Интеллектуальная система управления расходом жидкого азота в сборнике криогенной установки контроля СП магнитов: мягкие вычисления

Основное содержимое статьи

Ю. Г. Беспалов
Д. А. Неополитанский
Д. Н. Никифоров
А. Г. Решетников
Г. С. Седых
С. В. Семашко
С. В. Ульянов

Аннотация

В работе представлены информационные технологии (ИТ), применение которых возможно в задачах интеллектуального управления сложными экспериментальными комплексами. Рассмотрены особенности мягких вычислений, используемых в сквозных квантовых информационных технологиях. Обоснована (с позиции теории и систем интеллектуального управления) схема структуры двухуровневой интеллектуальной системы управления давлением и уровнем азота. Представлены результаты проведенных экспериментов на фабрике магнитов.

Скачивания

Данные скачивания пока недоступны.

Информация о статье

Как цитировать
1.
Беспалов ЮГ, Неополитанский ДА, Никифоров ДН, Решетников АГ, Седых ГС, Семашко СВ, Ульянов СВ. Интеллектуальная система управления расходом жидкого азота в сборнике криогенной установки контроля СП магнитов: мягкие вычисления. Системный анализ в науке и образовании [Интернет]. 30 сентябрь 2022 г. [цитируется по 29 март 2024 г.];(3):138-60. доступно на: https://sanse.ru/index.php/sanse/article/view/547
Раздел
Статьи

Библиографические ссылки

Brown K., Rothacker, F., Carey, D. C., Iselin Ch. TRANSPORT: A Computer Program for Designing Charge Particle Beam Transport Systems // SLAC-PUB-91 Rev 2, 1977.

Clout P. The status of system // Proc. of the Third Intern. Conference on Accelerator and Large Experi-mental Physics Control Systems, Germany, 1993.

Clearwater S., Cleland W. Real-Time Expert System for Trigger Logic-Logic Monitoring // Proc. of the Intern. Conference on Accelerator and Large Experimental Physics Control Systems, Vancouver, B.C., 1989.

Klein W. B., Westervelt R. T., Luger G. F. A General Purpose Intelligent Control System for Particle Accelerators -Vista Control Systems Inc., Los Alamos, New Mexico 87544, University of New Mexi-co, Albuquerque, New Mexico.

Klein W. B., Westervelt R. T., Luger G. F., An Architecture for Intelligent Control of Particle Accelera-tors -Vista Control Systems Inc., Los Alamos, NewMexico 87544, University of New Mexico, Albu-querque, New Mexico 87131.

Scheinker A., Pang X., Rybarcyk L. Model-independent particle accelerator tuning//Physical Review Special Topics -Accelerators and Beams. 2013. Vol.16. P. 102803. DOI: 16.10.1103/PhysRevSTAB.16.102803.

Innovative applications of genetic algorithms to problems in acceleraror physics / Hofler A. et al. // Phys. Rev. ST Accel. Beams, 2013. Vol. 16.P. 010101. DOI: 10.1103/PhysRevSTAB.16.010101.

Chen J., Wang L., Li W.-M., GaoW.-W. Optimization of magnet sorting in a storage ring using genetic algorithms // Chinese Physics C.2013.Vol. 37. No.12. P. 127004. DOI: 10.1088/1674-1137/37/12/127004.

Castelvecch D. Particle physicists turn to AI to cope with CERN’s collision deluge // Nature, 2018. Vol. 557. Pp. 147-148.

Ramberger S., Russenschuck S. Genetic algorithms for the optimal design of superconducting accelera-tor magnets // EPAC, 1998.

Pang X., Rybarcyk L.J. Multi-objective particle swarm and genetic algorithm for the optimization of the LANSCE linac operation // Nuclear Instruments and Methods in Physics Research Section A: Ac-celerators, Spectrometers, Detectors and Associated Equipment.2014. Vol. 741.Pp. 124–129. DOI: 10.1016/j.nima.2013.

