Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Применение парадигм интеллектуального управления при решении «открытых задач» автоматизации

Покупка
Новинка
Артикул: 888915.01.99
Доступ онлайн
250 ₽
В корзину
Рассматриваются четыре парадигмы интеллектуального управления технологическими процессами: нечеткая, адаптивная, робастная и нейросетевая. Каждая из них представляет собой модель постановки проблем управления и их решения в условиях информационной неопределенности относительно динамических характеристик объектов и статистических характеристик действующих на них возмущений. Ввиду усложнения структуры материальных, энергетических и информационных потоков современных производств, их автоматизацию приходится осуществлять при отсутствии полной и достоверной информации о влияющих на качество управления факторах. В результате появляются, так называемые «открытые задачи» с нечетко сформулированными условиями и многообразием возможных решений. Изложение полученных авторами новых научных результатов представлено в доступном виде и в целях наглядности широко иллюстрируется примерами расчета автоматических систем. Книга будет полезна студентам, аспирантам и преподавателям высших учебных заведений по специальности «Автоматизация технологических процессов и производств».
Гончаров, А. В. Применение парадигм интеллектуального управления при решении «открытых задач» автоматизации : монография / А. В. Гончаров, В. В. Солдатов. – Москва : Структура Систем, Пробел-2000, 2010. - 361 с. – ISBN 978-5-98604-209-1. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2272162 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
 
А.В. ГОНЧАРОВ,   В.В. СОЛДАТОВ 
ПРИМЕНЕНИЕ ПАРАДИГМ ИНТЕЛЛЕКТУАЛЬНОГО 
УПРАВЛЕНИЯ ПРИ РЕШЕНИИ 
«ОТКРЫТЫХ ЗАДАЧ» АВТОМАТИЗАЦИИ 
Монография 
Москва 
Издательство Структура Систем 
ПРОБЕЛ-2000
2010


ISBN 978-5-98604-209-1
Гончаров А.В., Солдатов В.В.
Применение парадигм интеллектуального управления при решении 
«открытых задач» автоматизации. –  М.: Структура Систем, ПРОБЕЛ-2000. 
–  360 с.
УДК 
ББК
        Г 65
Рецензенты: Ю.А. Судник, д.т.н., профессор, заведующий кафедрой информационно-управляющих систем ФГОУ ВПО «Московский государственный агроинженерный университет им. В.П. Горячкина»; Э.К. Аракелян, д.т.н., 
профессор, кафедра автоматизированных систем управления тепловыми процессами ФГОУ ВПО «Московский энергетический институт (технический университет)».
Рассматриваются четыре парадигмы интеллектуального управления технологическими процессами: нечеткая, адаптивная, робастная и нейросетевая. 
Каждая из них представляет собой модель постановки проблем управления и их 
решения в условиях информационной неопределенности относительно динамических характеристик объектов и статистических характеристик действующих 
на них возмущений. Ввиду усложнения структуры материальных, энергетических и информационных потоков современных производств, их автоматизацию 
приходится осуществлять при отсутствии полной и достоверной информации 
о влияющих на качество управления факторах. В результате появляются, так называемые «открытые задачи» с нечетко сформулированными условиями и многообразием возможных решений.
Изложение полученных авторами новых научных результатов представлено в доступном виде и в целях наглядности широко иллюстрируется примерами 
расчета автоматических систем.
Книга будет полезна студентам, аспирантам и преподавателям высших 
учебных заведений по специальности «Автоматизация технологических процессов и производств».
© Гончаров А.В., Солдатов В.В.
Отпечатано с готового оригинал-макета авторов.
Г 65
УДК 
ББК


ОГЛАВЛЕНИЕ 
 
 
Предисловие . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 
ГЛАВА 1. ВЫБОР КРИТЕРИЕВ И ПОКАЗАТЕЛЕЙ КАЧЕСТВА 
УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ 
 
 
1.1. Проблема выбора критериев качества управления . . . . . . . . . . . . . . 14 
1.2. Экономический критерий качества управления 
технологическими процессами . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 
 
