Разработка моделей принятия решений с применением методов искусственного интеллекта для задач магистрального транспорта газа тема диссертации и автореферата по ВАК РФ 05.13.17, кандидат технических наук Шадрина, Валентина Вячеславовна

• Шадрина, Валентина Вячеславовна
• кандидат технических наук
• 2007

Оглавление диссертации кандидат технических наук Шадрина, Валентина Вячеславовна

ВВЕДЕНИЕ.

1. МАГИСТРАЛЬНЫЕ ГАЗОПРОВОДЫ, ИХ ЭЛЕМЕНТЫ И ОСНОВНЫЕ РЕЖИМЫ РАБОТЫ.

1.1. Общее описание процесса транспортировки газа от мест добычи до потребителя.

1.2. Анализ структурных схем компрессорных станций.

1.3. Организация управления газотранспортной системой.

1.4. Автоматизация управления технологическим процессом.

1.5. Структура целей АСУ ТП при управлении КС.

1.6. Разработка концепции моделирования процессов управления транспортировкой газа.

1.7. Выводы.

2. РАЗРАБОТКА НЕЧЕТКОЙ МОДЕЛИ ДЛЯ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМ ПРОЦЕССОМ КОМПРЕССОРНОЙ СТАНЦИИ.

2.1. Задачи управления технологическими процессами компрессорной станции.

2.2. Содержательное описание технологического процесса компримирования газа.

2.3. Формализация параметров технологического процесса транспортировки газа.

2.4. Формальная модель системы управления технологическим процессом компрессорной станции.

2.5. Нечеткая модель на основе степени истинности дедуктивной схемы вывода.

2.6. Регулирование режима работы компрессорных станций магистральных газопроводов с газотурбинными установками.

2.7. Выводы.

3. МОДЕЛЬ ПРИНЯТИЯ РЕШЕНИЙ.

3.1. Метод логического вывода в системе нечетких монотонных высказываний второго рода.

3.2. Алгоритм решения задачи.

3.3. Необходимые требования к базе знаний.

3.4. Построение дерева решений и порождающих правил.

3.5. Программное приложение для диспетчеризации управления.

3.6. Оценка эффективности метода логического вывода в системе нечетких монотонных высказываний второго рода.

3.7. Выводы.

4. ОПТИМИЗАЦИЯ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМ ПРОЦЕССОМ КОМПРЕССОРНОЙ СТАНЦИИ.

4.1. Формализация задачи нечеткой оптимизации.

4.2. Метод оптимума номинала с нечетким заданием переменных.

4.3. Алгоритмизация метода.

4.4. Применение метода скорейшего спуска для решения задачи выбора оптимума номинала.

4.5. Нахождение оптимально - компромиссного режима работы компрессорной станции.

4.6. Программная среда принятия решений, реализующая метод оптимума номинала.

4.5. Выводы.

Введение диссертации (часть автореферата) на тему «Разработка моделей принятия решений с применением методов искусственного интеллекта для задач магистрального транспорта газа»

Важнейшим компонентом топливно-энергетического комплекса являются системы газоснабжения, представляющие собой сложный производственно -технологический комплекс, обладающий такими особенностями, как необходимость централизованного диспетчерского управления потоками газа, значительная территориальная распределенность и большая размерность как системы газоснабжения в целом, так и ее отдельных объектов. Управление функционированием системы газоснабжения ставит новые технические и экономические задачи, решить которые без развитой системы автоматизированного управления технологическими процессами невозможно.

Эффективную, бесперебойную работу газотранспортной системы обеспечивают службы диспетчеров разного уровня, составляющие диспетчерскую вертикаль. Диспетчерское управление представляет собой магистральное направление развития человеко-машинных систем управления технологическими процессами. За последние годы существенно изменилась информационно-программная среда на рабочем месте диспетчера, повысились требования к качеству принимаемых решений при управлении магистральным транспортом газа. Работу диспетчерской вертикали обеспечивают как уже давно известные телемеханические системы [1,2], так и сопрягаемые с ними более совершенные системы автоматизированного управления, в основе функционирования которых заложены SCADA-технологии [3].

Конечная цель создания автоматизированной системы управления технологическими процессами транспорта газа состоит в повышении эффективности работы газотранспортной системы за счет оперативного планирования, централизованного контроля и управления режимами работы основных технологических объектов газопровода в реальном времени.

Оптимальный режим эксплуатации магистральных газопроводов заключается в максимальном использовании их пропускной способности при минимальных энергозатратах. В значительной степени этот режим определяется работой компрессорных станций (КС), устанавливаемых через каждые 100 - 150 км [4].

