д.А. Поспелова. М.: Наука.ГРФМЛ, 1986, 312 с.

26. Орловский С.А. Проблемы принятия решений при нечеткой информации. М.:Наука, 1981, 206 с.

27. Tutorial on Fuzzy Logic Applications in Power Systems. IEEE-PES * Winter Meeting, Singapore, Jan., 2000.

28. Захаров B.H., Ульянов С.В. Нечёткие модели интеллектуальных промышленных регуляторов и систем управления. IV Имитационное моделирование. //Техническая кибернетика, № 5, 1994. с. 168-202.

29. Методы робастного нейро-нечеткого и адаптивного управления / под ред. Н.Д.Егупова. М.: Изд. МГТУ им. Н.Э.Баумана, 2002.

30. Вальд А. Последовательный анализ. М.:ГИФМЛ, 1960.

31. Коршунов Ю.М. Математические основы кибернетики. М.: Энергоатомиздат, 1987,496 с.

32. Taheri S.M. Trends un fuzzy statistics // Austrian Journal of Statistics, vol.32 (2003) №3, pp.239-257.

33. Filzmoser P., Viertl R. Testing hypotheses with fuzzy data: The fuzzy p-value // Metrika (2004) 59: pp. 21-29.

34. Taheri S.M. Statistics with non-precise data: a main approach in the future // in proc. of the international conference «Statistics investment in the future», Prague, 2004.

35. Torabi H, Behbodian J. Sequential Probability Ratio Test for Fuzzy Hypothesis Testing with Vague Data // Austrian Journal of Statistics, vol.34 (2005) №1, pp.25-38.

36. Гаврилов A.H., Пузикова Л.А., Пылькин А.Н. Последовательная процедура принятия решений о состоянии канала связи на основе проверки нечетких гипотез // Известия РАН. Техническая кибернетика, №2, 1994.

37. Растригин Л.А. Современные принципы управления сложными объектами. М.: «Сов.радио», 1980, 232с.

38. Теория автоматического управления: Учеб. для вузов. В 2-ч. Ч. 1. Теория линейных систем автоматического управления / Под ред. А.А.Воронова. М.: «Высшая школа», 1986. 367 с.

39. Молчанов АЛО. Информационный анализ систем статистической оптимизации // Материалы международной научной конференции «Информационный подход в естественных, гуманитарных и технических науках» часть 3 - Таганрог: ТРТУ, 2004, стр. 60-61.

40. Техническая кибернетика. Теория автоматического регулирования. Книга 3. Часть II. Теория нестационарных, нелинейных исамонастраивающихся систем автоматического регулирования. М.: «Машиностроение», 1969.

41. Рапопорт А.Н. Автоматные модели поисковой оптимизации и управления. Киров: ВятГТУ, 1999.

42. М. Gafvert, L.M. Pedersen, К.-Е. Arzen. Simple linear feedback and extremum control of GDI engines. In Seoul 2000 FISITA World Automobile Congress, Seoul, Korea, 2000. Paper F2000A050.

43. Никитин А.В., Шишлаков В.Ф. Параметрический синтез нелинейных систем автоматического управления: Монография. Санкт-Петербург: СПбГУАП, 2003, 358с.

44. Дуэль М.А. Автоматизированные системы управления энергоблоками с использованием средств вычислительной техники. М.: Энергоиздат, 1983. 208 с.

45. Плетнев Г.П. Автоматическое управление и защита теплоэнергетических установок электростанций. М.: Энергоатомиздат, 1986.

46. Субботин В.И. Режимы работы и управление теплоэнергетическими установками. М: изд-во "Испо-Сервис", 2001, 214 с.

47. Прохоренков A.M., Никитенко А.А., Ерёменко Д.С. Применение ситуационных моделей в системах управления технологическими процессами // Материалы всероссийской научно-технической конференции «Наука и образование 2002».