1.3. Многокритериальный оптимум управления для 
односвязных линейных стационарных систем . . . . . . . . . . . . . . . . . . . . . . . . . . 18 
 
1.4. Многокритериальный оптимум управления для 
многосвязных линейных стационарных систем . . . . . . . . . . . . . . . . . . . . . . . . . 23 
 
1.5. Критерии качества управления энергоемкими 
технологическими процессами . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 
 
1.6. Оценка запаса устойчивости замкнутых систем . . . . . . . . . . . . . . . . 27 
 
ГЛАВА 2. УСЛОВИЯ РОБАСТНОСТИ ДЛЯ ЛИНЕЙНЫХ 
СТАЦИОНАРНЫХ СИСТЕМ 
 
 
2.1. Требования к АЧХ замкнутых систем в условиях 
статистической неопределенности . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 
 
2.2. Инвариантные системы управления . . . . . . . . . . . . . . . . . . . . . . . . . . 41 
2.3. Условия робастности для систем с полной обратной 
связью по состоянию и оценка их эффективности . . . . . . . . . . . . . . . . . . . . . . . 45 
2.4. Обобщение условий робастности для систем с неполной 
обратной связью по состоянию . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  56 
 
2.5. Интегральное свойство АЧХ замкнутых систем . . . . . . . . . . . . . . . . 59 
 
ГЛАВА 3. МЕТОДЫ РАСЧЕТА ПАРАМЕТРОВ НАСТРОЙКИ 
РЕГУЛЯТОРОВ НА ОСНОВЕ УСЛОВИЙ РОБАСТНОСТИ 
 
3.1. Методы расчета параметров настройки регуляторов 
при ограничениях на расположение доминирующих полюсов . . . . . . . . . . . . . 63 
3.2. Методы расчета параметров настройки регуляторов 
при ограничениях на величину показателя колебательности . . . . . . . . . . . . . 104 
3.3. Применение интегрального квадратичного критерия 
для достижения робастности систем управления . . . . . . . . . . . . . . . . . . . . . . . 125 
 


ГЛАВА 4. СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ И СИСТЕМ 
РОБАСТНОГО УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ 
 
 
4.1. Коррекция управления по отношению к задающим 
воздействиям . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  133 
 
4.2. Коррекция управления по отношению к контролируемым 
возмущениям . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  137 
 
4.3. Расчет параметров настройки регуляторов в системах 
с неточно заданными параметрами объекта . . . . . . . . . . . . . . . . . . . . . . . . . . .  144 
 
4.4. Особенности управления объектами с распределенными 
параметрами . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 
 
4.5. Зависимость перемещений регулирующего органа 
системы управления от значения показателя колебательности . . . . . . . . . . .  160 
 
ГЛАВА 5. ДИСКРЕТНЫЕ СИСТЕМЫ УПРАВЛЕНИЯ 
 
 
5.1. Разностные уравнения дискретных систем . . . . . . . . . . . . . . . . . . .  163 
 
5.2. Передаточные функции и частотные характеристики  
дискретных систем . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 
 
5.3. Дискретные законы управления . . . . . . . . . . . . . . . . . . . . . . . . . . . .  176 
 
5.4. Устойчивость и запас устойчивости линейных 
дискретных систем . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 
 
5.5. Условия робастности линейных дискретных систем . . . . . . . . . . .  191 
 
5.6. Методы расчета параметров настройки линейных 
дискретных систем на основе условий робастности . . . . . . . . . . . . . . . . . . . .  199 
 
5.7. Синтез устройств для коррекции сигналов задания 
в дискретных системах . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  205 
 
ГЛАВА 6. МЕТОДЫ АДАПТИВНОГО УПРАВЛЕНИЯ 
 
6.1. Проблемы адаптивного управления . . . . . . . . . . . . . . . . . . . . . . . . .  210 
6.2. Активная идентификация объектов в односвязных 
непрерывных системах управления . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  211 
 
6.3. Оптимизация пробных сигналов при активной 
идентификации замкнутых систем управления . . . . . . . . . . . . . . . . . . . . . . . .  216 
6.4. Активная идентификация каскадных и многосвязных 
непрерывных систем управления . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .   223 
 