Задача моделирования нестационарных квазиизотермических режимов работы разветвленных сложных систем магистрального транспорта газа, содержащих КС, может быть сведена к многократному решению системы нелинейных алгебраических уравнений сопряжения и линеаризованных систем дифференциальных уравнений теплопроводности. Размерность полученной системы будет зависеть от того, какие функции (расход газа, давление и т.д.) выбраны в качестве неизвестных для решения системы уравнений сопряжения и газопередачи.

Эффективность моделирования нестационарных режимов работы систем магистрального транспорта газа снижается при использовании стандартных методов, если рассчитываются сети большой размерности, содержащие в общей сложности десятки и сотни узлов и КС. Для таких систем при решении задач оперативно-диспетчерского управления сложно получать значения давлений и расходов в несколько раз быстрее, чем протекает сам процесс.

Поэтому система управления газотранспортной системой представляет собой автоматизированную систему, в состав которой входят локальные системы управления некоторыми отдельными объектами. Эти факторы, а также то, что транспорт газа является технологически опасным процессом, определяют актуальность разработки компьютерных средств поддержки принятия диспетчерских решений.

Так как диспетчер обладает конечной скоростью восприятия ограниченного объема информации, то ему требуется некоторое время на ее обдумывание, принятие решения и выполнение соответствующих мероприятий. Действия диспетчера отличаются субъективностью. Диспетчер должен непрерывно следить за процессом, с максимальной быстротой оценивать текущую обстановку и в случае необходимости принимать решения с целью поддержания заданного режима, что чрезвычайно сложно, а иногда и невозможно. Поэтому в настоящее время эксплуатация процессов транспорта газа без автоматизации, а также применения методов искусственного интеллекта, позволяющих формализовать действия диспетчера, не представляется возможным.

Н.Винер [38] изложил проблемы создания человеко-машинных систем, объединяющих человека и вычислительную машину. Это позволяет устранить такие недостатки экспертов, как межличностные отношения, непостоянство, неуверенность, стремление к упрощению задачи, а также психологические и физиологические причины.

В теории управления существуют подходы к решению задач нелинейной динамики [5 - 7]. Применение этих эффективных методов позволяет разработать пропорциональные интегро-дифференциальные регуляторы для реализации локальных систем управления. Однако процесс транспорта газа следует рассматривать как сложный нелинейный объект, для исследования функционирования которого необходимо применять методы системного анализа, особенно при неточности описания факторов объектов. Задачи моделирования процесса транспорта газа не формализуются достаточно точно, постановка их существует в неопределенных терминах и они могут быть решены с применением методов системного анализа.

Достоинство системного анализа состоит в непрерывном развитии и обновлении его методов для формализованного описания объектов, их моделирования, анализа и оптимизации поведения объектов и выработки оптимальных управляющих воздействий [8 - 13]. Системный анализ опирается на различные теории и в своем арсенале имеет много математических методов. Системный анализ объединяет формальные и эвристические подходы.

Таким образом, при решении задач управления магистральным транспортом газа необходимо использовать знания из многих предметных областей, таких как: теория управления, информатика, теория искусственного интеллекта, системный анализ, синергетика и др.

В практике разработки интеллектуальных систем принятия решений, трудности формализации повсеместно определяются неопределенностью целей и неопределенностью адекватного анализа сложившихся ситуаций промышленного объекта. Цель принятия решений не всегда может быть оценена в физических единицах измерения. Цель может быть выражена качественными показателями, формализация которых возможна методами теории нечетких множеств [14-17].

Для разработки интеллектуальных систем принятия решений в автоматизированной системе управления процессом транспорта газа наиболее эффективным подходом является эвристический подход, который включает неформальные, экспертные методы системного анализа, основывающиеся на теории нечетких множеств, нечеткой логике, теории искусственного интеллекта, ситуационном управлении.

Теория искусственного интеллекта обладает наиболее эффективными методами решения слабоформализуемых задач [17 - 24].

Существуют глубоко разработанные сетевые методы моделирования и анализа принятия решений, в которых наиболее перспективными являются активные семантические сети для представления знаний. Реализация сетей выполняется на основе спиновых и нейросетевых моделей [25, 26].

Задача оптимального выбора решений для управления технологическим процессом магистрального транспорта газа является многокритериальной. Критерии могут быть как количественными, так и качественными. В связи с этим возникает потребность в компьютерных информационных системах, позволяющих эффективно работать с качественной и количественной информацией, описывать различные процессы и явления при решении задач транспорта газа, получать точные, обоснованные решения в режиме реального времени при возможном недостатке или ограниченности исходной информации.

Диссертационная работа посвящена разработке моделей систем принятия решений для проектирования автоматизированной системы управления процессами сжатия и транспорта газа на компрессорной станции при нечетком задании параметров и критериев процесса, качественном описании сложившихся ситуаций, характеризующих как внешнюю среду, так и объект управления. Это определяет и подтверждает актуальность диссертационной работы.

