Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Разработка теории и методов автоматизации управления сложными процессами на сортировочной станции

Диссертация: Разработка теории и методов автоматизации управления сложными процессами на сортировочной станции
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Распад централизованной системы управления перевозками не был обеспечен отработанным механизмом взаимодействия отдельных, получивших большую самостоятельность ее элементов. Существующие устройства и технологические структуры управления за период кризиса технически и морально устарели. Изменились не только условия хозяйствования, но и свойства самих объектов управления. В данной работе — это… Читать ещё >

Содержание

  • Глава 1. СОСТОЯНИЕ ПРОБЛЕМЫ АВТОМАТИЗАЦИИ И ИНФОРМАТИЗАЦИИ ПРОЦЕССОВ УПРАВЛЕНИЯ ПЕРЕВОЗКАМИ
    • 1. 1. Уровни автоматизации перевозочного процесса и постановка задачи создания интегрированной информационно-управляющей системы СС
    • 1. 2. Роль и место подсистем информатизации в структуре управления
    • 1. 3. Особенности технологического процесса расформирования-формирования поездов и концепция построения ИУС СС
    • 1. 4. Единая информационная среда — основа построения интеллектуальной ИУС СС
    • 1. 5. Эксплуатационно-технические требования к интегрированной ИУС СС
    • 1. 6. Постановка задач интеллектуальной поддержки процессов принятия решений и методология создания ИУС СС
    • 1. 7. Выводы по главе
  • Глава 2. РАЗВИТИЕ ИДЕОЛОГИИ УПРАВЛЕНИЯ СЛОЖНЫМИ ДИНАМИЧЕСКИМИ ПРОЦЕССАМИ НА СС
    • 2. 1. Общая методика управления
    • 2. 2. Алгоритм эталонного управления нестационарными, динамическими объектами железнодорожного транспорта
    • 2. 3. Математическое обеспечение разрабатываемых методов
      • 2. 3. 1. Отбор информативных признаков
      • 2. 3. 2. Формализация и развитие понятия расстояния между объектами, алгоритмами и решениями
    • 2. 4. Совершенствование деятельности отрасли на основе внедрения информационных технологий
    • 2. 5. Выводы по главе
  • Глава 3. МОДЕЛИРОВАНИЕ СЛОЖНЫХ ТРАНСПОРТНЫХ ПРОЦЕССОВ
    • 3. 1. Развитие понятийного аппарата моделирования сложных технологических процессов на железнодорожном транспорте
    • 3. 2. Некорректные математические задачи на железнодорожном транспорте
      • 3. 2. 1. Проблемы использования математических моделей в задачах автоматизации технологических процессов
      • 3. 2. 2. Методы решения некорректных задач
    • 3. 3. Выводы по главе
  • Глава 4. ТЕОРИЯ НЕЧЕТКИХ МНОЖЕСТВ — ТЕОРЕТИЧЕСКАЯ ОСНОВА ИСПОЛЬЗОВАНИЯ ЭКСПЕРТНОЙ ИНФОРМАЦИИ
    • 4. 1. Роль и место теории нечетких множеств в системах управления железнодорожным транспортом
    • 4. 2. Сравнительный анализ операций над нечеткими множествами и их применение
    • 4. 3. Принятие решений в условиях неопределенности
      • 4. 3. 1. Решение многокритериальных задач
      • 4. 3. 2. Выбор решения по минимуму риска
    • 4. 4. Идентификация функций принадлежности нечетких множеств
    • 4. 5. Выводы по главе
  • Глава 5. АВТОМАТИЗАЦИЯ ЭКСПЕРТНОЙ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ИУС НА ОСНОВЕ ГИБРИДНЫХ ИНТЕЛЛЕКТУАЛЬНЫХ МОДЕЛЕЙ ДИНАМИЧЕСКОГО ТИПА
    • 5. 1. Пространственно-временная модель представления динамической информации

    5.2. Нейро-нечеткие классификационные модели и их интеграция в исполнительные уровни ИУС. jj^ 5.3. Нечеткие композиционно-динамические модели поддержки принятия решений при управлении вагонными замедлителями.

    5.4. Разработка механизма моделирования и управления выводом в базе знаний ИУС на основе дискретно-непрерывной динамической системы

    5.5. Выводы по главе.

Разработка теории и методов автоматизации управления сложными процессами на сортировочной станции (реферат, курсовая, диплом, контрольная)

Актуальность темы

Переход российской экономики на новые схемы хозяйствования выдвинул ряд важных взаимоувязанных проблем, требующих пересмотра управленческой парадигмы во всех звеньях существующих автоматизированных системах управления технологическими процессами (АСУ ТП).

В феврале 1996 года Коллегия МПС России одобрила разработанную отраслевой наукой «Концепцию информатизации железнодорожного транспорта России на 1996;2005 гг.» и утвердила «Программу информатизации железнодорожного транспорта России на 1996;2005 гг.» (Программа 1996)1.

Концепция установила, что «существующий уровень информатизации не в состоянии обеспечить решение задач, стоящих перед отраслью в новых условиях функционирования» («проведение рыночных экономических реформ в России и разделение железнодорожной сети между странами СНГ»).

Был сделан правильный принципиальный вывод о необходимости ориентации «на создание новых информационных технологий».

При этом, 83% из 10 млрд. руб, выделенных Программой 1996 средств (в деноминированных рублях при курсе доллара США около 5 руб.) было предусмотрено на сети связи и «обеспечивающий уровень информатизации».

Дальнейшее развитие событий показало ошибочность указанного подхода — выделенные около 1 млрд. долларов на сеть связи и 650 млн. долларов на инфраструктуру информатизации и системное программное обеспечение были успешно освоены в 1999;2003 гг.: создана мощная сеть связи и в сотни раз выросли мощности вычислительных центров.

1 Программа информатизации железнодорожного транспорта России на 1996;2005 гг. (Программа 1996).

Но ожидаемого эффекта от инвестиций получить не удалось, так как в части технологического и прикладного программного обеспечения была выполнена только часть задач, в основном в области управления перевозками.

Новая схема управления информатизацией в ОАО «РЖД», принятая 17.10.2004 г., учитывает указанную ошибку2.

В соответствии с внедряемым проектным подходом становится невозможным вложение средств в развитие инфраструктуры информатизации без внедрения новых технологий управления, так как все проекты планируются от цели — новой технологии. Все обеспечивающие работы и модернизация технических средств выполняются по мере необходимости только как подпроекты указанных проектов.