48. Молчанов А.Ю. Оптимизация параметров энергетического объекта //Известия ТРТУ. Тематический выпуск «Актуальные проблемы производства и потребления электроэнергии». Таганрог: ТРТУ, 2004, №7.

49. Дилигенский Н.В., Дымова Л.Г., Севастьянов П.В. Нечеткое моделирование и многокритериальная оптимизация производственных систем в условиях неопределенности: технология, экономика, экология. М: «Издательство Машиностроение-1», 2004.

50. Тепловой режим и эксплуатация мартеновских печей, технологическая инструкция, к-т «Азовсталь»,Мариуполь-1993.

51. Производство стальных бесшовных труб. Технологическая инструкция ТИ 157-ТПЦ1-001-99. ОАО «Тагмет», Таганрог, 1999.

52. Климовицкий М.Д. Автоматизация методических печей. М.: «Металлургия», 1981.

53. М. Xin. Adaptive Extremum Control and Wind Turbine Control. Ph.D. thesis, DTU, Denmark, 1997.

54. Куликова Jl.В. Основы использования возобновляемых источников энергии // http://ecoclub.nsu.ru/altenergy/common/common222.shtm.

55. Островский Г.М., Волин Ю.М. Методы оптимизации химических реакторов. М.: «Химия», 1967, 248 с.

56. Иваненко В.И., Караченец Д.В., Снегур А.А. и др. Некоторые применения идей дуального управления // Методы оптимизации автоматических систем. Сб. статей под ред. Я.З.Цыпкина. М.: «Энергия», 1972, с. 177-208.

57. Арефьев Б.А. Оптимизация инерционных процессов. Л.: «Машиностроение», 1969, 160 с.

58. Бакулин Е.П., Бобко В.Д. и др. Управление подачей воздуха в топку парового котла на основе нечетких технологий // Автометрия, т.38, №6, 2002.

59. Прашкевич В. Автоматизированный контроль котельных установок // «Наука в Сибири», №8(2294), 2001.

60. Рей У. Методы управления технологическими процессами: пер. с англ. М.: Мир, 1983,368с.

61. Либерзон J1.M., Родов А.Б. Шаговые экстремальные системы. М.:«Энергия», 1969, 96 с.

62. Система оперативной оптимизации технико-экономических показателей непрерывного инерционного производства // http://vvwvv.ste.ru/mes.html.

63. Молчанов АЛО. Алгоритм экстремального управления в системах автоматической оптимизации // Известия ТРТУ. Специальный выпуск. Таганрог: ТРТУ, 2004, №8.

64. Методы электрических измерений: Учебное пособие для вузов / под ред. Э.И.Цветкова. Л.:Эпергоатомиздат, 1990.

65. Модели принятия решений на основе лингвистической переменной / А.Н.Борисов, А.В.Алексеев, О.А.Крумберг и др. Рига: Зинатпе, 1982.

66. Уидроу Б., Стирнз С. Адаптивная обработка сигналов: Пер. с апгл. -М.: «Радио и связь», 1989. 440 с.

67. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях: Монография. Тюмень: Издательство Тюменского государственного университета, 2000. 352 с.

68. Панько М.А., Аракелян Э.К. Использование теории нечетких множеств для оптимизации управления на электростанциях // Промышленные АСУ и контроллеры, №8, 2004.

69. Бородюк В.П., Лецкий Э.К. Статистическое описание промышленных объектов. М.: «Энергия», 1971, 112с.

70. Алиев Р.А., Захарова Э.Г., Ульянов С.В. Нечеткие модели управления динамическими системами // Итоги науки и техники. Сер. Техническая кибернетика, т.29, с. 127-201.

71. Пивкин В.Я. Нечеткие D-модели. Ч. I. Структура, синтез, свойства, использование для локализации решений оптимизационных задач // Автометрия, №5, 2001, с. 103-116.

72. Пивкин В.Я. Нечеткие D-модели. Ч. II. Самокорректировка в процессе эксплуатации объекта. Модели с дискретными параметрами. // Автометрия, №6, 2001, с. 123-127.