В связи с повышением требований к проектированию и эксплуатации систем газопроводов особое внимание должно уделяться разработке и внедрению научно обоснованных методов прогноза параметров технологического процесса транспорта газа и целенаправленного управления этим процессом для обеспечения бесперебойного газоснабжения и рационального использования газопроводных систем. Таким образом, исследование технологических процессов компримирования и транспорта газа, задачи прогноза аварийных ситуаций, прогнозирование протекания процессов и многие другие задачи представляют большой научный интерес для ученых и практический интерес для работников системы газоснабжения.

Исследования в области моделирования и оптимизации режимов транспорта газа ведутся в целях создания системы оперативно - диспетчерского управления единой системой газоснабжения России.

Диссертационные исследования в практическом приложении направлены на создание проблемно-ориентированного прикладного программного продукта (модулей автоматизированных систем управления технологическим процессом) для применения в человеко-машинных системах, выполняющих функции экспертных систем и систем поддержки решений.

Цель диссертационной работы состоит в развитии методов системного анализа, в частности, нечеткого ситуационного управления, относительно задач моделирования и разработки систем принятия экспертных решений в системах автоматического управления компрессорными станциями.

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

- разработка метода аналитического исследования процесса компримирования и транспорта газа;

- разработка структурной схемы и концептуальной модели управления компрессорной станцией;

- исследование и разработка методов и алгоритмов классификации ситуаций в интеллектуальных системах принятия решений для управления компрессорной станцией;

-разработка программного приложения для классификации и принятия решений, оперирующего с нечеткой информацией;

- разработка модели, позволяющей выбрать оптимальный режим при нестационарном течении газа с помощью метода оптимума номинала.

Объектом исследования в диссертационной работе являются математические модели нечеткого ситуационного управления применительно к задачам управления процессом компримирования и транспорта газа на компрессорных станциях, а также методы построения моделей принятия решений для управления технологическим процессом компримирования и транспорта газа на компрессорной станции.

Математическими методами исследования в диссертационной работе являются: теория построения нечетких ситуационных моделей, методы системного анализа, методы функционального анализа, теория оптимизации, теория нечетких множеств и теория нечеткой логики, теория представления и использования знаний, теории компьютерного моделирования и программирования.

В экспериментальных исследованиях применялось моделирование на

ЭВМ.

Методологическую основу работы составляет концепция системности, суть которой состоит в представлении и исследовании задач управления магистральным транспортом газа в условиях частичной априорной неопределенности, нечеткого задания параметров объектов и критериев функционирования.

Поставленная цель диссертационной работы и сформулированные в соответствии с целью задачи создали предпосылки для получения новых научных результатов в области математического моделирования технологических процессов транспорта газа.

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

- метод аналитического исследования технологических процессов транспорта газа, отличающийся применением метода целеобразования и концепцией моделирования технологических процессов на компрессорной станции, позволяющий применять модели, основанные как на применении методов формализованного представления, так и на методах, направленных на активизацию использования интуиции и опыта специалистов;

- метод логического вывода в системе нечетких монотонных высказываний второго рода, отличающийся от традиционных методов использованием весовых коэффициентов и позволяющий получать решения, представленные как в четком числовом, так и в нечетком виде на основе сформулированных свойств нечетких множеств;

- метод оптимизации управления технологическим процессом компримирования и транспорта газа на КС, отличающийся концептуальным подходом, включающий формулировку задачи нечеткой оптимизации, использование метода оптимума номинала при нечетком задании переменных.

Практическая ценность результатов исследований определена их применением в области вычислительной техники и автоматизированных систем управления технологическим процессом компримирования и транспорта газа и и представлена в диссертационной работе в виде: разработанного метода аналитического исследования технологического процесса транспорта газа; метода логического вывода в системе нечетких монотонных высказываний второго рода, который может быть использован при решении задачи управления КС при нечетком задании параметров и представлении экспертной информации в виде системы нечетких высказываний; метода оптимизации процессов управления магистральным транспортом газа. Также разработан вариант программного приложения для принятия решений, реализующий методы продукционного логического вывода и позволяющий:

- на основе гибкого интерфейса описывать различные процессы и задачи управления КС в терминах нечеткой логики;

- задавать структуру правил вывода;

- осуществлять автоматизированный логический вывод и получать точные, быстрые и обоснованные решения на основе поступающей в систему входной информации, которая может иметь как четкое, так и нечеткое представление;

- представлять полученное решение в удобной для пользователя форме.