В свое время идея всеобщей автоматизации народного хозяйства страны оказалась преждевременной и не обеспеченной. Возникли разрозненные, отличающиеся идеологией, технической базой, недостаточно согласованные между собой АСУ отраслей и отдельных производств. Вместе с тем общим недостатком всех существующих АСУ также является их узкая информационная направленность. Управляющая составляющая потребовала своего развития. Последние десять лет характеризуются революционным развитием технических средств, и техническая основа многих АСУ ТП значительно устарела. Новые технические средства открывают дополнительные возможности для развития методов теории управления сложными объектами. Лицо, принимающее решение (ЛПР), в современных АСУ ТП сохраняет свое доминирующее положение, и это связано с его способностью использовать нечеткие схемы принятия решений, более адекватно отражающие суть современных объектов управления. 2.

Программа информатизации железнодорожного транспорта России на 2005;2007 гг., утв. 17 ноября 2004 г.

Не единственным, но наиболее характерным в этом смысле и потому подробно исследуемым в работе является сложный процесс расформирования — формирования поездов на сортировочных горках (СГ) железнодорожных сортировочных станций.

Распад централизованной системы управления перевозками не был обеспечен отработанным механизмом взаимодействия отдельных, получивших большую самостоятельность ее элементов. Существующие устройства и технологические структуры управления за период кризиса технически и морально устарели. Изменились не только условия хозяйствования, но и свойства самих объектов управления. В данной работе — это структура и параметры вагонопотоков, состав грузов, требования потребителей услуг железнодорожного транспорта и др. Важнейшими задачами совершенствования систем автоматического управления являются их интенсификация, повышение точности функционирования и безопасности. Их решение позволит снять ряд новых технологических и технических проблем. Это, в свою очередь, вызывает необходимость развития методов теории управления сложными объектами.

Успешность разработки этих методов зависит от адекватности выявленных закономерностей транспортных процессов и транспортных логистических систем, что повышает актуальность исследования общетеоретических методов идентификации состояния и динамики сложных динамических объектов, планирования, организации и управления ими.

Оператор на СГ является основным источником управляющих решений. Это связано со слабой формализуемостью процессов скатывания отцепов с горки, что вызывает необходимость использования нечетких алгоритмов и схем принятия решений. Последнее, указанное замечание в полной мере относится и к другим транспортным человеко-машинным комплексам (например, системы диспетчерской централизации).

Таким образом, в рамках данной работы актуальными являются следующие задачи: развитие методов теории управления сложными динамическими процессами, функционирующими в условиях неопределенности исходных данных и дефицита времени на принятие и реализацию оптимальных решений, ограниченного объема информации, характеризуемого неопределенностью и зашумленностью (на примере системы горочной автоматизации) — разработка методов и алгоритмов формализации противоречивых критериев функционирования систем управления-. разработка методов идентификации нечетких состояний объектов управления в ситуационных моделях принятия решенийразвитие адаптивных методов управления сложными объектами в условиях нечеткости исходной информации.

Они соответствуют перечню подпрограмм, принятых Программой информатизации на 2005;2007 гг.: управление сбытом грузовых перевозокуправление сбытом и организацией пассажирских перевозокуправление перевозочным процессомоптимизация управления содержанием инфраструктуры и подвижного составаорганизация эффективного бюджетирования, бухгалтерский и налоговый учет, оптимизация управления финансовыми, трудовыми и материальными ресурсамистратегическое развитие и системное управление инвестициями и инновациямиунификация и интеграция автоматизированных систем.

Наиболее существенные результаты в области методологии и технологии управления транспортными системами получены Барановым Л. А., Буяновым В. А., Грунтовым П. С., Иванченко В. Н., Мухой Ю. А., Павловым В. Е., Ратиным Г. С., Сотниковым Е. А., Фонаревым Н. М., Шелухиным В. И., Шилейко А. В. и др.

Значительный вклад в создание и развитие теории и практики средств железнодорожной автоматики внесли известные ученые: Бочков К. А., Брылеев A.M., Ефимов В. Е., Дмитриенко И. Е., Кравцов Ю. А., Лисенков В. М., Кокурин И. М., Косилов Р. А., Переборов А. С., Дудниченко A.M., Шафит Е. М. и др.

Значительный вклад в теорию и практику управления сложными динамическими объектами с использованием методологии искусственного интеллекта внесли ученые: Аверкин А. Н., Берштейн Л. С., Вагин В. Н., Емельянов В. В., Еремеев А. Г., Карелин В. П., Ковалев С. М., Курейчик В. М., Мелихов А. Н., Поспелов Д. А., Попов Э. В., Осипов Г. С., Фоминых И. Б., Хорошевский В. Ф. и др.

Значительный вклад в решение задач автоматизации управления перевозочным процессом, обеспечения безопасности движения поездов с помощью средств автоматики, телемеханики и связи внесли известные ученые: В. М. Алексеев, В. М. Абрамов, И. В. Беляков, П. Ф. Бестемьянов, М. Н. Василенко, Г. В. Горелов, Д. В. Гавзов, Е. В. Ерофеев, Н. Ф. Котляренко, Б. Д. Никифоров, Н. Ф. Пенкин, Е. Н. Розенберг, Д. В. Шалягин, В. И. Шаманов, И. Б. Шубинский, А. А. Явна.

Решению важных теоретических и практических вопросов создания современной технологии управления, исследования и моделирования сложных объектов и процессов анализа и синтеза устройств автоматики и телемеханики, разработки микропроцессорных систем, их программного обеспечения и диагностики, формирования технической политики и стратегии дальнейшего развития АСУЖТ, начиная с 1980 г. посвящены работы Апатцева В. И., Аркатова С. С., Бардинова Л. А., Буянова В. А., Гуды А. Н., Дмитриенко И. Е., Долгого М. Д., Иванченко В. Н., Карпухина В. Б., Ковалева С. М., Кравцова Ю. А., Лецкого Е. К., Лисенкова В. М., Лябаха Н. Н., Павлова В. Е., Сапожникова В. В., Сапожникова Вл.В., Сотникова Е. А.,.

Тишкина Е.М., Тулупова Л. П., Шелухина В. И., Шилейко А. В. и других ученых.

Организация эксплуатационной работы на транспорте, нашедшая свое отражение в диссертационном исследовании, рассмотренной в трудах Алексеева В. М., Серебрякова А. С., Синицина С. А., Тишкина Е.М.

Приведённые выше рассуждения позволяют сформулировать цель диссертационного исследования: Разработка теории, методологии и инструментария синтеза систем интеллектуального управления сложными транспортными процессами.

В свою очередь, цель диссертационной работы определяет объект и предмет исследования.

Объект исследования: транспортные системы и комплексы, транспортные процессы (на примере сортировки составов на станции).