6.5. Активная идентификация объектов в дискретных 
системах управления . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225 
 
6.6. Методы адаптивной настройки регуляторов . . . . . . . . . . . . . . . . . . 231 
 
ГЛАВА 7. НЕЛИНЕЙНЫЕ РОБАСТНЫЕ СИСТЕМЫ 
 
7.1. Условия робастности для систем с нелинейными  
статическими характеристиками . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234 
7.2. Условия робастности для систем с динамическими 
нелинейностями . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 238 
ГЛАВА 8. МЕТОДЫ НЕЧЕТКГО УПРАВЛЕНИЯ И ИДЕНТИФИКАЦИИ 
 
8.1. Область применения и виды нечетких систем управления . . . . . .  249 
8.2. Модели нечеткого логического вывода . . . . . . . . . . . . . . . . . . . . . . 253 
8.3. Идентификация функциональных зависимостей с помощью 
нечеткого логического вывода . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257 
8.4. Нечеткая идентификация в системе MATLAB . . . . . . . . . . . . . . . . . 258 
8.5. Синтез нечетких ПИД регуляторов с учетом технических 
и технологических ограничений . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  265 
 
ГЛАВА 9. ЛАБОРАТОРНЫЙ КОМПЛЕКС НЕЙРОСЕТЕВОГО 
УПРАВЛЕНИЯ 
 
9.1. Задачи, решаемые нейронными сетями . . . . . . . . . . . . . . . . . . . . .  . 274 
9.2. Архитектура нейронной сети . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  275 
9.3. Функционирование нейрона . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277 
9.4. Функционирование нейросети . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  278 
9.5. Общая схема обучения нейронной сети . . . . . . . . . . . . . . . . . . . . . . 279 
9.6. Обучение нейросетей-классификаторов . . . . . . . . . . . . . . . . . . . . . . 280 
9.7. Обучение нейросетей-предикторов . . . . . . . . . . . . . . . . . . . . . . .  284 
9.8. Методологические аспекты обучения нейросетей . . . . . . . . . . . . .  286 
9.9. Математический аппарат нейронных сетей . . . . . . . . . . . . . . . . . . . 288 
9.10. Тестирование примеров . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292 
9.11. Общие аспекты создания нейросетевых экспертных систем . . . . 294 
 


ГЛАВА 10. РАЗРАБОТКА КОМПЬЮТЕРНЫХ ЛАБОРАТОРНЫХ 
СТЕНДОВ 
 
10.1. Автоматизация процесса обучения как 
психолого-педагогическая проблема . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298 
 
10.2. Применение в образовании и научных исследованиях  
технологии National Instruments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307 
 
10.3. Техническое задание на разработку АОС для обучения 
студентов парадигмам интеллектуального управления . . . . . . . . . . . . . . . . . . 314 
10.4. Анализ SCADA-систем . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319 
 
10.5. Лабораторный мультиканальный стенд для обучения 
студентов методам построения АСУТП . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325 
 
Заключение . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .  339 
 
Список литературы . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .   341 
 
Приложение. Доказательства математических утверждений . . . . . . . .  346 


ПРЕДИСЛОВИЕ 
 
Одной из главных проблем, возникающих при создании автоматических 
систем является все возрастающая сложность управляемых технологических 
процессов, обусловленная разнообразием взаимодействий между материальными и энергетическими потоками объектов и окружающей их среды. Это приводит к появлению различных неопределенностей, обусловленных неполнотой 
информации об указанных взаимодействиях. 
Необходимо отметить, что немало математически изящных теорий в области технических систем автоматического управления не получили практического применения, т.к. нуждались в весьма детальной и труднодоступной информации о характеристиках управляемых объектов и действующих на них 
возмущений. 
Осознание причины неудач привело к созданию высокоэффективных методов робастного, адаптивного, нечеткого и нейросетевого управления технологическими процессами, совместное применение которых позволяет ограничиться минимальным объемом информации об управляемых системах. 
На этих, эффективных в условиях информационной неопределенности 
методах, базируются парадигмы [23] интеллектуального управления, каждой из 
которых присущи определенные достоинства и недостатки. 
Настоящая книга посвящена изложению парадигм интеллектуального 
управления, как «открытых задач» автоматизации, т.к. условия этих задач 
заведомо неполны,  размыты и существует множество способов их решения. 
 