Диссертационная работа состоит из введения, четырех разделов,

Заключение диссертации по теме «Теоретические основы информатики», Шадрина, Валентина Вячеславовна

Выход

Рис. 4.17 Терм множество выходного параметра

Ji. . , ' 1 К- •• ." •• > •■ • ■- . .• • ,.■■■ . рштш^лею'акц йдВвод величины интервала разбиения U j □ Щ

Ширина полосы jio 1 Разделить \ Выход |

Рис. 4.18 Ввод ширины полосы

Далее, необходимо ввести вес полосы, для этого в окне «Терм -множество выходного параметра» необходимо заполнить таблицу, в которой указаны номер полосы, левая и правая границы. Таблицу можно заполнить, введя в нее значения, или автоматически. Для этого необходимо нажать кнопку «Заполнить», причем вес «+1» будет назначаться полосам, в которых функция принадлежности принимает максимальное значение, остальным полосам будет назначен вес «-1» (см. рис. 4.17).

После назначения веса полосы необходимо нажать кнопку

Вычислить» и на экране появится окно с результатом (см. рис. 4.19). v, ■ ———— . , t ——

Результат

Решение: Повысить Об. Выходной параметр: 49

Выход \

Рис. 4.19 Результат вычисления 4.7. Выводы

Разработана концепция нечеткой оптимизации, направленная на выявление закономерностей управления ТП на КС. Слабая формализуемость задачи управления ТП требует применения методов искусственного интеллекта.

При решении задачи нечеткой оптимизации КС основная задача состоит в разработке системы принятия решений (СПР), функциональное назначение СПР состоит в логическом выводе решения на основе данных анализа текущих компонент вектора входных параметров X и выборе значений вектора управляющих воздействий Y.

Поставлена задача нечеткой оптимизации формально определена условиями (4.1) и (4.2). Для решения задачи нечеткой оптимизации предложено расширение метода оптимума номинала при представлении значений векторов входных и управляющих параметров в виде нечетких интервалов. Для нахождения оптимума номинала предложено применение метода скорейшего спуска. Основу метода поиска оптимума номинала составляет движение вдоль нормали к поверхности уровня (спуска) с целью нахождения минимального значения функции и, которая соответствует искомому корню х.

Разработана программная система, реализующая метод нечеткого дедуктивного логического вывода и метода оптимума номинала и предназначенная для решения задач управления КС, в которых экспертная информация представлена в виде продукционных правил и может содержать как четкие, так и нечеткие данные.

Рассмотрены функциональные характеристики разработанной программной системы. Приведено подробное описание всех рабочих областей программной системы.

ЗАКЛЮЧЕНИЕ

Тема диссертации актуальна, так как посвящена разработке моделей систем принятия решений для проектирования автоматизированной системы управления КС при нечетком задании параметров и критериев ТП КС.

В диссертационной работе была поставлена цель развития методов нечеткого ситуационного управления, решения задач моделирования и разработки систем принятия экспертных решений в системах управления транспортом газа. Основное внимание было уделено проблемам, возникающим при решении задач управления, когда информация о технологическом процессе представлена в нечетком виде.

Получены новые научные результаты:

- метод аналитического исследования технологических процессов транспорта газа, отличающийся применением метода целеобразования и концепцией моделирования технологических процессов на компрессорной станции, позволяющей применять модели, основанные как на применении методов формализованного представления, так и на методах, направленных на активизацию использования интуиции и опыта специалистов;

- метод логического вывода в системе нечетких монотонных высказываний второго рода, позволяющий получать решения, представленные как в четком числовом, так и в нечетком виде на основе сформулированных новых свойств нечетких множеств;

- метод оптимизации управления технологическим процессом компримирования и транспорта газа на КС, отличающийся концептуальным подходом, включающий формулировку задачи нечеткой оптимизации, использование метода оптимума номинала при нечетком задании переменных.

Для получения новых научных результатов в диссертационной работе решены следующие задачи:

- разработан метод аналитического исследования автоматизированных систем управления КС;

-разработан метод структуризации целей и концепции моделирования АСУТП КС;

- разработана ситуационная модель для системы принятия решений (СПР), предназначенной для получения логического вывода решения о выборе значений вектора входных параметров ТП на КС.

- обоснован и разработан метод логического вывода в системе нечетких высказываний второго рода, который может быть использован при решении задач, в которых экспертная информация представляет систему нечетких высказываний для решения задачи управления КС;

- разработана концепция нечеткой оптимизации, направленная на выявление закономерностей управления ТП на КС.

Список литературы диссертационного исследования кандидат технических наук Шадрина, Валентина Вячеславовна, 2007 год

1. Дубинин М.М. Компрессорные установки в нефтяной и газовой промышленности. М.: Недра, 1970. - 184 с.

2. Бобровский С.А., Соколовский С.М. Гидравлика, насосы, компрессоры. М.: Недра, 1972. - 296 с.