Исследуемые объекты определены четвертым пунктом специальности 05.13.06: теоретические основы и методы математического моделирования организационно-технологических систем и комплексов, функциональных задач и объектов управления и их алгоритмизация.

Предмет исследования: методы анализа и синтеза моделей и систем интеллектуального управления процессами перевозок.

В содержательном плане проведенные исследования соответствуют следующим пунктам паспорта специальности 05.13.06:

3. Методология, научные основы и формализованные методы построения автоматизированных систем управления технологическими процессами (АСУТП) и производствами (АСУП), а также технической подготовкой производства (АСТПП) и т. д.

8. Формализованные методы анализа, синтеза, исследования и оптимизация модульных структур систем сбора и обработки данных в АСУТП, АСУП, АСТПП и др.

9. Методы эффективной организации и ведения специализированного информационного и программного обеспечения АСУТП, АСУП, АСТПП и др., включая базы и банки данных и методы их оптимизации.

Концепция диссертационного исследования состоит в обосновании необходимости интеллектуализации функционирования автоматизированных систем на транспорте, систематизации существующих разрозненных исследований по данной тематике, адаптации теории интеллектуализации и накопленного опыта в иных сферах к совершенствованию транспортных комплексов.

Таким образом, задачами исследования являются:

1. Анализ состояния и динамики развития транспортных систем, процессов управления перевозками, (обоснование необходимости интеллектуализации).

2. Развитие теории синтеза (методов и механизмов планирования, организации и управления транспортными потоками, совершенствование технологии сортировочных процессов) интеллектуальных систем на транспорте.

3. Разработка комплекса моделей, позволяющих адекватно представить: а) сложные (динамические, нелинейные, нестационарные, стохастические) технологические процессы на транспортеб) процессы принятия решений в условиях шумов данных, высокой степени неопределенности, размытости и нестационарности.

4. Разработка инструментария и программного обеспечения предложенных подходов и методов.

5. Внедрение результатов исследований в практику управления сортировочными процессами на станции, НИР и учебный процесс.

Научная новизна исследования.

1. На основе системного анализа процесса расформирования-формирования поездов установлена необходимость создания интегрированной ИУС СС с интелллектуальной поддержкой принятия решений. Такая система предусматривает интеграцию и взаимодействие вновь создаваемых подсистем информатизации (ПИ) всех парков, ПУ СГ (КГМ ПК), АСУ СС, АРМов дежурного и диспетчерского персонала.

2. Предложена организационно-технологическая структура ИУС СС, определены место и роль каждой в отдельности ПИ. Сформулированы эксплуатационно-технические требования к интегрированной ИУС СС.

Принципиально важным и новым в структуре ИУС СС является наличие БЗ и ее интеграция с БД. В основу создания БЗ положена разработка целого ряда моделей, использующих пространственные, временные, причинно-следственные и др. отношения между «понятиями» предметной (исследуемой) области.

3. Предложена модельная конструкция синтеза управления, опирающаяся на представлении объекта автоматизации в информативном признаковом пространстве и использующая эталонное эвристическое управление. Разработан механизм построения модельного признакового пространства за счет отбора информативных признаков и расчета адекватной цели исследования меры близости.

4. Обоснован переход от базового математического аппарата устройств СЦБ — теории логики к теории нечетких множествосновы интеллектуализации систем управления на транспорте, которая развита в следующих направлениях: операции над нечеткими множествами адаптированы к процедурам принятия решений на транспортеразработаны механизмы идентификации многомерных функций принадлежности нечетких множеств, учитывающих полный перечень факторов, влияющих на исследуемые транспортные процессы.

Усовершенствован алгоритм идентификации сложных транспортных процессов за счет учета гипотетически возможных сигналов и введения имитации сценариев развития. Развит механизм выявления экспертной информации о функционировании транспортных систем и принятии ответственных решений опытным оператором.

Введено понятие меры близости между алгоритмами, моделями, решениями, используемыми при автоматизации транспортных процессов. Развит инструментарий расчета меры по статистическим и гипотетическим данным.

Дан анализ применимости методов регуляризации вычислительных задач, автоматизации технологических процессов на транспорте. Обоснован выбор методов решения конкретных некорректных вычислительных задач, обеспечивающих адекватный анализ и планирование транспортных потоков. Разработана универсальная технология моделирования сложных динамических транспортных процессов, использующая опыт и логику мышления эксперта-оператора, и опирающаяся на инструментальные средства теории искусственного интеллекта.

Обоснован выбор и адаптированы методы решения многокритериальных задач автоматизации управления транспортными процессами.

9. Для исследуемого в диссертации класса гибридных интеллектуальных систем динамического типа разработана формальная модель представления динамической информации, основанная на системе пространственновременных отношений.

10. Разработан новый класс гибридных нейро-нечетких моделей в качестве средств интеграции технологических экспертных знаний в нижние исполнительные уровни ИУС.

11. Разработаны алгоритм и программно-математическое обеспечение задачи управления скатыванием отцепов с горки, учитывающие все разнообразие пространственно-временных и причинно-следственных отношений объектов соответствующего процесса управления. На примере задачи управления вагонными замедлителями предложен новый класс нечетких композиционно-динамических моделей, предназначенных для автоматизации экспертной поддержки принятия решений в ИС динамического типа. Решение данной задачи иллюстрирует применение интеллектуальных технологий на железнодорожном транспорте.

Методологической и теоретической основой диссертационного исследования явились труды отечественных и зарубежных учёных по проблеме, информационные материалы научно-исследовательских отчетов учебных и научных подразделений МПС России, нормативные и законодательные акты, регламентирующие деятельность транспортных систем страны (в частности Материалы к заседанию правления ОАО «РЖД», утвержденные 17 ноября 2004 года по программе информатизации на 20 052 007 годы).

Информационно-эмпирической базой исследования послужили статистические и экспертные данные о функционировании различных исследуемых подсистем: СС в целом, ПП, ПФ, ПО и другие.

Теоретическая и практическая значимость диссертационного исследования состоит в том, что его основные методологические и методические выводы, инструментарий можно использовать как для теоретического анализа и оценки качества функционирования автоматизированных систем управления на транспорте, так и эффективного управления ими.

Результаты исследования используются при чтении различных курсов на кафедрах «Информатика», «Автоматика и телемеханика на ж.д. транспорте», ВТ АСУ Ростовского государственного университета путей сообщения.

Апробация работы и публикация материалов.

