Интеллектуальные технологии в задачах управления и обработки информации
Введение
На основе анализа и классификации факторов неопределенности, действующих на систему автоматического управления, рассматриваются два подхода к построению адаптивных регуляторов и систем на базе ассоциативной памяти.
Появление новых и усложнение существующих технологических процессов, сложных машин и механизмов приводит к значительному повышению требований к качеству управления, что особенно важно при создании систем, работающих в условиях неопределенности.
Известные методы адаптивного управления в быстродействующих системах как гражданского, так и специального назначения широкого применения не нашли. Связано это, в первую очередь, со сложностью адаптивных алгоритмов, которые требуют больших вычислительных мощностей, могут приводить к появлению запаздывания в контуре системы и к соответствующему ухудшению ее динамики.
В последние годы исследователи в области адаптивного управления вплотную подошли к возможности реализации идей, высказанных академиком Я. 3. Цыпкиным в его известном докладе "Адаптация, обучение и самообучение в автоматических системах" на 3-м Всесоюзном совещании по автоматическому управлению (Одесса, сентябрь 1965 г.), а затем развитых в книге.
Предложенная классификация неопределенностей является основой для рассмотрения двухпринципиальных подходов к построению систем адаптивного управления на базе ассоциативной памяти. Предварительно заметим, что работы ассоциативной памяти необходимоосуществлять преобразование и сжатиевходной и выходной информации. Эти функции предлагается возложить на рецепторную и эффекторную системы.
Первый подход иллюстрирует рис 1, на котором представлена функциональная системы управления, состоящая из традиционного контура управления объектом и контурасамонасстройки регулятора. В контур салятора входят: рецепторная система, которая осуществляет нормировку, сжатие и первичный анализ входной информации, ассоциативная память; эффекторная система, декодирующая информацию с выхода ассоциативной памяти и управляющая параметрами регуляторв; блок оценки качества.
На вход рецепторной системы поступает вектор состояния объекта х(1), содержащий информацию, соответствующую сигналу обратной связи, входному задающему воздействию и выходному сигналу регулятора (4). На выходе эффекторной системы формируется вектор, содержащий параметры регулятора.
Рис 1 Функциональная схема адаптивной системыуправления с контуром самонастройки регулятора на база ассоциотивной памяти
Учет внешних неизмеряемых возмущений происходит на этапе оперативной идентификации ассоциативной памятью, которая расценивает их как изменение динамических характеристик объекта управления. Наличие блока оценки качества управления позволяет реализовать самообучение ассоциативной памяти. Кроме того, он формирует сигнал разрешения записи в ассоциативную память.
Рис. 2 Структурная схема адаптивной системы управления электропривода с контуром самонастройки регулятора на базе ассоциативной памяти
На этапе обучения блоку ассоциативной памяти в качестве входного вектора предъявляется набор областей параметров объекта и соответствующие этим областям настройки регулятора, при которых удовлетворяется выбранный критерий качества (3).
В процессе управления ассоциативная памятьклассифицирует входные векторы и формирует соответствующие параметры регулятора.
Рассмотрен новый класс автоматических систем — интеллектуальные системы управления. Разработаны принципы применения интеллектуальных технологий экспертных систем, нейросетевых структур, ассоциативной памяти и нечеткой логики для управления сложными динамическими объектами. Обоснована иерархическая структура интеллектуальных систем управления, сформулированы фундаментальные основы их построения. Предложены методы анализа и синтеза интеллектуальных регуляторов. Дано развитие второго метода и критерия для исследования устойчивости интеллектуальных систем управления. Приведены результаты компьютерного моделирования и экспериментальных исследований. Рассмотрены вопросы формирования проблемно-ориентированных баз знаний и их пополнения в режиме самообучения. Приведены примеры прикладного использования интеллектуальных систем
управления. Для научных и инженерно-технических работников, занимающихся разработкой и исследованием систем автоматического управления.
Широкий комплекс вопросов, относящихся к сфере математического и компьютерного моделирования, исследования, проектирования и реализации, систем автоматического управления, подвижными объектами, в данное время немыслимо решать без повсеместного привлечения современных компьютерных технологий. Это определяется двумя, основными* обстоятельствами, определяющими, особую роль и место, занимаемое цифровыми системами. в указанной сфере
Первый, момент связан с постоянно растущими требованиями к эффективности и. динамическому качеству функционирования систем, управления; в особенности — надежности и безопасности в тех случаях, когда на подвижных объектах находятся экипажи. Эти требования формализуются в. виде сложных комплексов условий, ограничений-и требований, для выполнения которых. и создаются системы управления. Обеспечение таких комплексов невозможно без мощной« компьютерной»поддержки на, всех стадиях исследований, разработки и реализаций этих систем.
Второй момент определяется современным состоянием и неуклонным-ростом возможностей элементной базы компьютеров, и инструментальных средств их программной поддержки, что способствует повышению эффективности и качества научно-исследовательских и опытно-конструкторских работ по системам управления движением.
На основе анализа источников неопределенностей и их классификации предложено два подхода к построению адаптивных систем управления с ассоциативной памятью:
- системы управления с самонастройкой регулятора более эффективно работаеют в условиях предсказуемой неопределенности; когда при известных типах движения динамической системы можно заранее определять структуру регулятора, наиболее полно удовлетворяющую всем возможным движениям, а при управлении проводить только параметрическую настройку;
• схема с регулятором на основе ассоциативной памяти лучше подходит для управления в условиях непредсказуемой неопределенности, так как в ней непосредственно осуществляется формирование управляющих воздействий, обеспечивающее адаптивную подстройку под изменение как структуры, так и параметров объекта.
Достаточно очевидно, что развитие технологии ассоциативной памяти позволит решить задачу адаптации не только на исполнительном, но и на тактическом и стратегическом уровнях иерархии интеллектуального управления. При этом необходимо рассмотреть комплекс первоочередных вопросов: какие из известных типов ассоциативной памяти целесообразно использовать в системах управления, какие принципы построения заложить в адаптивную интеллектуальную систему с ассоциативной памятью?
Главное преимущество ассоциативной памяти — простота как программной, так и аппаратной реализации (что крайне важно с учетом проблемы им - портозамещения), которая обеспечит высокое быстродействие, определяемое временем обращения к отдельной ячейке памяти.
