Монографии профессора Андрея Ускова

Аннотация. Книга посвящена применению современных информационных технологий в системах управления. Рассмотрены методы анализа и синтеза систем управления с нечеткой логикой.

Книга рассчитана на специалистов в области теории управления, аспирантов и студентов старших курсов технических университетов.

ОГЛАВЛЕНИЕ

Введение

ЧАСТЬ 1

Глава 1. Традиционные методы построения систем управления

1.1. Общие принципы построения систем управления

1.2. Показатели качества систем регулирования

1.3. Типовые математические модели объектов управления

1.4. Оптимальные системы регулирования

1.5. Релейное регулирование

1.6. Системы с линейными регуляторами

1.7. Системы регулирования с добавочными информационными каналами

1.8. Нелинейные регуляторы

1.9. Адаптивные системы управления

Литература к главе 1

Глава 2. Интеллектуальные системы управления. Применение искусственных нейронных сетей

и генетических алгоритмов в системах управления

2.1. Интеллектуальные системы управления

2.2. Применение искусственных нейронных сетей в системах управления

2.3. Применение эволюционных методов в системах управления

Литература к главе 2

Глава 3. Применение нечеткой логики и экспертных систем в задачах управления

3.1. Системы управления на основе методов нечеткой логики

3.2. Регуляторы на основе нечетких нейронных сетей

3.3. Применение экспертных систем в системах управления

3.4. Выводы по обзору литературных источников

Литература к главе 3

ЧАСТЬ 2

Глава 4. Аналитическое исследование систем управления

с нечеткой логикой

4.1. Вводные замечания

4.2. Характеристика блоков нечеткого логического вывода

4.3. Анализ устойчивости систем управления с блоками

нечеткого вывода

4.4. Анализ устойчивости и показателей качества систем

управления с одномерными блоками нечеткого вывода

Литература к главе 4

Глава 5. Адаптивные нечеткие нейронные сети

5.1. Общие сведения

5.2. Описание базового алгоритма

5.3. Свойства моделей, полученных с помощью нечеткого

дополняющего алгоритма

5.4. Модификации алгоритма

5.5. Экспериментальное исследование алгоритма

5.6. Модели динамических объектов

5.7. Некоторые обобщения и выводы

Литература к главе 5

Глава 6. Алгоритмическое и программное обеспечение для исследования интеллектуальных систем управления

6.1. Алгоритмы для численного исследования систем управления

6.2. Программное обеспечение для численного исследования систем управления

Литература к главе 6

Аннотация. Книга посвящена применению современных информационных технологий в системах управления. Рассмотрены методы анализа и синтеза систем управления с нечеткой логикой, а также практические примеры применения интеллектуальных технологий управления.

Для специалистов в области теории управления, аспирантов и студентов технических вузов.

ОГЛАВЛЕНИЕ

ПРЕДИСЛОВИЕ

1. ТРАДИЦИОННЫЕ МЕТОДЫ ПОСТРОЕНИЯ УПРАВЛЕНИЯ

СОСТОЯНИЕМ ДИНАМИЧЕСКИХ СИСТЕМ

1.1. Общие принципы алгоритмизации и регулирования

СИСТЕМ УПРАВЛЕНИЯ

1.2. Показатели качества систем регулирования

1.3. Типовые математические модели объектов управления

1.4. Оптимальные системы регулирования

1.5. Релейное регулирование

1.6. Системы с линейными регуляторами

1.7. Системы регулирования с добавочными

информационными каналами

1.8. Нелинейные регуляторы

1.9. Адаптивные системы управления

2. ПРИМЕНЕНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ

И ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ В СИСТЕМАХ УПРАВЛЕНИЯ

2.1. Интеллектуальные системы управления

2.2. Основы теории нейронных сетей.

2.3. Применение искусственных нейронных сетей в системах

управления.

