ИТ мягких вычислений в слабо формализованных физических объектах: интеллектуальное управление азотным охлаждением сверхпроводящих магнитов без математической модели объекта
Боковая панель статьи
Основное содержимое статьи
Аннотация
Рассматривается применение методов сквозной ИТ-инженерии на основе мягких вычислений в задачах интеллектуального управления слабоструктурированными и плохо формализуемыми физическими (классическими) объектами с не доопределенными (скрытыми) параметрами. На примере объекта управления из интеллектуальной робототехники и самоорганизующихся интеллектуальных регуляторов, встроенных в бортовые системы управления, показана эффективность и преимущество применения разработанных интеллектуальных систем управления на основе ИТ мягких вычислений. Применяемая теорема об универсальном аппроксиматоре нечеткими системами с заданной точностью плохо формализованных объектов реализована на инструментарии SCOptKBTM проектирования баз знаний нечетких регуляторов. Приведен пример существенно нелинейного и динамически неустойчивого автономного интеллектуального робота, имитирующего взаимодействие вентилей давления и расхода азота (первый этап ИТ). а также управляющего давлением и расходом азота в криогенной установке охлаждения сверхпроводящего (СП) - магнита в «мега – сайенс» проекте NICA. В этом случае СП – магнит рассматривается как объект управления со слабоструктурированной, плохо формализуемой моделью с не доопределенными параметрами, индивидуальная информация о которых содержится в обучающем сигнале, измеренного на реальном объекте. Показано преимущество адаптивного нечеткого управления классическими объектами управления как направления применения ИИ в теории и систем управления. Технология мягких вычислений и нечеткий вывод регулятора с применением инструментария SCOptKBTM позволяют извлекать знания из измеренного (или смоделированного) обучающего сигнала и реализованы на промышленном процессоре, что существенно расширяет возможности эффективного применения ИТ-инженерии и масштабирования на роботизированные производства в проектах типа «Индустрия 4.0 / 5.0 / 6.0».
Скачивания
Информация о статье
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Библиографические ссылки
Ulyanov S.V. Self-organized control system. – US Patent: No US 6,411,944 B1. Date of Patent: Jun. 25, 2002. (Filed: Mar 17, 1998).
Ульянов С. В., Ульянов В. С. Применение сквозных технологий мягких вычислений в задаче интеллектуального робастного управления одноколесным роботом – велосипедом // Робототехника и техническая кибернетика. – 2020. – Т. 8, № 2. – С. 119-138. – DOI: 10.31776/RTCJ.8204.
Computational intelligence for robust control algorithms of complex dynamic systems with minimum entropy production. Pt 1: simulation of entropy-like dynamic behavior and Lyapunov stability / S. Ulyanov, K. Yamafuji, V. Ulyanov [et al.] // Journal of Advanced Computational Intelligence and Intelligent Informatics. – 1999. – Vol. 3, No 2. – Pp. 82-98.
Ulyanov S.V. Self-organizing quantum robust control methods and systems for situations with uncertainty and risk. – US Patent: No US 8,788,450 B2. Date of Patent: Jul. 22, 2014. (Filed: Oct 14, 2011).
Когнитивное интеллектуальное управление. Часть 2: квантовый алгоритм нечеткого вывода в интеллектуальной когнитивной робототехнике / С. В. Ульянов, Д. Зрелова, А. В, Шевченко А. А. Шевченко // Робототехника и техническая кибернетика. –2023. – Т. 11, № 2.– С. 133-146.
Ulyanov S. V. Quantum Algorithm of Imperfect KB Self-organization. Pt I: Smart Control-Information-Thermodynamic Bounds // Artificial Intelligence Advances. – 2021. – Vol. 3, No 2. – DOI: https://doi.org/10.30564/aia.v3i2.3171
Litvintseva L. V., Ulyanov S. V. Quantum fuzzy inference for knowledge base design in robust intelligent controllers // J. of Computer and Systems Sciences Intern. – 2007. – Vol. 46, No 6. – Pp. 908-961.
Информационно-термодинамическая неопределенность в интеллектуальных самоорганизующихся нечетких системах управления и извлекаемая из скрытой квантовой информации работа для формирования термодинамической управляющей силы / С. В. Ульянов, Д. П. Зрелова, А. А. Шевченко, А. В. Шевченко // Нечеткие системы и мягкие вычисления. – 2023. – Т. 18. – № 2. – С. 151–200. – DOI: 10.26456/fssc94.