3. Дудников Е.Г., Левин А.А. Промышленные автоматизированные системы управления. М.: Энергия, 1973. - 193 с.

4. Анзимиров Л.В. Интегрированная SCAD А и Softlogic система Trace Mode 5 в 2002 году//Приборы и системы. Управление, контроль, диагностика. М.: Изд-во «Научтехлитиздат», 2002, №1. С. 7-15.

5. Современная прикладная теория управления: Новые классы регуляторов технических систем/Под ред. А.А.Колесникова. Таганрог: Изд-во ТРТУ, 2000. Ч.Ш. - 656 с.

6. Ковалев A.M. Нелинейные задачи управления и наблюдения в теории динамических систем. Киев: Наукова думка, 1980.

7. Справочник по теории автоматического управления/Под ред. А.А.Крассовского. -М.: Наука, Гл. ред. физ.-мат. лит., 1987. 212 с.

8. Моисеев Н.Н. Математические задачи системного анализа. М.г Наука, 1981.-488 с.

9. Перегудов Ф.И., Тарасенко В.П. Введение в системный анализ. М.: Высшая школа, 1989. - 367 с.

10. Колесников А.А. Синергетическая теория управления Таганрог: ТРТУ, М.: Энергоатомиздат, 1994. - 344 с.

11. Гайдук А.Р. Математические основы теории систем. М.: «Испо-Сервис», 2002. 152 с.

12. Калман Р., Фалб П., Арбиб М. Очерки по математической теории систем. М.: Наука, 1971. - 314 с.

13. Волкова В.Н., Денисов А.А. Основы теории систем и системного' анализа. Спб.: Издательство СПБГТУ, 1997. -510 с.

14. Заде JI. Понятие лингвистических переменных и его применение к принятию к принятию приближенных решений. М.: Мир, 1976. - 165 с.

15. ZadehL.A. Fuzzy logic and approximate reasoning // Synthese, 1975. -V. 80. P.407 - 428.

16. Нечеткие множества в моделях управления и искусственного интеллекта/А.Н.Аверкин, И.З.Батыршин, А.Ф.Блиншун, Б.В.Силаев, Б.Н.Тарасов. М.: Наука, 1986. - 312 с.

17. Берштейн JI. С., Финаев В. И. Адаптивное управление с нечеткими стратегиями. Ростов н/Д.: Изд-во Рост, ун-та, 1993. - 134 с.

18. Пупков К. А., Коньков В. Г. Интеллектуальные системы. М.: Изд-во МГТУ им. Н.Э.Баумана, 2003. - 348 с.

19. Поспелов Д. А. Ситуационное управление: теория и практика. М.: Наука. Гл. ред. физ.-мат. лит., 1988. - 288 с.

20. Искусственный интеллект. В 3-х кн. Кн.2. Модели и методы: Справочник / Под ред. Д.А.Поспелова. М.: Радио и связь, 1990. - 304 с.

21. Экспертные системы: принципы работы и примеры/Под ред. Р.Форсайта. М.: Радио и связь, 1987. - 223 с.

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

23. Мелихов А. Н., БаронецВ. Д. Проектирование микропроцессорных устройств обработки нечеткой информации. Ростов-на-Дону.: Изд-во Ростовского университета, 1990. - 128 с.

24. Тарасов В. Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика. М.: Эдиториал УРСС, 2002. - 352 с.

25. Hopfield J. J. Neural networks and physical systems with emergent collective computation abilities // Proc. Nat. Acad. Sci. 1982.-79. - P. 2554 - 2559.

26. Cooper В. S. Higher Order Neural Networks for Combinatorial Optimisation-Imporoving the Scaling Properties of the Hopfield Network. -Internet, email:bcooper@eleceng. adelaide.edu.au. 1996.

27. Телегин Л. Г. Сооружение газонефтепроводов. М.:Недра, 1984.127 с.

28. Деточенко А. В. Спутник газовика. М.: Недра, 1978. - 241 с.

29. Александров А. В. Применение ЭВМ для расчета и управления в системах дальнего транспорта газа. М.: Недра, 1970.

30. Седых 3. С. Эксплуатация газоперекачивающих агрегатов с газотурбинным приводом. М.: Недра, 1990.

31. Рем Я. Б. Автоматизация систем управления газопроводами. Л.: Недра, 1978.- 137 с.

32. Темпель Ф. Г., Маслов В. М. Оптимальные параметры технологического процесса транспорта газа для эксплуатирующейся трубопроводной системы. Л.: Недра, 1970. - 128 с.

33. Сергованцев В. Т. Газопровод как канал связи. М.: Недра 1984.244 с.

34. Озол С. В. Автоматизация компрессорных станций с электроприводными газоперекачивающими агрегатами. М.: Недра, 1976.