2.4. Применение эволюционных методов в системах

управления

3. ПРИМЕНЕНИЕ НЕЧЕТКОЙ ЛОГИКИ В ЗАДАЧАХ

УПРАВЛЕНИЯ

3.1. Основы теории нечетких множеств и нечеткой логики

3.2. Нечеткие нейронные сети

3.3. Алгоритмы самоорганизации нечетких систем

3.4. Нечеткий дополняющий алгоритм адаптации системы

нечеткого логического вывода

3.5. Принципы построения систем управления с нечеткой

логикой

4. НЕЧЕТКИЕ СИСТЕМЫ УПРАВЛЕНИЯ СБЛИЖЕНИЕМ КОСМИЧЕСКИХ АППАРАТОВ

4.1. Задача управления сближением космических аппаратов

4.2. Система с эталонной моделью

4.3. Экспертная система

4.3.1. Классификация нештатных ситуаций

4.3.2. Идея метода сближения

4.3.3. Алгоритм сближения КА

4.3.4. Построение нечеткой системы управления

сближением космических аппаратов

4.3.5. Обучение нечеткой нейросети управления сближением космических аппаратов и тестирование (проверка на адекватность) созданной нечеткой системы

4.4. Нечеткая система формирования сигналов управления

4.5. Разработка структуры и моделирование автоматической системы

4.5.1 Алгоритм функционирования САУ

4.6. Моделирование сближения

4.7. Нечеткий супервизор

ЛИТЕРАТУРА

Аннотация. В монографии рассматривается аппарат обобщенно-регрессионных нейронных сетей с полиномиальной коррекцией и его применение для моделирования объектов из различных предметных областей.

Для специалистов в области информатики и математического моделирования.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1 СОСТОЯНИЕ НАУЧНЫХ ИССЛЕДОВАНИЙ В ОБЛАСТИ МЕТОДОВ ФУНКЦИОНАЛЬНОЙ ИДЕНТИФИКАЦИИ СЛОЖНЫХ ОБЪЕКТОВ

1.1 Задачи функциональной идентификации

1.2 Классические методы идентификации

1.3 Непараметрические методы идентификации

1.4 Нейросетевые методы идентификации

1.5 Конкретизация задач исследования

1.6 Выводы по главе

2 МОДЕЛИ СТАТИЧЕСКИХ ОБЪЕКТОВ НА ОСНОВЕ ОБОБЩЕННО-РЕГРЕССИОННЫХ НЕЙРОННЫХ СЕТЕЙ С ПОЛИНОМИАЛЬНОЙ КОРРЕКЦИЕЙ

2.1 Обобщенно-регрессионная нейронная сеть с полиномиальной коррекцией

2.2 Численное исследование обобщенно-регрессионных нейронных сетей с полиномиальной коррекцией

2.3 Аналитическое исследование свойств обобщенно-регрессионных нейронных сеть с полиномиальной коррекцией

2.4 Статистическая оценка ошибки моделирования с помощью обобщенно-регрессионных нейронных сеть с полиномиальной коррекцией

2.5 Планирование эксперимента для обучения обобщенно-регрессионных нейронных сетей с полиномиальной коррекцией

2.6 Выводы по главе

3 МОДЕЛИ ДИНАМИЧЕСКИХ ОБЪЕКТОВ НА ОСНОВЕ ОБОБЩЕННО-РЕГРЕССИОННЫХ НЕЙРОННЫХ СЕТЕЙ С ПОЛИНОМИАЛЬНОЙ КОРРЕКЦИЕЙ

3.1 Обобщенная нейросетевая модель динамического объекта

3.2 Модели на основе аппроксимации разностного уравнения

3.2.1 Подход к построению модели на основе аппроксимации разностного уравнения

3.2.2 Примеры применения алгоритма на основе аппроксимации разностного уравнения

3.3. Модели на основе аппроксимации весовой функции

3.3.1 Подход к построению модели на основе аппроксимации весовой функции

3.3.2 Численное исследование алгоритма идентификации на основе аппроксимации весовой функции