Результаты работы докладывались на заседаниях кафедр «Информатика», ВТ АСУ, Автоматика и телемеханика на ж.д. транспорте" РГУ ПС, объединенном заседании кафедр соответствующего профиля (интеллектуального) ТРТУ, «Исследование систем управления» Майкопского государственного технологического университета, на международной научно-практической конференции «Компьютерные технологии: геометрическое моделирование и виртуальная реальность», г. Таганрог, 1999 г., на конференциях «САПР-1999», «САПР-2000», «САПР-2001», «САПР-2002», «САПР-2003», «САПР-2004», «САПР-2005» г. Дивноморск, на IV Всероссийском симпозиуме «Математическое моделирование и компьютерные технологии», г. Кисловодск, 2000 г., на III Международной научно-технической конференции «Новые технологии управления движением технических объектов» г. Новочеркасск, 2000 г., на научно-теоретической конференции профессорско-преподавательского состава «Транспорт-2001» г. Ростов н/Д, 2001 г., на IV Международной научно-технической конференции «Новые технологии управления движением технических объектов» г. Новочеркасск, 2001 г., на конференции «Инфотранс-2001», г. Сочи, 2001 г., на 4-й Международной конференции «Научно-технические проблемы прогнозирования надежности и долговечности конструкций и методы их решения», г. С-Петербург, 2001 г., на первой ведомственной конференции «Проблемы обеспечения информационной безопасности на федеральном железнодорожном транспорте», г. С-Петербург, 2001 г., на X Международной конференции «Математика. Экономика. Образование» г. Ростов н/Д, 2002 г., на третьем Всероссийском симпозиуме по прикладной и промышленной математике, г. Москва, 2002 г., на научно-практической конференции «Безопасность движения на железнодорожном транспорте», г. Ростов н/Д, 2002 г., на 2-й межведомственной научно-практической конференции «ТелеКомТранс-2004», г. Сочи, 2004 г., на Н-м и Ш-м Международном научно-практическом семинаре «Интегрированные модели и мягкие вычисления в искусственном интеллекте», г. Москва, 2003 г., г. Коломна, 2005 г.

Важным аспектом апробации материалов исследования является включение их в разрабатываемые системы КСАУ СП и КСАУ СС (см. Акт приемочной комиссии № Р/9449 от 01 октября 2003 года, рассмотревшей опытный образец комплексной системы автоматизированного управления сортировочным процессом КСАУ СП).

Разработка темы осуществлялась на основании Постановления коллегии № 23 от 25−26 декабря 2001 года.

Результаты научных исследований составляют содержательную основу гранта РФФИ, проект № 04−01−277: «Развитие теории представления и обработки нечеткой информации и знаний, отражающих динамику процессов в слабо формализованных задачах принятия решений».

Внедрение результатов исследования осуществлено на станциях Бекасово Московской железной дороги, Тайшет Восточно-Сибирской железной дороги, Инская Западно-Сибирской железной дороги, Красноярск Красноярской железной дороги.

По результатам исследований опубликовано 59 работ, из них 3 монографии, 34 работы в центральной печати, без соавторов — 17 публикаций. Общий объем авторских публикаций 38,2 п.л.

Структура работы. Диссертация имеет традиционную структуру. Она содержит введение, пять глав, состоящих из 23 параграфов, заключения, списка использованной литературы, содержащего 188 наименований и приложения. Общий объем работы 336 стр.

5.5. Выводы по главе.

На основании результатов, полученных в настоящем разделе, можно сделать следующие выводы.

1. Для исследуемого класса гибридных интеллектуальных систем динамического типа разработана формальная модель представления динамической информации, основанная на системе пространственно-временных отношений. Разработанная модель, опираясь на небольшое число продукционных правил вывода, отличается компактностью, а заложенные в ней возможности оперировать многосортными переменными придают ей свойство универсальности, что позволяет использовать ее для обработки разнотипной информации, поступающей от напольного оборудования и других информационных подсистем гибридной ИС. Данное качество обеспечивает возможность интеграции предложенной модели с другими типами интеллектуальных моделей в единую гибридную ИС, реализующую функции принятия решений и функции экспертной поддержки принятия решений в ИУС.

2. Разработана гибридная модель нейро-нечеткой сети в качестве средства интеграции технологических знаний, сформированных экспертами, в нижние исполнительные уровни ИУС, реализованные на основе стандартных нейронных сетей. Благодаря предложенной модели обеспечивается возможность рационального перераспределения функций между поддерживающими подсистемами гибридной ИУС, что повышает адаптационные свойства ИУС и позволяет учитывать в процессе ее функционирования нечеткие трудно формализуемые факторы, оказывающие существенное влияние на качество вырабатываемых решений. Размер нейро-нечеткой сети линейным образом зависит от числа переменных, входящих в продукционные правила нечеткой системы, что делает ее использование в гибридных моделях более предпочтительным по сравнению с известными аналогичными моделями, размеры которых, в общем случае, экспоненциально зависят от общего числа переменных в нечеткой системе.

3. На примере задачи управления вагонными замедлителями предложен новый класс композиционно-динамических моделей, предназначенных для автоматизации экспертной поддержки принятия решений в ИС динамического типа. В отличие от традиционных дискретно-непрерывных моделей, основанных на представлении динамики в виде конечных графов переходов между состояниями системы, предлагаемая нечеткая оптимизационная модель, способна отслеживать динамику процессов с учетом нечеткой информации о возможных переходах в системе, что обеспечивает возможность интеграции в нее дополнительной технологической информации, сформированной экспертами в виде эмпирических нечетких правил.

4. Для исследуемого класса технологических процессов и гибридных ИУС разработана универсальная имитационная модель в виде дискретно-непрерывной динамической системы в качестве средства управления различными типами поддерживающих моделей в гибридных ИУС. На основе разработанной дискретно-непрерывной динамической модели предложен универсальный механизм управления выводом в БЗ ИУС, имеющий простую структуру в виде продукционной системы управления правилами, что обеспечивает возможность его эффективной программной реализации в БЗ ИУС.

В заключение подраздела сформулируем выводы, вытекающие из приведенного выше.

Для исследуемого в диссертации класса технологических процессов и гибридных ИУС разработана универсальная модель в виде дискретно-непрерывной динамической системы, отличительной особенностью которой является наличие нескольких классов состояний, позволяющих более точно описывать динамику процессов и обеспечить тем самым возможность эффективного управления различными типами поддерживающих моделей в гибридных ИУС.

На основе разработанной модели в виде ДНС предложен универсальный механизм управления выводом в БЗ ИУС, имеющий простую структуру в виде продукционной системы управления правилами ДНС, что обеспечивает возможность его эффективной реализации в БЗ с привлечением минимальных дополнительных ресурсов компьютера.