Например, в работе [21], описан случай, когда в одной из американских 
школ учитель в контрольной работе задал вопрос: как измерить высоту небоскреба, используя только барометр? Вечером, проверяя работы, он нашел, что 
многие учащиеся, верно, поняли, каким образом следует использовать барометр 
в качестве определителя высоты: замерить атмосферное давление на первом и 
последнем этажах небоскреба. Однако один из учеников написал: поскольку он 
знает, что высота ртути в стеклянной трубке барометра составляет тридцать 
дюймов, то он измерит длины теней от барометра и здания, а потом вычислит 
высоту последнего с помощью тригонометрии. 
На следующий день учитель подозвал к себе этого ученика и сказал: "Я 
был бы не прав, сказав, что ты неверно решил задачу, но все-таки это именно 
так. Я имел в виду барометр-анероид, а ты использовал в решении ртутный барометр. Теперь, зная, что я имел в виду, как ты ответил бы на заданный вопрос?" 
Не задумываясь, мальчик ответил: "Я поднялся бы на крышу здания, бросил барометр вниз и измерил бы время его полета до земли. Тогда бы я получил 
ответ через ускорение свободного падения". 
"И опять-таки ты прав и не прав, - сказал учитель. - Попробуй еще раз, 
предположив, что у тебя нет часов". 
«Ну, тогда я разыскал бы смотрителя этого здания и сказал бы ему: «Если 
подскажите мне высоту здания, я отдам вам этот барометр». 
 
Этот мальчик – типичный креатив, с нестандартным творческим мышле
нием и в целой генерации специалистов с таким мышлением остро нуждается 
отечественное производство, т.к. именно они способны наиболее успешно решать инновационные и модернизационные задачи.  
Наиболее эффективны эти специалисты при решении задач автоматизации производств, т.к. при этом повышается производительность труда и 
качество продукции, а также снижается ее удельная себестоимость. 
Все это способствует реальному освобождению трудящихся от тяжелого 
физического и рутинного интеллектуального труда, способствуя максимальному раскрытию их творческих способностей. 
Таким образом, модернизация отечественной системы вузовского технического образования на основе обучения студентов решению «открытых задач» 
позволит выпускать специалистов с творческим, креативным мышлением, способных к нестандартному и эффективному решению возникающих проблем. 
Чтобы представить разработанные авторами теоретические положения в 
наиболее наглядном виде, их изложение сопровождается многочисленными 
примерами. 
Раздел книги 10.5 написан с участием Хисамова Р.Н. 
Авторы выражают благодарность рецензентам, за их вклад в улучшение 
данной книги. 
 
 
 
 
 
 
 
 
 
 
 
