Выпуск 2015 № 1
ПРИМЕНЕНИЕ ТЕХНОЛОГИИ ПРОЕКТИРОВАНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ НА ОСНОВЕ МЯГКИХ ВЫЧИСЛЕНИЙ (НА ПРИМЕРЕ ПЕРЕВЕРНУТОГО МАЯТНИКА)
В статье рассматриваются методы и возможности проектирования баз знаний на основе моделей интеллектуальной системы управления в автономном и дистанционно управляемом режимах (по кабелю и Wi-Fi) на примере физического динамически неустойчивого объекта типа «каретка – перевернутый маятник» (типовой Benchmark). Особенностью работы является разработка методологии интеллектуального управления с математической моделью слабоструктурированного объекта управления и без нее. Обучающий сигнал проектируется как с помощью математической модели в режиме off line, так и в режиме on line непосредственно с физического объекта управления с применением программного инструментария «оптимизатор баз знаний». Приводится сравнение систем управления на основе ПИД-регулятора и нечетких регуляторов в трех режимах. Показана возможность эффективной дистанционной настройки нечеткого регулятора без математической модели объекта управления.

ИНТЕЛЛЕКТУАЛЬНОЕ РОБАСТНОЕ УПРАВЛЕНИЕ ДИНАМИЧЕСКИ НЕУСТОЙЧИВЫМ ОБЪЕКТОМ УПРАВЛЕНИЯ НА ОСНОВЕ КВАНТОВЫХ МЯГКИХ ВЫЧИСЛЕНИЙ
Рассматривается технология проектирования интеллектуальной системы управления на основе квантового нечеткого вывода в двух вариантах: с использование дистанционного подключения к объекту управления и с использованием верифицированной математической моде-ли. Использование разработанной методологии проектирования основано на самоорганизации знаний и приводит к повышению уровня робастности интеллектуальных систем управления в непредвиденных ситуациях управления. В качестве информационных источников для проектирования нечетких регуляторов используются два варианта: в первом случае применяется математическая неточная (с недоопределенными параметрами) модель объекта управления, второй вариант основан на процессе измерения сигнала обучения с реального объекта управления. Проводится сравнение результатов моделирования и физического эксперимента ПИД-регулятора, нечетких регуляторов и квантовых нечетких регуляторов с различными типами корреляциями. Показана эффективность применения квантового нечеткого вывода для повышения робастности интеллектуального управления в непредвиденных (нештатных) ситуациях управления.

СИСТЕМА УПРАВЛЕНИЯ РОБОТОМ-МАНИПУЛЯТОРОМ С СЕМЬЮ СТЕПЕНЯМИ СВОБОДЫ: РОБАСТНОСТЬ В НЕПРЕДВИДЕННЫХ СИТУАЦИЯХ УПРАВЛЕНИЯ
В статье рассматриваются проблемы проектирования интеллектуальных систем управления с применением технологий мягких и квантовых вычислений на примере сложного объекта управления – робота манипулятора с семью степенями свободы. Приводится общая методология проектирования робастных нечетких баз знаний с использованием специального интеллектуального инструментария – Оптимизатора Баз Знаний на мягких вычислениях. Предложена стратегия самоорганизации баз знаний нечетких однотипных регуляторов с применением технологий квантовых вычислений. Эффективность спроектированных интеллектуальных систем управления с применением технологий мягких и квантовых вычислений рассматривается в сравнении с системами управления с постоянными параметрами регулирующего звена. Для оценки работы систем управления вводится система критериев качества, адаптированная для рассматриваемого объекта управления — робота манипулятора с семью степенями свободы в зависимости от требуемых точностных характеристик работы. Особое внимание уделено поведению робота манипулятора под управлением предлагаемых интеллектуальных систем управления в критических непредвиденных ситуациях, связанных с возмущения-ми во внутренних узлах сложного объекта управления.

ТЕХНОЛОГИЯ ПРОЕКТИРОВАНИЯ РОБАСТНЫХ БАЗ ЗНАНИЙ: СРАВНЕНИЕ УПРАВЛЕНИЯ НЕЧЕТКИХ РЕГУЛЯТОРОВ НА РАЗНЫХ ТИПАХ РЕГУЛЯТОРОВ С ПОМОЩЬЮ ИНСТРУМЕНТАРИЯ ОПТИМИЗАТОРА БАЗ ЗНАНИЙ
В статье приводится сравнение управления нечетких регуляторов двух типов управления – управления с помощью нечеткого ПИД-регулятора и нечеткого управления скользящего типа. Сравнение качества управления проведено с помощью моделирования управления неустойчивым динамическим объектом «каретка-маятник» с использованием инструментария оптимизатора баз знаний на мягких вычислений.

ВЗАИМОДЕЙСТВИЕ ИНТЕЛЛЕКТУАЛЬНЫХ РОБОТОТЕХНИЧЕСКИХ СИСТЕМ
В статье рассматриваются варианты взаимодействия трех робототехнических систем. В качестве объектов управления выступают: робот-бармен, тележка с манипулятором и робот – перевернутый маятник. Рассматривается вариант взаимодействия робота – перевернутого маятника с роботом-барменом, а также перевернутого маятника и тележки с манипулятором.

ИНТЕЛЛЕКТУАЛЬНЫЕ САМООРГАНИЗУЮЩИЕСЯ КОГНИТИВНЫЕ РЕГУЛЯТОРЫ. Ч. 2: МОДЕЛИ КОГНИТИВНЫХ ИНТЕРФЕЙСОВ «МОЗГ – УСТРОЙСТВО»
Рассматриваются основные типы управляющих сигналов с коры головного мозга, методы регистрации и возможность их обработки на основе оптимизатора баз знаний на мягких вычислениях для формирования соответствующих баз знаний когнитивных регуляторов. Приведена схема когнитивного интерфейса «мозг – устройство» и примеры эффективного применения. Рассмотрена связь процессов проектирования когнитивных регуляторов с методами Kansei / Affective инженерии.

ИНТЕЛЛЕКТУАЛЬНЫЕ САМООРГАНИЗУЮЩИЕСЯ КОГНИТИВНЫЕ РЕГУЛЯТОРЫ. Ч. 3: ИНФОРМАЦИОННО-ТЕРМОДИНАМИЧЕСКИЙ ЗАКОН РАСПРЕДЕЛЕНИЯ КАЧЕСТВА И ОБОБЩЕННАЯ СТРУКТУРА ИНТЕЛЛЕКТУАЛЬНОГО КОГНИТИВНОГО УПРАВЛЕНИЯ
Для гибридных когнитивных / интеллектуальных систем управления выведено информационно-термодинамическое уравнение оптимального распределения показателей качества управления (типа устойчивость, управляемость и робастность), на основе которого возможно спроектировать управляющую силу на объект управления согласно принципу минимальной потери полезного ресурса и требуемого минимума исходной информации для гарантированно-го достижения цели управления в условиях неопределенности. Рассматривается обобщенная структура когнитивной интеллектуальной системы управления. Основу обобщенной структуры составляют нечеткие и когнитивные регуляторы и введенное информационно-термодинамическое уравнение с применением квантового нечеткого вывода. Рассмотрена связь процессов проектирования когнитивных регуляторов с методами Kansei / Affective инженерии.