Показать весь текст

Список литературы

  1. В.М., Мугинштейн JI.A. О комплексном подходе к нормированию показателей функциональной безопасности микропроцессорных устройств управления движением поезда // Вестник ВНИИЖТ, № 1, 2001.
  2. А. Н. Костерев В.В. Триангулярные нормы в системах искусственного интеллекта // Известия Академии наук. ТиСУ, 2000. № 5.С. 107−119.
  3. З.О. Совершенствование деятельности предприятия на основевнедрения информационных технологий. Ростов-на-Дону: РГУ ПС, 2004, Труды всероссийской научно-практической конференции ® «Транспорт-2004″.
  4. В. Стратегическая эффективность управленческих решений //Проблемы теории и практики управления, № 5, 1996 г.
  5. А. с. Устройство для автоматического управления вагонными ^ замедлителями на сортировочных горках / Фонарев Н. М., Нефедова
  6. Т.А., Федоров Н.В.-№ 4742, 1975.-3 с.
  7. Ростов-на-Дону: Изд-во Рост, ун-та, 1993. — 123с.
  8. Т.Б. Анализ и диагностика финансово-хозяйственной деятельности предприятия. М.: ИНФРА-М, 2003. — 215 с.
  9. И.Э. Экономика фирмы. М.: Институт международного права и экономики, 1997.
  10. П.Ф. Методы повышения безопасности ^ микропроцессорных систем интервального регулирования движенияпоездов. Дисс. На соискание уч. Степени доктора техн. наук М.: МИИТ, 2001.
  11. Бир С. Т. Кибернетика и управление производством. Пер. с англ. Подv, ред. А. Б. Челюсткина. М.: Физматгиз. — 276 с.
  12. Э.М., Мучник И. Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. — 464 с.
  13. Ю.Е., Волковский В. И. Основы теории организации ф социального управления: Учебное пособие. М.: ЧеРо, 2000. — 143 с.
  14. В.Н. Дедукция и обобщение в системах принятия решений. М.: Наука. — Гл. ред. физ.-мат. лит., 1988. — 384 с.
  15. Вендров A.M. GASE-технологии: Современные методы и средства проектирования информационных систем. http-//www.citmgu.ru.
  16. Е.С. Теория вероятностей. М.: Высш. шк., 1999. — 576 с.
  17. Е. С., Овчаров JI. А. Теория вероятностей и её инженерные ^ приложения. М.: Наука, 1988. — 480 с.
  18. А.Н. и др. Динамические интеллектуальные системы. 1. Представление знаний и основные алгоритмы // Изв. РАН. ТиСУ. 2002.4.
  19. А.Н. и др. Динамические интеллектуальные системы. II. Моделирование целенаправленного поведения // Изв. РАН. ТиСУ. 2003. № 1.I
  20. Ю. Становление отечественного корпоративного управления:теория, практика, подходы к решению ключевых проблем //Российский экономический журнал. № 2. 2001.
  21. X. Менеджмент в подразделениях фирмыгпредпринимательство и координация в децентрализованной компании): Пер. с англ. -М.: ИНФРА-М, 1996.
  22. О.С. Стратегическое управление. -М.: Гардарика, 1998.
  23. В лабиринтах современного управления: (Стратегическое планирование, маркетинг, обслуживание клиентов, управление персоналом, оплататруда) сб. статей ред. сост. Грегори Р. Райтер. Вып. 1. — М.: ОАО НПО „Издательство „Экономика“, 1999. — 248 с.
  24. Н.П. Теория игр для экономистов и кибернетиков. М.: Наука, 1985.-272 с.
  25. И., Бояджиева Д., Солаков Е. Прикладной линейный регрессионный анализ//Пер. с болг., под ред. Ю. П. Адлера. М.: Финансы и статистика, 1987. — 287 с.
  26. Т.А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. С.-Пб.: Питер, 2000. — 384 с.
  27. Д.М. Организация и управление. Изд. 3-е, перераб, — М.: Изд-во МТГУ им. Н. Э. Баумана, 1998. — 332 е., ил.
  28. О.В., Занько Д. В. Синтез управляющего алгоритма в системе продукционных правил с временными параметрами // АиТ. 2003. № 5.
  29. Гиг Дж. Прикладная общая теория систем: в 2-х кн./ Пер. с англ. Под. Ред. Сушкова Б. М., Тюхтина В. С. М.: Мир, 1981.
  30. Л.Д. Преобразующий менеджмент: Лидерам реорганизации и консультантам по управлению. Учебное пособие. М.: дело, 1999. -496с.
  31. В.П. Растущие пирамидальные сети // Новости искусственного интеллекта. 2004. № 1.
  32. М.А. Менеджмент и устойчивый экономический рост //Проблемы теории и практики управления. 2001. — № 4. — с.80−85.
  33. Е.В., Лябах Н. Н. (младший). Параметрическая идентификация мер близости признаковых пространств // Изв. Вузов. Сев. Кавк. Регион. Техн. Науки. 1997. № 2. С. 37- 39.
  34. В.В. Важнейшие понятия и концепции в современном управлении. -М.: МИИПУ,' 1998. 176 с.
  35. В.В. В поисках совершенства управления: руководство для высшего управленческого персонала. М.: МП „Сувенир“, 1993.
  36. В.В. Руководство для высшего управленческого персонала. М.: 1997.
  37. В.А., Богомолов В. А. Экономическая стратегия предприятия: Учебник. М.: Филинъ- РИЛАНТ, 2001. — 512 с
  38. А.Н., Иванченко В. Н., Лябах Н. Н. Программа идентификации процессов с применением устойчивой процедуры нахождения оценок коэффициентов. Гос. фонд алгоритмов и программ. — Per. № 50 850 000 973.- 1985, — 7 с.
  39. П. Введение в экспертные системы. М.: Издательский домг1. Вильяме“, 2001.
  40. И.Е. Техническая диагностика и автоконтроль систем железнодорожной автоматики и телемеханики. — М.: Транспорт, 1986.
  41. П. Менеджмент: стратегия и тактика. Спб. — Изд-во „Питер“. ф 1999.-496 с.
  42. В.В., Конторов Д. С. Системотехника. М.: Радио и связь, 1985.-200 с.
  43. П. Эффективное управление. Экономические задачи иоптимальные решения /Пер. с англ. М. Котельниковой. М.^АИР-ПРЕСС, 1998. — 288 с. — (Успех в бизнесе).
  44. В.В. и др. Генетические алгоритмы в гибридных интеллектуальных системах // Сборник трудов „Интегрированные модели и мягкие вычисления в искусственном интеллекте“ М.: Наука. Физматлит. 2001.С.77−82.
  45. А.П., Троицкий В. В. Основные способы формализации временных зависимостей при построении интеллектуальных систем // Седьмая национальная конференция по искусственному интеллекту с международным участием. М. 2000.