3.4 Выводы по главе

4 ПРИМЕНЕНИЕ ОБОБЩЕННО-РЕГРЕССИОННЫХ НЕЙРОННЫХ СЕТЕЙ С ПОЛИНОМИАЛЬНОЙ КОРРЕКЦИЕЙ ДЛЯ МОДЕЛИРОВАНИЯ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА ОБОГАЩЕНИЯ УГЛЯ МЕТОДОМ ГИДРАВЛИЧЕСКОЙ ОТСАДКИ

4.1 Технологический процесс обогащения угля методом гидравлической отсадки

4.2 Моделирование процесса гидравлической отсадки

4.2.1 Существующие модели гидравлической отсадки

4.2.2 Модель отсадки на основе обобщенно-регрессионных нейронных сетей с полиномиальной коррекцией

4.3 Системы автоматического управления отсадочной машиной

4.3.1 Существующие системы автоматического управления гидравлической отсадкой

4.3.2 Система адаптивного нейросетевого управления отсадочной машиной на основе GRNN PC

4.4 Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Аннотация. В монографии рассматриваются разработанные методы анализа и синтеза нечетких супервизорных систем управления, а также их практическое применение.

Для специалистов в области теории управления и математического моделирования.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1. СОСТОЯНИЕ НАУЧНЫХ ИССЛЕДОВАНИЙ В ОБЛАСТИ АНАЛИЗА И СИНТЕЗА НЕЧЕТКИХ СУПЕРВИЗОРНЫХ САУ

1.1 Системы управления с нечеткой логикой

1.2 Обзор научных работ, посвященных нечетким супервизорным САУ

1.3 Подходы к анализу и синтезу нечетких супервизорных САУ

1.4 Конкретизация постановки задач исследования

1.5 Выводы по главе

2 АНАЛИТИЧЕСКОЕ ИССЛЕДОВАНИЕ НЕЧЕТКИХ СУПЕРВИЗОРНЫХ СИСТЕМ УПРАВЛЕНИЯ

2.1 Математическая модель и статика системы

2.2 Линеаризация системы и критерий устойчивости в “малом”

2.3 Коэффициент передачи разомкнутой системы

2.4 Анализ устойчивости в целом

2.5 Анализ НС САУ с помощью непрерывных моделей

2.5.1 Непрерывная модель и условия ее применимости

2.5.2 Условия устойчивости для непрерывной НС САУ на основе частотного критерия Попова

2.6 Пример аналитического исследования НС САУ

2.7 Выводы по главе

3 СИНТЕЗ И ЧИСЛЕННОЕ ИССЛЕДОВАНИЕ НЕЧЕТКИХ СУПЕРВИЗОРНЫХ СИСТЕМ УПРАВЛЕНИЯ

3.1 Рекомендации по синтезу нечетких супервизорных САУ

3.2 Программный комплекс для анализа и синтеза НС САУ

3.3 Численное исследование нечетких супервизорных САУ

3.4 Выводы по главе

4 НЕЧЕТКИЕ СУПЕРВИЗОРНЫЕ СИСТЕМЫ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ЛАБОРАТОРНЫМ ТЕРМОСТАТОМ

4.1 Описание лабораторного термостата

4.2 Методика синтеза нечеткой супервизорной САУ лабораторным термостатом

4.3 Выводы по главе

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ

Аннотация. В монографии рассматриваются методы синтеза регуляторов для одного класса систем автоматического управления, отличительной особенностью которого является представление объекта управления базой знаний в виде нечетких продукционных правил – нечеткой моделью.