35. Рогозов Ю.И., Финаев В.И. Проектирование информационно-управляющих систем. Таганрог: Изд-во ТРТУ, 2002. - 40 с.

36. Санталайен Т., Воумилайен Э., Поренне П., Ниссинен И.Х. Управление по результатам М.: Прогресс, 1993. - 320 с.

37. Ильин В.А. Телеуправление и телеизмерение. 3-е изд., перераб. и доп. М.: Энергоиздат, 1982. - 560 с.

38. Винер Н. Кибернетика М.: Сов. радио, 1968. - 433 с.

39. Шадрина В.В., Боженюк А.В. Моделирование работы компрессорной станции магистрального газопровода на основе нечеткого вывода.// Материалы VIII Всероссийского симпозиума «Обозрение прикладной и промышленной математики, Изд-во Москва: ОПиПМ, 2007.

40. Берталанфи JI. История и статус общей теории систем// Системные исследования: Ежегодник, 1972. -М.: Наука, 1973. с.20-37.

41. Bertalanfy L. von. General System Theory a Critical Review// General System, vol. YII, 1962, p.1-20.

42. Лопухин M.M. ПАТТЕРН метод планирования и прогнозирования научных работ. - М.: Сов. радио, 1971. - 160 с.

43. Зайцев В.Я., ЛагинВ.А. Организация планирования научно-технического прогресса. М.: Экономика, 1969. - 164 с.

44. Черняк Ю.И. Системный анализ и управление экономикой. М.: Экономика, 1975. - 191 с.

45. Черняк Ю.И. Информация и управление. М.: Наука, 1974. - 184 с.

46. Волкова В.Н., Черняк Ю.И. О подсистеме целеобразования в АСУ.//Материалы VI Всесоюз. совещания по проблемам управления. М.: ИПУ, 1974.- с. 46-48.

47. Системный анализ в экономике и организации производства: Учебник для студентов вузов./Под ред. С.А.Валуева, В.Н. Волковой. Л.: Политехника, 1991. - 398 с.

48. Кошарский Б.Д., УемовА.И. Принцип дополнительности системного описания и модульность структуры АСУП.//Системный метод и современная наука. Вып.2 Новосибирск: НГУ, 1974.

49. Государственный стандарт Российской Федерации. Унифицированные системы документации. Унифицированная система организационно-распорядительной документации. ГОСТР 6.30-97

50. Перегудов Ф.И. Основы системного подхода. Томск: Изд-во Томского университета, 1976. - 159 с.

51. Поршаков Б. П. Газотурбинные установки на магистральных газопроводах. Л.: Недра, 1978.

52. Теория автоматического управления: Учебник/Под. Ред. В.Б.Яковлева. М.: Высшая школа, 2003.

53. Бунин В., Анопренко В., Ильин А., Салова О., ЧибисоваН., Якушев А. SCADA-системы: проблемы выбора.//Современные технологии автоматизации. М.: «ПРОСОФТ», 1999, №4. - с. 6 - 24.

54. Кушнарева Е.П. Интегрированная SCADA/HMI и Softlogic система Trace Mode базовая SCADA система фирмы «ЭЛНА» .//Приборы и системы. Управление, контроль, диагностика. - М.: Изд-во «Научтехлитиздат». - 2002, №10.-с. 21-24.

55. Финаев В.И. Моделирование при проектировании информационно-управляющих систем. Таганрог: ТРТУ, 2002. - 118 с.

56. Шадрина В.В., Боженюк А.В. Нечеткая классификация ситуаций и принятие решений в системах магистрального транспорта. Известия ТРТУ.-Таганрог: Изд-во ТРТУ, 2006. № 10 (65).- с. 9-12.

57. Шадрина В.В., Колесников Е.М. Автоматизация систем дальнего транспорта газа. Известия ТРТУ. Таганрог: Изд-во ТРТУ, 2006. № 15 (70) .с. 107-111.

58. Бусленко Н.П. Моделирование систем. М.: Наука, 1978.

59. Советов Б.Я. Моделирование систем. М.: Высшая школа, 1985.

60. Бурбаки Н. Теория множеств. М.: Мир, 1965. - 455 с.

61. Финаев В.И. Введение в теорию множеств. Таганрог: Изд-во ТРТУ, 2000.-38 с.

62. Iancu. Propagation of uncertainly and imprecision in knowledge based system //Fuzzy Set and Systems - №94,1998 - p. 29 - 43.

63. Осуга С. Обработка знаний. M.: Мир, 1989. - 293 с.

64. Приобретение знаний. //Под ред. Осуга С., Саэки 10. М.:Мир, 1990. -304 с.

65. Нильсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985. -376 с.