 
Авторы 


ВВЕДЕНИЕ 
Существующая система образования испытывает серьезные трудности, 
которые в работе [22] обозначены как семь противоречий современного образования: 
1. В настоящее время технологические и научные парадигмы меняются в 
течение жизни одного поколения, что приводит к быстрому устареванию полученных знаний. Нужно признать, что обучение, построенное на усвоении 
конкретных фактов, изжило себя в принципе, ибо факты быстро устаревают, а 
их объем стремится к бесконечности. 
Конечно, система образования заметила эту тенденцию. Увеличение времени обучения, перегрузка учащихся и переход к ранней специализации – ее 
прямые следствия.  
2. Образование должно быть узкоспециальным, ибо "нельзя объять 
необъятное". 
Но 
узкий 
специалист 
плохо 
переучивается, 
трудно 
ориентируется в межпредметных знаниях, ему тяжело найти общий язык 
со специалистами других профилей при решении общей задачи. 
Поэтому решение производственных, маркетинговых, социальных и даже 
бытовых задач все больше требует системного, межпредметного подхода, умения видеть отдаленные последствия. 
Крупные коммерческие компании все чаще пытаются самостоятельно с 
переменным успехом – решать для себя эту проблему. Однако в целом противоречие не разрешено.  
3. Обучение должно быть предметным, т.к. оно копирует, повторяет 
организационную структуру науки. Но предметное обучение мешает 
цельности восприятия мира. 
Можно спорить о том, изжило ли себя предметное образование, или оно 
еще имеет свои, не использованные пока возможности улучшения. Однако, несомненно одно: требования к образованности человека быстро растут. 
4. Чем больше требований предъявляет образование, тем больше разрыв 
между сильными и слабыми учениками. 
Навыки производственной, бытовой, социальной жизни становятся столь 
разнообразными, многоходовыми, информационно насыщенными, что без соответствующего образования невозможно быть успешным ни в одной сфере 
жизни. 
В цивилизованных странах качество жизни большинства населения пропорционально уровню образования. 
Степень бакалавра позволяет ее обладателю за 40 лет заработать дополнительно $2 млн. по сравнению со своим сверстником, закончившим только 
среднюю школу. 
Степень магистра (уровень выпускника университета) дает в среднем 
дополнительно $2,3 млн. 
И этот разрыв со временем только увеличивается. 
Пропасть между двумя "нациями" – образованных и необразованных – 
серьезная социальная проблема. Любой путь ее решения будет натыкаться на 


новые противоречия.  
5. Качественное образование должно быть дорогим, т.к. оно 
предполагает высокие зарплаты преподавателей, серьезную материальнотехническую базу, постоянное обновление содержания и др., и то же время оно 
должно быть дешевым, чтобы быть доступным. 
6. Образование должно быть добровольным, ибо в этом случае оно 
максимально эффективно, и образование должно быть обязательным, ибо 
некомпетентность стала социально опасной. 
Таким образом, образование – это область сложных противоречий, 
парадоксов и «открытых задач». 
7. Жить хорошо хочется сегодня, а вложение в будущее требует 
ограничений в настоящем. 
Следовательно, образование требует пристального внимания. Страны, 
которые занимаются системой образования по остаточному принципу – всегда 
будут жить по этому же принципу. Парадоксы и противоречия образования 
нужно решать. И не просто решать, а весьма эффективно. 
В работе [21] в качестве одного из подходов к разрешению указанных 
противоречий предлагается обучать студентов не набору разрозненных фактов 
и методов, а прививать им умения и навыки к решению «открытых задач», 
т.е. 
задач 
с 
неполностью 
определенными 
исходными 
данными 
и 
допускающими многовариантные решения. 
Одним из наиболее эффективных подходов к организации такого 
образования для студентов, обучающихся по специальности «Автоматизация 
технологических процессов и производств», является освоение ими парадигм 
интеллектуального управления, позволяющих решать сложные задачи 
автоматизации современных производств при весьма ограниченном объеме 
информации о факторах, влияющих на качество управления, таких, например, 
как статистические характеристики возмущающих воздействий, динамические 
характеристики управляемых технологических объектов. 
Отметим, что постоянное совершенствование методов и систем управления технологическими процессами привело не только к появлению большого 
количества достаточно эффективных алгоритмов управления в условиях информационной неопределенности, но и к довольно четкому выделению основных способов их разработки. Эти способы получили название парадигм. В данном случае под парадигмой понимается модель постановки проблем и их решения [23]. Условно можно выделить нечеткую, робастную, адаптивную и 
нейросетевую парадигмы. 
При этом нечеткая парадигма объединяет все методы управления, базирующиеся на теориях нечеткого логического вывода и нечетких множеств. 
Применение нечетких методов управления позволяет учесть существующие неопределенности и погрешности данных, используемых в процессе управления. 
Робастная парадигма, название которой происходит от английского слова robust (крепкий, сильный, грубый) объединяет методы управления, эффективные при отсутствии информации о возмущающих воздействиях, влияющих 
на качество управления технологическими процессами. Эффективность робаст
Доступ онлайн
250 ₽
В корзину