Для специалистов в области теории управления и математического моделирования.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1. СИСТЕМЫ C НЕЧЕТКИМИ МОДЕЛЯМИ ОБЪЕКТОВ УПРАВЛЕНИЯ

1.1. Системы управления для работы в условиях неопределенности математического описания объекта

1.2 Обобщенная нечеткая модель динамического объекта

1.3. Подходы к построению алгоритмов идентификации на основе нечетких моделей

1.4. Синтез нечетких систем управления

1.5. Задачи исследования

2. СИНТЕЗ СИСТЕМ С НЕЧЕТКИМИ МОДЕЛЯМИ ОБЪЕКТОВ УПРАВЛЕНИЯ

2.1. Синтез ПИД-регуляторов для объектов управления, заданных нечеткими моделями

2.1.1. Математическое описание ПИД-регулятора

2.1.2. Алгоритм синтеза ПИД-регулятора

2.1.3. Выбор критерия качества системы управления

2.2. Синтез нечетких регуляторов на основе принципов обратной динамики и самоорганизации

2.3. Синтез нечетких регуляторов с помощью нечеткого дополняюще-оптимизирующего алгоритма

2.3.1. Нечеткий дополняюще-оптимизирующий алгортм самоорганизации системы нечеткого вывода

2.3.2. Синтез нечетких регуляторов на основе дополняюще-оптимизирующего алгоритма

2.3.3. Эмпирический синтез нечетких систем управления

2.3.4. Примеры синтеза нечетких САУ на основе дополняюще-оптимизирующего алгоритма

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ Идентификация сложных динамических объектов с помощью нечетких моделей

Аннотация. В монографии рассмотрены методологические основы визуального (графического) моделирования сложных социально-экономических систем: семантические сети, ментальные и когнитивные карты, причинно-следственные диаграммы, блок-схемы, функциональные модели и др.

ОГЛАВЛЕНИЕ

Предисловие

Введение

Глава 1. Семантические сети

Глава 2. Ментальные карты

2.1. Ментальные карты с одним центральным образом

2.2. Ментальные карты с несколькими главными образами

Глава 3. Когнитивные карты и причинно-следственные диаграммы

3.1. Когнитивные карты

3.2. Причинно-следственные диаграммы

Глава 4. Диаграмма классов, модель ”Сущность-связь” и диаграмма вариантов использования

4.1. Диаграмма классов

4.2. Модель ”Сущность-связь”

4.3. Диаграмма вариантов использования

Глава 5. Многоаспектная фасетная классификация

Глава 6. Блок-схемы алгоритмов

6.1. Блок-схемы алгоритмов

6.2. Диаграмма выполнения плана

Глава 7. Диаграмма состояний

Глава 8. Сетевой график и диаграмма Ганта

Глава 9. Функциональные графические модели

9.1. Функциональные схемы

9.2. Методология функционального моделирования SADT

9.3 Диаграммы потоков данных

Список использованных источников

Аннотация. Рассмотрены зерновые культуры, их классификация, фенологические стадии развития, технологии возделывания, признаки дефицита элементов питания, поражения болезнями, вредителями, а также методы спутникового мониторинга посевов и вегетационные индексы. Особое внимание уделено методам дистанционного спутникового мониторинга неоднородностей посевов и прогнозированию урожайности на основе спутниковых снимков.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1 СОСТОЯНИЕ НАУЧНЫХ ИССЛЕДОВАНИЙ В ОБЛАСТИ ИСПОЛЬЗОВАНИЯ СПУТНИКОВОГО МОНИТОРИНГА ПРИ ВОЗДЕЛЫВАНИИ ЗЕРНОВЫХ КУЛЬТУР

1.1 Зерновые культуры и их возделывание

2. Дистанционный мониторинг состояния посевов

ГЛАВА 2. ЭКСПЕРИМЕНТАЛЬНАЯ ЧАСТЬ: СПУТНИКОВЫЙ МОНИТОРИНГ ПОСЕВОВ ЗЕРНОВЫХ КУЛЬТУР ДЛЯ ПОИСКА НЕОДНОРОДНОСТЕЙ И ПРОГНОЗА УРОЖАЙНОСТИ

2.1 Методика и условия исследования

2.2. Спутниковый мониторинг неоднородности посевов

2.3. Прогнозирование урожайности зерновых культур на основе индекса вегетации

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ ИНФОРМАЦИИ

ПРИЛОЖЕНИЯ