  46. О.Н., Королевская В. И., Хохлов С. Н. Системный подход к управлению: Учеб. пособие для вузов / Под ред. В. А. Персианова. М. ЮНИТИ ДАНА, 2001. — 62 с.
  47. А.А., Караваев М. В. Применение нечеткой логики в имитационной системе адаптивного автономного управления // Тр. Ин-та системного программирования: Том 3. М: ИСП РАН, 2002.
  48. А.В., Стефанюк В. Л. О понятии продукции в искусственном интеллекте // Изв. РАН. ТиСУ. 2002. № 4.
  49. В.В., Кантор П. С., Ткаченко Д. Г. Синтез логических контроллеров с использованием механизма обработки нечеткой информации. // Известия РАН. Теория и системы управления, М.:ф „Наука“, 2000, № 4.
  50. В.Н. Исследование и разработка алгоритмов функционирования информационно-логической системыавтоматизированной сортировочной горки. Ростов н/Д, 1976. (Труды
  51. РИИЖТа, вып. 133), С. 18−24.
  52. В. Н. Разработка и внедрение микропроцессорной информационно-управляющей системы на сортировочной горке // Экспр.-инф. Сер. Автоматика и связь. М.: ЦНИИТЭИ МПС. — 1986.6.- С. 1−29.
  53. Ф 67. Иванченко В. Н. Теория построения и реализация информационно-управляющих систем на сортировочных станциях. Диссертация на соискание ученой степени доктора технических наук. Ростов н/Д: РИИЖТ, 1988.-386 с.
  54. В.Н., Ковалев С. М., Шабельников А. Н. Новые информационные технологии: интегрированная информационно-управляющая система автоматизации процесса расформирования-формирования поездов: Учеб. пособие//Ростов н/Д: РГУПС, СКНЦ ВШ, 2002. 276 с.
  55. В.Н., Лябах Н. Н., Гуда А. Н. и др. Идентификация сложных процессов с применением самоорганизации. Гос. фонд алгоритмов и программ. — Per. № 50 850 000 974. — 1985. — 9 с.
  56. В.Н., Лябах Н. Н., Гуда А. Н. Применение методов самоорганизации для построения моделей сложных процессов// Известия СКНЦ ВШ. Технические науки, 1985, № 1.-С. 89−91.
  57. В.Н., Лябах Н. Н., Гуда А. Н. Применение методов1. регрессионного анализа для моделирования сложных процессов //
  58. Вестник ВНИИЖТа, 1985, № 7. С. 8−10.
  59. В.Н., Лябах Н. Н., Ковалев С. М. Принятие решений на железнодорожном транспорте на основе использования теории нечеткихф множеств: Методические указания. Ростов н/Д: РИИЖТ, 1987. — 28 с.
  60. В.Н., Лябах Н. Н., Кузнецов Л. П., Самойленко Ю. А. Автоматизация оперативного управления сортировочной станцией наt основе локальных информационно-управляющих систем //
  61. Межвузовский тематический сборник „Микропроцессорные системы управления на ж/д транспорте“, Ростов-на-Дону: РИИЖТ, вып. 178, 1984.-С.11−18.
  62. В.Н., Шабельников А. Н. Методологические основы исследования и построения интегрированной информационно0 управляющей системы сортировочной станции // Изв. Вузов. Сев.-Кавк.регион. Техн. науки. 2004. № 2. С. 7−10.
  63. В.Н., Шабельников А. Н. Новый подход к построению интеллектуальных информационно-управляющих систем на железнодорожном транспорте // Изв. Вузов. Сев.-Кавк. регион. Техн. науки. 2004. Прил. № 2. С. 109−116.
  64. А. Г., Зайченко Ю. П., Димитров В. Д. Принятие решений на основе самоогранизации. М.: Советсткое радио, 1976. — 280 с.
  65. А. Г., Мюллер И. А. Самоорганизация прогнозирующихЛмоделей. Киев: Техшка: Берлин: ФЕБ Ферлаг Техник, 1984. — 223 с.
  66. Информационные технологии для новой эксплуатационной модели управления перевозками//Автоматика, связь, информатика, №
  67. А. И. Теория вероятностей и математическая статистика. / Учебник для экономических специальностей вузов. М.: Статистика, 1977.-279 с.
  68. С.М. Модель интеллектуального анализа динамических процессов с использованием нечетко-темпорального вывода намоделирующих графах // Труды Международных конференций
  69. Искусственные интеллектуальные системы» (IEEE AIS'02) и «Интеллектуальные САПР» (CAD-2002). Научное издание. М.: Изд-во Физ. мат. лит., 2002, С.62−68.
  70. С.М., Родзин С. И. Информационные технологии: интеллектуализация обучения, моделирование эволюции, распознавание речи. Ростов-на-Дону: СКНЦ ВШ, 2002. 224 с.
  71. С.М., Шабельников А. Н. Автоматическое построение нечетких темпоральных систем на основе обучающих примеров. Известия ТРТУ. Тематический выпуск: Интеллектуальные САПР. Таганрог: Изд-во ТРТУ. 2001. № 4, с. 357.
  72. С.М., Шабельников А. Н. Моделирование процессов управления замедлителем на основе композиционных цепочек нечеткого вывода // Известия ТРТУ № 2 (16). Таганрог: ТРТУ, 2000. — С. 75−78.
  73. С.М., Шабельников А. Н. Синтез нечетких композиционных регуляторов на основе визуального анализа эпюр управления. Труды международной науч.-практ. конференции Таганрог, ТРТУ, 1999, 75 с.
  74. П.А. Проблемы создания автоматизированных информационно-управляющих систем//Автоматика, связь, информатика, № 12, 2001.
  75. А.А. Синергетическая теория управления. Инварианты. Оптимизация. Синтез. М.: Наука, 1994. — 334 с.
  76. А.В. Проблемно-структурная технология разработка приложений гибиридных интеллектуальных систем // Тр. VIIнациональной конф. По искусственному интеллекту с международным участием КИИ 2002. Т.2М.: Физматлит. 2000.
  77. А.В. От компьютерно-ориентированных производств к сетям компьютерно-ориентированных предприятий: концепция «КИП2» // Новости искусственного интеллекта, № 2, 2003. С. 44−46.
  78. Г. К., Сосулин Ю. А., Фатуев В. А. Планирование эксперимента в задачах идентификации и экстраполяции. М.: Наука, 1977. — 208 с.
  79. В.В., Борисов В. В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия. — Телеком 2001. — 382с.
  80. Е.С. Информационно-сложные задачи и технология их решения // Новости искусственного интеллекта, № 1, 2003. — С. 24−29.