66. Поспелов Д.А. Логико-лингвистические модели в системах управления. -М.: Энергоиздат, 1981. 232 с.

67. Минский М.М. Фреймы для представления знаний. М. Наука, 1979.- 152 с.

68. Берштейн Л.С., Коровин С.Я, Мелихов А.Н., Сергеев Н.Е. Функционально структурное исследование ситуационно - фреймовой сети экспертной системы с нечеткой логикой. // Известия РАН. Техническая кибернетика, 1994, №2. - с. 71 - 83.

69. Тэрано Т., Асаи К., Сугено М. Прикладные нечеткие системы. М.: Мир, 1993.-368 с.

70. ЛохинВ.М., Макаров И.М., Манько С.В., Романов М.П. Методические основы аналитического конструирования регуляторов нечеткого управления.// Известия Академии наук. ТиСУ., 2000, №1 -с. 56 69.

71. Нечеткие множества в моделях управления и искусственного интеллекта. // Под. ред. Поспелова Д.А. М.: Наука. 1986. - 312 с.

72. Георгиев В.О. Модели представления знаний предметных областей диалоговых систем. // Техн. кибернетика. 1993, № 5 - с. 24 - 44.

73. Борисов А.Н., Алексеев А.В., Крумберг О.А. и др. Модели принятия решений на основе лингвистической переменной Рига: Зинатне, 1982256 с.

74. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-432 с.

75. Мелихов А.Н., Берштейн Л.С. Конечные нечеткие и расплывчатые множества. Ч. 2. Таганрог: Изд-во ТРТИ, 1981. - 90 с.

76. Берштейн Л.С., Боженюк А.В. Нечеткие модели принятия решений: дедукция, индукция, аналогия. Таганрог: Изд-во ТРТУ, 2001. - 110 с.

77. Берштейн Л.С., Боженюк А.В. Нечеткий логический вывод на основе определения истинности нечеткого правила modus ponens.// Методы исистемы принятия решений. Системы, основанные на знаниях. Рига: РПИ, 1989.-с. 74-80.

78. Нейлор Т. Машинные имитационные эксперименты с моделями экономических систем. М.: Мир, 1975. - 500с.

79. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний (процедуры и реализации). М.: Наука, 1989. -128 с.

80. Шадрина В.В., ФинаевВ.И. Проблемы интеллектуализации систем управления транспортом газа//Известия ТРТУ Таганрог: Изд-во ТРТУ, 2006. № 9 (64).- с. 58-59.

81. Блошенко В.В. Использование нечетких моделей принятия решений в газоперекачивающих системах.//Сборник научных трудов. Научная сессия МИФИ-2005 в 15 томах «Интеллектуальные системы и технологии», том 3. -Москва.:МИФИ, 2005. 232с.

82. Закс Л. Статистическое оценивание. М.: Статистика, 1976. - 598 с.

83. Хан Г., Шапиро С. Статистические модели в инженерных задачах.-М.: Мир, 1969.-396 с.

84. Комягин А.Ф. Автоматизация производственных процессов газонефтепроводов. М.: Недра, 1973. - 336 с.

85. Храпач Г.К. Эксплуатация компрессорных установок. М.: Недра, 1972.-280 с.

86. Hunt Е.В., Mann I. and Stone P.T. Experiments in Induction. New York: Academic Press. 1966.

87. Quinlan J.R. Discovering rules from large collections of examples: a case study. In Expert Systems in the Micro-Electronic Age (Michie D., eds.). Edinburgh: Edinburgh University Press. 1979.- p. 168-201.

88. Paterson A., NiblettT. ACLS Manual, Version 1. Glasgow, UK: Intelligent Terminals.- 1982.

89. Kononenko I., Bratko I. and Riskar E. Experiments in Automatic Learning of Medical Diagnostic Rules. Jozef Stefan Institute, Ljubljana, Yugoslavia. 1984.

90. Buntine W. L. Myths and legends in learning classification rules. In Proc. National Conference on Artificial Intelligence, 1990. p. 736-742.

91. Quinlan J. R C4.5: Programs for Machine Learning. San Mateo, С A: Morgan Kauf-mann., 1993.

92. Quinlan J. R. The effect of noise on concept learning. In Machine Learning Vol. II (Michalski R. S., Carbonell J. G. and Mitchell Т. M., eds.). Chapter 6. Palo Alto, CA: Tioga., 1986.

93. Checland P.B. Soft systems methology: an overview J. Appl. Syst. Anal. -1988.- 15.-p.27-36.

94. Дружинин Г.А., Пиявский C.A., Радонский B.M. Принятие решений в условиях неопределенности в Вузе.// сб. Модели принятия решений в управлении вузом М.: НИИВШ, 1987. - с.38-54

95. Клещев А.С. Представление знаний. Методология, формализм, организация вычислений и программная поддержка.// Прикл. информатика. -1983. Вып. 1-с. 49-93.

