Задачи, методы и алгоритмы интеллектуальных систем управления (обзор)

Основные выводы

• 
  1. Эффективность функционирования человеко-машинных систем контроля и управления сложными техническими и технологическими объектами, функционирующими в затрудненных условиях, может быть существенно повышена на основе формализации и использования знаний управленческого персонала, представленных в явном (в продукционных правилах ЭС) и в неявном виде (в архитектуре ИНС, параметрах нейронов и их связей). Этот класс исследован недостаточно как в теоретическом, так и в прикладном плане.
  
• 
  2. Обобщенная функциональная структура интеллектуальной системы управления сложным технологическим объектом должна включать динамическую экспертную подсистему, повышающую степень «объяснимое™» принимаемого решения и получаемого результата, подсистему имитационного моделирования, подсистему синтеза цели и программы ее достижения. В свою очередь подсистема моделирования должна включать следующие модули: распознавания ситуаций, условного, безусловного и комбинированного прогнозирования, регноза, а подсистема планирования - модуль программирования оптимальных траекторий на основе ретроспективного анализа работы объекта и действий оператора.
  
• 
  3. Поисковые, беспоисковые и комбинированные нейроэкс- пертные алгоритмы автоматического управления с прогнозированием базируются на двух основных модулях. Первый (экспертный, продукционный) отвечает за формирование целей управления, а второй (нейросетевой) - за их достижение.
  
• 
  4. Для обучения нейросетевых моделей объектов в замкнутом контуре управления должны использоваться такие процедуры, которые обеспечивают выполнение предпосылок ИНС и требования нормальной эксплуатации объекта. Это достигается за счет одновременного нанесения тестовых и регулирующих воздействий на программные траектории.
  
• 
  5. Эффективный алгоритм распознавания дефектов изделий массового производства должен включать нейросетевой модуль, который предназначен для оценивания информативных признаков и автоматической классификации, экспертный модуль, основанный на знаниях опытных контролеров-операторов, позволяющий учитывать морфологические и генетические признаки дефектов и повышающий правильность распознавания дефектов продукции.
  
• 
  6. Предложенный алгоритм распознавания конкретизирован применительно к обнаружению поверхностных дефектов рельсов в процессе их производства. На его основе предложена схема новой установки, обеспечивающей контроль всех поверхностей рельса, в режиме реального времени. Результаты ситуационного моделирования системы с использованием натурных видеокадров, полученных в рельсобалочном цехе ЕВРАЗ ЗСМК, показали возможность достижения 90 -г- 97 % правильности распознавания дефектов в автоматическом режиме.
  
• 
  7. Сформулирована задача построения интеллектуальной системы управления воздухонагревателем Калугина. Предложен многоструктурный нейродвушкальный регулятор, построенный в рамках концепции программно-возмущенного движения, объединяющий поисковый и беспоисковый способы выработки управляющих воздействий. Результаты ситуационного пересчетного моделирования описанной интеллектуальной системы управления с использованием натурных данных, полученных в доменном цехе ЕВРАЗ ЗСМК, показали возможность улучшения эффективности управления в 1,5 -J- 2,0 раза (по интегральному критерию оптимальности) по сравнению с действующей системой.
  
• 
  8. Сформулирована задача согласованной оптимизации уставок автоматических регуляторов агломерационной машины, а именно регуляторов влажности шихты, температуры горна и скорости аглоленты. Предложена схема декомпозиции задачи на стратегическую и оперативную оптимизацию. Разработаны процедуры стратегической оптимизации, с применением физической модели агломашины, и оперативной оптимизации, осуществляемой с помощью модели рациональных действий оператора-технолога в виде ИНС.
  
• 
  9. Разработан многоструктурный распознаватель состояний объекта управления, позволяющий оперативно диагностировать его работу по количественным и качественным признакам, выявлять причины текущего состояния, обеспечивающий безопасность, функциональную надежность и эффективность работы объекта, а также сокращение затрат на его обслуживание и уменьшение потерь от простоев в результате отказов, отличающийся использованием продукционной модели представления знаний в сочетании с методами экспертных оценок.