  81. Е.С. Информационные технологии и проектирование прикладных программных систем // Информационные технологии и вычислительные системы РАН. 1996. № 3.
  82. Е.С. Концепции информационной технологии функционально-ориентированного проектирования прикладных информационных систем // Информационные технологии. 2000. № 1.
  83. Л.П., Иванченко В. Н., Лябах Н. Н., Самойленко Ю. А. Автоматизация технологических процессов в системе оперативного управления сортировочной станцией. Ростов н/Д: РИИЖТ, 1984. 77 с.
  84. В.М. Генетические алгоритмы. Обзор и состояние // Новости искусственного интеллекта. 1998. № 3.
  85. Т.Г., Осипов Г. С. Архитектура и управляемость дискретных динамических систем, основанных на знаниях // Изв. РАН. ТиСУ. 2000. № 5.
  86. В.М. Безопасность ответственных технологических процессов и технических средств на транспорте // Автоматика, телемеханика и связь. № 1, 1992.
  87. В.М. Безопасность технических средств в системах управления движением поездов. М.: Транспорт, 1992.
  88. В.М. Статистическая теория безопасности движения поездов: Учеб. для вузов. М.: ВИНИТИ РАН, 1999.
  89. В.М. Управление безопасностью перевозок и рисками потерь. Штатные и нештатные состояния перевозочного процесса // Автоматика, связь, информатика, № 4, 1996.
  90. В.Б. Метод иерархических вероятностных абдуктивных рассуждений с использованием нечеткой логики // Тр. 9-й национальной конф. по искусственному интеллекту с международным участием КИИ 2004. T.I. М.: Физматлит. 2004.
  91. Н.Н., Бутакова М. А. Системы массового обслуживания: развитие теории, методология моделирования и синтеза- монография. Ростов-на-Дону: РГУ ПС, 2004. — 200 с.
  92. Н.Н., Иванченко В. Н., Гуда А. Н. Программа идентификации сложных процессов с применением методов самоорганизации и структурной адаптации. Гос. фонд алгоритмов и программ. — Per. № 50 850 000 972. — 2.07.1985. — 10 с.
  93. Н.Н., Моисеенко И. Е. Идентификация безынерционных объектов и управление ими по результатам статистических наблюдений. Гос. фонд алгоритмов и программ. Per. № 50 890 001 190- 1989.- 16 с.
  94. Н.Н., Моисеенко И. Е. Решение плохо обусловленных систем линейных уравнений методом замены оператора в задачах управления технологическими процессами. Гос. фонд алгоритмов и программ. Per. № 50 890 000 947 1989. — 17 с.
  95. H.H. Принятие решений в микропроцессорных информационно-управляющих системах на железнодорожном транспорте: Учеб. пособие. Ростов н/Д: РИИЖТ, 1986. — С. 73.
  96. Н.Н., Пирогов А. Е. Автоматизация технологических процессов на железнодорожном транспорте на основе микропроцессоров с применением методов распознавания: Учеб. пособие. Ростов н/Д: РИИЖТ, 1984.-76 с.
  97. Н.Н., Шабельников А. Н. Техническая кибернетика на железнодорожном транспорте: Учеб. пособие//Ростов н/Д: РГУПС, СКНЦВШ, 2002.-283 с.
  98. П.Г., Берштейн Л. С., Баженюк А. В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991. — 136 с.
  99. Материалы международного конгресса. «Искусственный интеллект в XXI веке». Дивноморское, 2001.
  100. А.Н., Берштейн Л. С., Коровин С. Я. Расплывчатые ситуационные модели принятия решений: Учеб. пособие. Таганрог: ТРТИ, 1986.-92 с.
  101. А.С. НЕ-факторы: неточность и недоопределенность -различие и взаимосвязь// Известия РАН. Теория и системы управления. 2000. № 5.
  102. Нечеткие множества и теория вероятностей. Последние достижения. Пер. с англ. / Под ред. P.P. Ягера. М.: Радио и связь, 1986. — С. 408.
  103. Г. С. Динамика в системах, основанных на знаниях. //Известия Академии Наук. Теория и системы управления, 1998, № 5, с.24−28.
  104. Г. С. Искусственный интеллект: состояние исследований и несколько слов о будущем // Новости искусственного интеллекта. 2001. № 1. С.3−13.
  105. А.Е., Иванченко В. Н., Лябах Н. Н. Расчет скоростей выхода отцепов из тормозных позиций в системе КГМ-РИИЖТ. Ростов н/Д: РИИЖТ, 1986. Вып. 188.-С. 159−163.
  106. А.Е., Лябах Н. Н., Иванченко В. Н., Гуричев Ю. Т., Пономарев А. И. Обучающаяся программа распознавания объектов. Гос. фонд алгоритмов и программ. — Per. № 50 860 001 269. — 1986. — 66 с.
  107. Э.В. Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987.
  108. Э.В. и др. Статические и динамические экспертные системы. -М.: Финансы и статистика. 1996.
  109. Д.А. Логико-лингвистические модели в системах управления. -М.: Энергоиздат. 1981.-231с.
  110. ДА. Ситуационное управление: теория и практика. М.: Наука. — Гл. ред. физ.-мат. лит., 1986. — 288 с.
  111. И.С., Чадеев В. И. О концепции адаптивных систем управления с идентификатором //Автоматика и телемеханика, 1982. № 2, — С. 54−60.
  112. Реализация программы структурной реформы отрасли//Автоматика, связь, информатика, № 6, 2001.
  113. Е.Н., Шубинский И. Б. Методы и модели функциональной безопасности технических систем. М.: ВНИИАС, 2004. 188 с.
  114. Е.В. Архитектура системы анализа и обработки данных о поведении процессов // Вестн. Моск. ун-та. Сер. 15. Вычисл. матем. и киберн. 2002. № 4.
  115. Г. В. Интегрированные экспертные системы современное состояние, проблемы и тенденции Изв. РАН. ТиСУ. 2002, № 3, с. 111— 124.
  116. С.И. Эвристические методы поиска решений в задачах синтеза вычислительных сетей // Вопросы кибернетики «Проблемы искусственного интеллекта»: Сб. науч. тр.- Под ред. Г. С. Поспелова. -М.: 1980.-С. 12−37.
  117. В.В., Гавзов Д. В., Никитин А. Б. Концентрация и централизация оперативного управления движением поездов. М.: Транспорт, 2002.
  118. В.В., Сапожников Вл.В., Борисенко Л. И. Какими должны быть микропроцессорные системы железнодорожной автоматики и телемеханики// Автоматика, телемеханика и связь. 1988. № 5. С. 32−34.