96. Лавров С.С. Представление и использование знаний в автоматизированных системах.// Микропроцессорные средства и системы. №3,1986. с.27-36

97. Згуровский М.З. Доброногов А.В., Померанцева Т.Н. Исследование социальных процессов на основе методологии системного анализа. Киев: Наукова думка, 1997. - 221 с.

98. Згуровский М.З., Померанцева Т.Н. Об использовании методов поддержки принятия решений на основе информационных спининговых моделей.//Кибернетика и системный анализ. 1997. № 1. - с.67-75.

99. Згуровский М.З., Доброногов А.В. Системный анализ социально-политических процессов на основе нейросетевых моделей.// Кибернетика и системный анализ. 1997. № 1. - с.76-85

100. Алиев Р.А., Церковный А.Э., МамедоваГ.А. Управление производством при нечеткой исходной информации. М.: Энергоатомиздат, 1991.-240 с.

101. Dubois D., Prade Н. Fuzzy sets and systems: theory and applications. -N.Y.: Acad. Press, 1980.

102. Бронштейн И.Н., Семендяев K.A. Справочник по математике. М.: Гос. изд. техн.-теор. Литературы, 1955.

103. Горелова В.Г., ЗдорВ.В., Свечарник Д.В. Метод оптимума номинала и его применение. М.: Энергия, 1970.

104. Борисов. А.Н., Алексеев А.В., Крумберг А.О. и др. Модели принятия решений на основе лингвистической переменной. Рига: Зинатие, 1982.-256 с.

105. Косенко Е.Ю., Макаров С.С., Финаев В.И. Методы моделирования и проектирования распределенных информационно-управляющих систем. -Ростов н/Д.: Изд-во Рост. Ун-та., 2004. 199 с.

106. Уемов А.И. Системный подход и общая теория систем. М.: Мысль, 1978. - 204 с.

107. Садовский В.Н. Основания общей теории систем: Логико-методологический анализ. -М.: Наука, 1974. -279 с.

108. Месарович М., Такахара И. Общая теория систем: математические основы. М.: Мир, 1978.-311 с.

109. Акоф Р., Эмери Ф. О целеустремленных системах. -М.: Сов.радио, 1974.-272 с.

110. Ш.Поспелов Г.С. Ириков В.А. Программно-целевое планирование и управление. М.: Сов.радио, 1976. - 440 с.

111. Растригин Л.А. Системы экстремального управления. М.: Наука, 1974.-632 с.

112. Поспелов Д.А. , Клыков Ю.И. Ситуационное управление в АСУ. -Упр. Системы и машины. 1972, №1 - с.27-34.

113. Клыков Ю.И. Ситуационное управление большими системами. -М.: Энергия,1974.-136 с.

114. Костюк В.И. Основы построения АСУ. Учебное пособие для вузов. М.:Сов.Радио,1977.

115. Жидкова М.А. Переходные процессы в магистральных газопроводах.- М.:Недра, 1978.

116. Бутковский А.Г. Методы управления системами с распределенными параметрами. М.:.Наука, 1975.

117. Чаки Ф. Современная теория управления. М.:Мир, 1975.

118. Сухарев М.Г., Ставровский Е.Р. Оптимизация систем транспорта газа. -М.: Недра, 1975.

119. Рвачев В.Л., Слесаренко А.П. Алгебра логики и интегральные преобразования в краевых задачах. Киев: Наукова думка, 1976.

120. Ашмарин И.П., Васильев В.Н., Амбросов В.А. Быстрые методы статистической обработки и планирование экспериментов. Изд-во Ленинградского университета, 1971.

121. Финаев В.И., Блошенко В.В. Модели планирования экспериментов с нечеткими параметрами// Известия ТРТУ Таганрог: Изд-во ТРТУ, 2004. № 7 (42).- 139 с.

122. Блошенко В.В. Применение метода оптимума номинала при проектировании систем с нечетким заданием параметров в сложных системах магистрального транспорта газа. // Известия ТРТУ.- Таганрог: Изд-во ТРТУ, 2005. № 11 (55).- 84-87 с.

123. Блошенко В.В. Информационное описание и автоматизация газоперекачивающей системы.// Материалы международной научной конференции "Информационный подход в естественных, гуманитарных и технических науках", Ч.З. Таганрог, ТРТУ, 2004, с.7-8

124. Финаев В.И., Шадрина В.В. Нечеткие параметры в методе оптимума номинала.// III Всероссийская научная конференция молодых-ученых, аспирантов и студентов «Информационные технологии, системный анализ и управление». Таганрог: ТРТУ, 2005, с. 61-64