Решетников А. Г., Ульянов В. С., Ульянов С. В. Робастное интеллектуальное управление автономным роботом: Квантовая самоорганизация неточных баз знаний – эксперимент // Известия РАН. Теория и системы управления. – 2023. – №5. – С. 127–146.
Ulyanov, S. Intelligent Cognitive Robotics : Quantum self-organization of imperfect knowledge bases: quantum intelligent force control and information-thermodynamic law of extracted informed useful work. Vol.2 / S. Ulyanov. – Москва : Курс, 2022. – 472 c. – (Quantum IT ; Volume II).
Ulyanov S. V., Ulyanov V. S., Hagiwara T. Robust Quantum Controllers: Quantum Information –Thermodynamic Hidden Force Control in Intelligent Robotics based on Quantum Soft Computing // Arxiv: [quant-ph] 2305.11254v1. – May 12, 2023.
Ulyanov S. V. Efficient simulation system of quantum algorithm gates on classical computer based on fast algorithm. – US Patent. – Pub. No.: US 2006/0224547 A l. – Oct. 5, 2006.
Ulyanov S. V. System and method for control using quantum soft computing. — Patent US 6,578,018 B1, Filed Jul. 27, 1999. Date of patent. Jun. 10, 2003.
Ulyanov S. V. Method and hardware architecture for controlling a process or for processing data based on quantum soft computing. – US Patent. – Patent No.: US 7,383,235 B l. – Jun. 3, 2008.
Ulyanov S.V. A method of performing a quantum algorithm for simulating a genetic algorithm. – EP 1 672 569 A1. – Date of filing: 20.12.2004. – Date of publication: 21.06.2006 Bulletin 2006/25.
Ulyanov S.V., Ulyanov V.S. Software emulator of quantum algorithms for sophisticated simulation on a conventional computer // Software & Systems. – 2024. – Vol. 37, No 1. – Pp. 5-17. – DOI:10.15827/0236-235X.142.005-017.
Ульянов С, Решетников А, Рябов Н. Квантовый генетический алгоритм: выбор типа и вида корреляции в квантовом нечетком выводе // Системный анализ в науке и образовании. – 2018. – № 2. – С. 35-54.
Self-organized intelligent quantum controller: quantum deep learning and quantum genetic algorithm – QSCOptKBTM toolkit / V. V. Korenkov, A. G. Reshetnikov, S. V. Ulyanov [et al.] // Proceedings of The 6th International Workshop on Deep Learning in Computational Physics. PoS(DLCP2022). – P. 012. – DOI:10.22323/1.429.0012.
Интеллектуальная когнитивная робототехника. Ч. 3: Классический симулятор квантовых алгоритмов интеллектуального управления – самоорганизующийся квантовый регулятор и квантовые лагранжевы ФИНС / В. В. Боровинский, А. Г. Решетников, В. С. Ульянов, С. В. Ульянов. – Москва: Курс. – 2024. – 468 с.
Никифоров Д. Н., Решетников А. Г., Ульянов С. В. Квантовое интеллектуальное управление давлением азота в криогенной установке испытательного стенда фабрики магнитов // Физика элементарных частиц и атомного ядра. – 2024. – Т. 55, №. 3. – C. 677–683.
Information analysis of quantum gates for simulation of quantum algorithms on classical computers / S. V. Ulyanov, S. A. Panfilov, I. Kurawaki, A. V. Yazenin // Quantum Communication, Computing, and Measurement 3. – Boston, MA : Springer US, 2001. – Pp. 207–214.
Intelligent cognitive robotics. Vol. IV: Quantum soft computing toolkit for Industry 5.0 / 6.0. / A. G. Reshetnikov, S. V. Ulyanov, D. P. Zrelova, P. V. Zrelov. – M.: Kurs. – 2023. – 464 p.
Intelligent cognitive robotics. Vol. III: Quantum computational toolkit of quantum self-organized intelligent control system simulator: quantum deep learning on quantum – inspired neural networks and quantum genetic algorithms / A. G. Reshetnikov, S. V. Ulyanov, D. P. Zrelova, P. V. Zrelov. – M.: Kurs. – 2023. – 432 p.