73. Guanrong Chen, Young Hoon Joo. Introduction to fuzzy Control Systems // Handbook of Intelligent Control, CRC Press, 2000.

74. E. Lughofer and E.P. Klement. Online adaptation of Takagi-Sugeno fuzzy inference sys-tems // in proc. of CESA'2003—IMACS Multiconlerence, Lille, France, 2003, paper Sl-R-00-0175.

75. Финаев В.И., Павленко Е.Н. Методы искусственного интеллекта в задачах организации водно-химического режима тепловых электростанций. Таганрог: ТРТУ, 2004, 148с.

76. Поспелов Д.А. Ситуационное управление: теория и практика. М.: «Наука», 1986, 288с.

77. Молчанов А.Ю. Финаев В.И. Адаптивная система автоматической оптимизации с нечеткими процедурами / Материалы конференции С-2003 «Системный подход в пауках о природе, человеке и технике» часть 5. Таганрог: ТРТУ, 2003.

78. Финаев В.И., Блошенко В.В. Модели планирования экспериментов с нечеткими параметрами // Известия ТРТУ, тематический выпуск «Актуальные проблемы производства и потребления электроэнергии», №7, 2004, стр. 87.

79. Wittenmark В., Evans R.J. Extremal control of Wiener model processes. Internal report ISRN LUTFD2/TRFT-7599-SE. Department of Automatic Control. Lund Institute of Technology, 2001.

80. Фильтрация и стохастическое управление в динамических системах / под ред. К.Т.Леондеса. Пер. с англ. М.: «Мир», 1980.

81. Фипаев В.И., Молчанов АЛО. Метод моделирования самонастраивающихся систем управления // Известия ТРТУ. Специальный выпуск. Таганрог: ТРТУ, 2004, №8.

82. Родин С.Н., Сидельников С.И. Нечеткое экстремальное регулирование в производстве ацетилена // Приборы и системы. Управление, контроль, диагностика. №8, 2005.

83. Берштейн Л.С., Финаев В.И. Адаптивное управление с нечеткими стратегиями. Ростов на Дону.: Изд-во Рост, университета, 1993. 134 с.

84. Малышев Н.Г., Берштейн Л.С., Божешок А.В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991, 136с.

85. Молчанов АЛО., Финаев В.И. Автоматическая оптимизация процессов с нечеткими алгоритмами // Материалы 10-й Международной НТК студентов и аспирантов «Радиоэлектроника, электротехника и энергетика» Тез. докл. ВЗ-х т. М.: Издательство МЭИ, 2004, Т.1.

86. Ibrahim Eksin, Osman Kaan Erol. A Fuzzy Identication Method for Nonlinear Systems // Turk J. Elec. Engin., Vol.8, №2, 2000.

87. Jang J.-S. R. ANFIS: Adaptive-Network-Based Fuzzy Inference System // IEEE Trans. Systems & Cybernetics. 1993. - Vol. 23. - P. 665.

88. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. Вииннца: «УНИВЕРСУМ—Винница», 1999, 320 с.

89. Молчанов А.Ю., Никул Е.С. Алгоритм нечеткой адаптивной системы автоматической оптимизации // Материалы 12-й Всероссийской мужвузовской научно-технической конференции студентов и аспирантов «Микроэлектроника и информатика». Москва: Изд-во МГИЭТ, - 2005.

90. Цыпкин Я.З. Теория импульсных систем. М.:ГИФМЛ, 1958, 724 с.

91. Теория автоматического управления: Учеб. для вузов. В 2-ч. Ч. 2. Теория нелинейных и специальных систем автоматического управления / Под ред. А.А.Воронова. М.: «Высшая школа», 1986.

92. Banavar R.N. Extremum seeking loops with quadratic functions:estimation and control // International Journal of Control, 2003, Vol. 76, №14, pp. 1475-1482.