042.12.Yang L., et al. Global optimization of an accelerator lattice using multi-objective genetic algorithm // Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detec-tors and Associated Equipment.2009. Vol. 609.Pp.50-57. DOI: 10.1016/j.nima.2009.08.027.

Интеллектуальная система питания и управления на фазотроне ЛЯП ОИЯИ, реализуемая от одного источника при разных токах в электромагнитных линзах/ В.И.Каплин[и др.] // Письма в ЭЧАЯ, 2013. Т.10.No1(178). С.94-100.

Каплин В.И., Карпинский В.Н., Поляков Ю.А. и др. Интеллектуальная система питания и управления группами магнитных элементов ускорителей частиц от нескольких источников МВт-Мощности // Письма в ЭЧАЯ, 2012. Т.9. No3(173). С. 489-494.

Fiesler, E., Campbell, S. Hybrid neural networks and their application to particle accelerator control // Proc. of the SPIE -The International Society for Optical Engineering, 1999. Vol.3812. Pp.132-142.

Neural Networks for Modeling and Control of Particle Accelerators/ A. Edelen [et al.] // IEEE Transac-tions onNuclear Science. 2016. Vol 63. No.2. DOI:https://doi.org/10.1109/TNS.2016.254320.

Andrianov S. Control of simulation of a particle accelerator as a spatially distributed system//AIP Con-ferenceProceedings.2015. Vol.1648. No.1. Pp.450003. DOI: 10.1063/1.4912662.

Необходимость применения интеллектуальных систем управления в экспериментальных ядерно-физических комплексах (типа NICA). Ч. I: Проблема нештатных ситуаций / О. И. Бровко [и др.]// Системный анализ в науке и образовании.2019.No 4.С. 32-57. URL: http://sanse.ru/download/374.

Кореньков В. В., Решетников А. Г., Решетников Г. П., Ульянов С. В. Возможности применения сквозных квантовых информационных технологий в интеллектуальных системах управления слабо формализованными физическими объектами (типа комплекс NICA) // Системный анализ в науке и образовании. 2018. No 4. С. 1-44. URL: http://sanse.ru/download/328.

Ульянов С. В., Решетников Г. П. Технологии интеллектуальных вычислений.Мягкие и дробные вычисления в интеллектуальном управлении:учебно-методическое пособие.Дубна: ОИЯИ, 2013. 244 с. ISBN978-5-9530-0379-7.

Ульянов С.В., Решетников А.Г., Решетников Г.П. Технологии интеллектуальных вычислений.Квантовые вычисления и программирование в самоорганизующихся интеллектуальных системах управления: учебно-методическое пособие.Дубна: ОИЯИ, 2015. 246 с. ISBN978-5-9530-0422-0.

Ульянов С.В. Квантовая релятивистская информатика. LAP LAMBERT Academic Publishing, 2014. 400 с.

Ульянов С.В., Николаева А.В., Решетников А.Г. Интеллектуальные системы управления в непредвиденных ситуациях. Оптимизатор баз знаний на мягких вычислениях. LAP LAMBERT Academic Publishing, 2014.380 с.

Ulyanov S.V., et al. Quantum swarm model of self-organization process on quantum fuzzy inference and robust wise control design // Proc. 7th Intern. Conf. Appl. of Fuzzy Systems and Soft Computing (ICAFS’2006).Siegen, Germany. 2006. Рp. 10–19.

Ulyanov S.V. Self-organizing quantum robust control methods and systems for situations with uncer-tainty and risk. Patent US 8788450 B2, 2014.

Ulyanov S.V., Reshetnikov A.G., Ryabov N.V. Deep machine learning and pattern/face recognition based on quantum neural networks and quantum genetic algorithm // The 8th International Conference "Distributed Computing and Grid-technologies in Science and Education" JINR, Dubna, September 13, 2018.

Наиболее читаемые статьи этого автора (авторов)

<< < 3 4 5 6 7 8 9 10 11 12 > >>