Интеллектуальная когнитивная робототехника. Часть 4.1: квантовый «сильный» вычислительный интеллект в интеллектуальном управлении роботизированными автономными системами в «Индустрия 4.0 / 5.0» / Р. Ю. Капков, О. Ю. Тятюшкина, А. Г. Решетников, С. В. Ульянов. – Москва: Курс. – 2024. – 483 c.
Ульянов С. В. Квантовая релятивистская информатика. Ч. 4: квантовая релятивистская информация и измерения, квантовая релятивистская термодинамика и физические / информационные пределы квантового управления, квантовые релятивистские вычисления и алгоритмы, квантовая программная инженерия. – М.: КУРС. 2025.
Nielsen M.A., Chuang I.L. Quantum Computation and Quantum Information. – UK, Cambridge University Press, 2000. – 676 p.
Benenti G., Casati G., Strini G. Principles of quantum computation and information. Vol. II. 2. – Singapore: World Scientific, 2004.
Ulyanov S. V., Litvintseva L. V., Ulyanov S. S. Quantum information and quantum computational intelligence: Design & classical simulation of quantum algorithm gates. – Universita degli Studi di Milano: Polo Didattico e di Ricerca di Crema Publ. – 2005. – Vol. 80.
Ulyanov S. V. Quantum Fuzzy Inference Based on Quantum Genetic Algorithm: Quantum Simulator in Intelligent Robotics // International Conference on Theory and Application of Soft Computing, Computing with Words and Perceptions. – Cham : Springer International Publishing, 2019. – Pp. 78-85. – https://doi.org/10.1007/978-3-030-35249-3_9.
Ulyanov S. V. Quantum Soft Computing in Control Process Design: Quantum Genetic Algorithms and Quantum Neural Network Approaches // Proc. World Automation Congress Fifth Intern. Symposium on Soft Computing for Industry. – Seville, Spain June 28th-July 1st, 2004 (paper No ISSCI028).
Интеллектуальная система дистанционного управления давлением и расходом жидкого азота в криогенной системе сверхпроводящих магнитов: программно-аппаратная платформа / А. В. Бутенко, С. А. Костромин, Д. Н. Никифоров [и др.] // Письма в ЭЧАЯ. – 2023. – Т. 20, № 2(247). – С. 183–199.
Никифоров Д. Н., Решетников А. Г., Ульянов С. В. Квантовое интеллектуальное управление давлением азота в криогенной установке испытательного стенда фабрики магнитов // Физика элементарных частиц и атомного ядра. – 2024. – Т. 55, №. 3. – C. 677–683.
Сontrol system of the superconducting magnet test bench for the NICA accelerator complex / G. S. Sedykh, E. V. Gorbachev, A. E. Kirichenko // Proc. of the XXVI International Symposium on Nuclear Electronics & Computing (NEC’2017). – Becici, Budva, Montenegro, September 25 - 29, 2017.
REST API — Tango Controls 10.0.0 documentation. –Tango Controls Community, 2017-2025. – URL: https://tango-controls.readthedocs.io/en/latest/Reference/bindings/rest-api.html.
Ulyanov S. V. et al. Soft computing optimizer of intelligent control system structures. – US Patent No US 7,219,087 B2. – Date of Patent: May 15, 2007.
Ulyanov S. V. System for soft computing simulation. – US Patent No US 2006/0218108. Filed: Oct. 4, 2005. – Date of Patent: Sep. 28, 2006.
Formation of knowledge bases of fuzzy regulators based on the physical training signal of a nitrogen cryogenic plant using a genetic algorithm / Y. Bespalov, P. Zrelov, M. Katulin [et al.] // Physics of Particles and Nuclei. – 2024. – Т.55, № 1. – Pp. 566–568.
Reshetnikov A. G., Ulyanov S. V. Intelligent information technologies based on quantum computing in the task of controlling elements of an accelerator complex // Physics of Particles and Nuclei. – 2024. – Vol. 55, №. 3. – Pp. 566-568.
Интеллектуальная система управления расходом жидкого азота в сборнике криогенной установки контроля СП магнитов: мягкие вычисления / Ю. Г. Беспалов, Д. А. Неополитанский, Д. Н. Никифоров [и др.] // Системный анализ в науке и образовании. – 2022. – №3. – С.138-159.