93. Бусленко Н.П., Калашников В.В., Коваленко И.II. Лекции по теории сложных систем. М.: «Сов. радио», 1973, 440с.

94. Заездпый A.M. Основы расчетов по статистической радиотехнике. М.: «Связь», 1969.

95. Бусленко В.Н. Автоматизация имитационного моделирования сложных систем. М.: «Наука», 1977. 240 с.

96. Финаев В.И., Молчанов АЛО. Модели систем автоматической оптимизации энергетических объектов // Известия ТРТУ. Тематический выпуск «Актуальные проблемы производства и потребления электроэнергии». Таганрог: ТРТУ, 2004, №7, стр. 82-87.

97. Основы управления технологическими процессами / под ред. Н.С.Райбмапа. М.:Наука, 1978,440с.

98. Граничин О.Н. Введение в методы стохастической оптимизации и оценивания. Учеб. пособие. СПб.: Изд.-во С.-Петербургского уп.-та, 2003.

99. Молчанов АЛО. Модель адаптивной системы поисковой оптимизации с нечеткими стратегиями // Материалы IV Всероссийской конференции молодых ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление». Таганрог, ТРТУ, 2006.

100. Ивахненко А.Г., Зайченко Ю.П., Димитров В.Д. Принятие решений на основе самоорганизации. М.: «Сов. радио», 1976, 280с.

101. Александров Е.А. Основы теории эвристических решений. М.: «Сов. Радио», 1975,256 с.

102. Орлов А.И. Задачи оптимизации и нечеткие неременные. М.: «Знание», 1980, 64 с.

103. Yun-Hsi О. Chang, Bilal М. Ayyub. Fuzzy regression methods a comparative assessment.// Fuzzy Sets and Systems, Vol. 119 (2), 2001. p. 187-203.

104. Yun-Hsi O. Chang. Hybrid fuzzy least-squares regression analysis and its reliability measures.// Fuzzy Sets and Systems, Vol. 119 (2), 2001. p. 225-246.

105. Финаев В.И. Модели систем принятия решений: учебное пособие. Таганрог: Изд-во ТРТУ, 2005, 118с.

106. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений па основе нечетких моделей: примеры использования. Рига: Зииатне, 1990, 184с.

107. Гмурман В.Е. Теория вероятностей и математическая статистика. Учеб. пособие для втузов. Изд. 5-е перераб. и доп. М.:«Высшая школа», 1977.

108. Б.Я. Советов, С.А. Яковлев. Моделирование систем. М.:«Высшая школа», 1985, 271 с.

109. Финаев В.И. Моделирование при проектировании информационно-управляющих систем: Учеб. пособие. Таганрог: ТРТУ, 2002.

110. Прохоров С.А. Моделирование и анализ случайных процессов. Лабораторный практикум. Самар. гос. аэрокосм, ун-т, 2001. 191с.

111. Nauck D., Klawonn F., Kruse R. Foundations of Neuro-Fuzzy Systems. John Wiley & Sons, 1997,305р.

112. Молчанов А.Ю., Молчанова Т.Ю. Модель адаптивного управления очисткой зерна // Материалы IV Всероссийской конференции молодых ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление». Таганрог, ТРТУ, 2006.

113. Молчанов АЛО. Применение нечетких моделей в задачах автоматической оптимизации объектов энергетики // Известия ТРТУ. Тематический выпуск «Актуальные проблемы производства и потребления электроэнергии». Таганрог: Изд-во ТРТУ, 2005. №11(55).

114. Круглов В.В. Сравнение алгоритмов Мамдани и Сугэио в задаче аппроксимации функции // «Нейрокомпьютеры»: разработка, применение. М.: «Радиотехника», №5, 2003.

115. Еременко Ю.И., Полещенко Д.А., Солодов С.В. Об оптимизации структуры системы экстремального регулирования процесса оком кования окатышей // Приборы и системы. Управление, контроль, диагностика. №9, 2005.