С. А. ДОГАНОВСКИЙ, А. И. КУЗНЕЦОВ
Московский энергетический институт (технический университет)
СТРУКТУРА ИНТЕГРИРОВАННОГО РЕГУЛЯТОРА
ДЛЯ ПРИКЛАДНЫХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ
Рассматривается современный подход к разработке структуры интегрированного регулятора для прикладной интеллектуальной системы управления. Обсуждаются возможности регулятора для повышения потенциала управления сложными техническими системами и в экономике.
В настоящее время перспективной областью информационных технологий является задачи нейроуправления сложными плохо формализуемыми нелинейными динамическими объектами в условиях действия разнообразных возмущений внешней среды. В практике приложений используется подход, основанный на интеграции известных методов интеллектуального управления: для повышения потенциала управления нейронная сеть объединяется с экспертной системой. При этом экспертная система верхнего уровня комбинируется с искусственной нейронной сетью нижнего уровня. Нейронная сеть обучается в реальных условиях функционирования от экспертной системы, априорно более грубой и поначалу полностью отвечающей за управление. С течением времени нейронная сеть обучается с помощью метода обратного распространения ошибки. При работе с объектом происходит более точное формирование управляющих воздействий. В настоящей работе, в отличие от известных работ [1,2], излагается концепция обобщенного структурно-интегрированного управления, при котором используется двухкомпонентная структура экспертной системы логического и продукционного типов, различающихся выразительной силой языка представления знаний и производительностью при их обработке. Экспертная система верхнего уровня - логического типа, основана на средствах обработки знаний общего вида, представленных первопорядковыми позитивно-образованными формулами, разработанными в Институте динамических систем и теории управления СО РАН с программным обеспечением «КВАНТ/1» (от сокращенного термина «квантор»). Вторая экспертная система: среднего уровня – продукционного типа, предназначена для обработки инструктивных знаний типа «если…то…», которые формируются на основе эмпирического опыта и действий квалифицированного специалиста-оператора или моделирует действия обычного регулятора, построенного на основе известных методов теории управления. Нижний уровень системы задаётся в форме искусственной нейронной сети, обучающейся вначале в режиме идентификации (эмуляции) от экспертных систем верхнего уровня, а затем, в процессе функционирования, учитывая реальные условия объекта с помощью метода обратного распространения ошибки, обеспечивает более точную выработку управляющих воздействий. В разработанной функциональной схеме интегрированного регулятора важную роль играют блоки селекции каналов управления и переключения режимов работы и искусственной нейронной сети.
Обсуждаются вопросы практической реализации изложенной концепции построения интегрированной структуры регулятора для управления сложным технологическим процессом [3] и экономической деятельностью организации [4].
Список литературы
1. Hangelman D. A., Lane S. H., Gelfand I. tegrating neural networks and knowledge based systems for intelligent robotic control. // IEEE Control Systems Magazine. 1990, vol.10. No 3. P. 77-87.
2. Рыбина и гибридизация прикладных интеллектуальных систем. // Научная сессия МИФИ-2001:Сб. науч. тр.: В 13 т. М.: МИФИ, 2001. Т. 3. С. 58,59.
3. , , Эдемский управление дуговой сталеплавильной печью. // Нейрокомпьютеры и их применение. НКП-2002. C..
4. , Пономарев динамики экономической деятельности предприятия. // Доклады международной конференции МФИ-2003. М., 2003.