  119. В.В., Сапожников Вл.В., Талалаев В. И. и др.- Под ред. В. В. Сапожникова. Сертификация и доказательство безопасности систем железнодорожной автоматики.-М.: Транспорт, 1997.
  120. В.В., Сапожников Вл.В., и др. Общие правила выбора показателей безопасности и методы расчета норм безопасности // Автоматика, телемеханика и связь. 1992. № 10.
  121. В.В., Христов Х. А., Гавзов Д.В.- Под ред. Вл.В. Сапожникова. Методы построения безопасных микроэлектронных систем железнодорожной автоматики. -М.: Транспорт, 1995.
  122. Дж. На пути к интеллектуальному управлению //ТИИЭР: Пер. англ. 1979. Т.67. — № 8. — с.32−54.
  123. Дж. Самоорганизующиеся стохастические системы управления. Пер. с англ. Под ред. Я. З. Цыпкина М.: Наука, 1980. — 400 с.
  124. И.А., Солоп С. А., Хаблак К. А. Об одном из критериев, определяющем границы опорных центров . управления / Совершенствование организации и управления перевозками в условиях реформ: Межвуз. сб. научн. тр. Ростов н/Д: РГУПС, 2002. С. 135−139.
  125. Д.А. Автоматизация управления перевозочным процессом на линейном уровне //Автоматика, связь, информатика, № 5, 2002. С. 2628.
  126. В.Б. От многоагентных систем к интеллектуальной самоорганизации: философия, психология, информатика. М.: Эдиториал УРСС, 2002.
  127. А.Н., Арсенин В. Н. Методы решения некорректных задач. М.: Наука, 1979.-286 с.
  128. Э.А. Компьютерная поддержка принятия решений: Научно-практическое издание. Серия «Информатизация России на пороге XXI века». М.: СИНТЕГ, 1998. — 376 с.
  129. В.К. Правдоподобные выводы и правдоподобные рассуждения // Итоги науки и техники. Сер. теория вероятностей, математическая статистика и теоретическая кибернетика. Т. 28. М.: ВИНИТИ, 1988. с. 3−84.
  130. И.Б. Интеграция нейронных и символьно-логических моделей в интеллектуальных технологиях // Тр. VTI национальной конф. По искусственному интеллекту с международным участием КИИ 2002. Т. 2 М.: Физматлит. 2000.
  131. И.Б. Принципы построения гибридных интеллектуальных систем реального времени. Международный конгресс «Искусственный интеллект в XXI веке». М. Издательство физ.-мат. лит., 2001. с. 524 533.
  132. Н.М. Автоматизация процесса расформирования составов на сортировочных горках. -М.: Транспорт, 1971.
  133. К.А. Постановка проблем автоматизации сортировочных станций/ Вестник РТУ ПС, № 2. 2001. С. 101−102.
  134. Д. Анализ процессов статистическими методами. М.: Мир, 1973.-960 с.
  135. А.В. Создание современной информационной среды железнодорожного транспорта//Автоматика, связь, информатика, № 12, 2002.
  136. А.Н. и др. Путевой датчик.// Патент на изобретение № 2 169 677, М., 2001.
  137. А.Н. Интеллектуальные системы управления на железнодорожном транспорте: Монография // Ростов н/Д: ВНИИАС МПС РФ, РГУПС, ЮРНЦ РАН, 2004. 214 с.
  138. А.Н. Системы автоматизации сортировочных горок на базе промышленных компьютеров.// Автоматика, связь, информатика, № 11., 2001. С. 13−16.
  139. А.Н. Моделирование сложных объектов (процессов) на железнодорожном транспорте: понятия, проблемы, развитие // Изв. Вузов. Сев.-Кавк. регион. Естеств. науки. 2004. Прил. № 4. С. 26−35.
  140. А.Н., Иванченко В. Н. Проблемы создания интеллектуальных систем управления сложными динамическими объектами на железнодорожном транспорте // Изв. Вузов. Сев.-Кавк. регион. Техн. науки. 2004. Прил. № 2. С. 103−109.
  141. А.Н. Разработка методов автоматизации управления динамическими процессами на основе нечеткой информации // Канд. дис. Ростов н/Д, 2000. 154 с.
  142. А.Н. Формирование и оптимизация баз знаний интеллектуальных систем динамического типа на основе генетических алгоритмов. Известия ТРТУ. Темат. вып. «Интеллектуальные САПР"мат-лы Междунар. научно-техн. Конференции.-Таганрог: ТРТУ, 2003.-№ 2.
  143. Д.В., Горелик А. В., Коннова Т. В. Функциональное резервирование в системах управления движением поездов и их алгоритмическое и программное обеспечение // Автоматика, телемеханиика и связь. 1994. № 10.с. 30−34.
  144. Д.В., Горелик А. В. Применение комплекса систем"Диалог"для управления движением поездов // Ресурсосберегающиетехнологии на железнодорожном транспорте: Тезисы докладов научно-практической конференции. М.: МИИТ, 1998. — С. V-l 1-V-12.
  145. Д.В., Горелик А. В. Система управления устройствами электрической централизации «Диалог-Ц» // Железнодорожный транспорт сегодня и завтра: Тезисы докладов юбилейной научно-технической конференции. Екатеринбург: УрГАПС, 1998. С. 178.
  146. Д.В., Казимов Г. А. Микроэлектронные системы обеспечения безопасности движения поездов. Межвуз. сб. науч. тр. М.: МИИТ, 1998. Вып. 790.
  147. Д.В., Крылов А. Ю., Горелик А. В. Автоматизированная система диспетчерского управления «Диалог» // Железнодорожный транспорт сегодня и завтра: Тезисы докладов юбилейной научно-технической конференции. Екатеринбург: УрГАПС, 1998. С. 178.
  148. Д.В., Крылов А. Ю., Горелик А. В. Реконструкция устройств электрической централизации на базе системы «Диалог-Ц» // Ресурсосберегающие технологии на железнодорожном транспорте:
  149. Труды третьей научно-практической конференции. М.: МИИТ, 2000. -C.II-15-II-16.
  150. Д.В. Проблемы и методы построения безопасных систем управления движением поездов. Сб. науч. тр. М.: МИИТ, 1991. Вып. 839.4 1.
  151. Д.В. Теория и методы технической реализации безопасных микропроцессорных систем интервального регулирования движением поездов: Дисс. на соиск. уч. степени д-ра техн. наук. М.: МИИТ, 1990.
  152. А.А. Электронное правительство: концепция, состояние, перспективы // Новости искусственного интеллекта, № 2, 2002. С. 3444.
  153. Н.Г. Нечеткие и гибридные системы: обзор итогов и тенденций развития // Новости искусственного интеллекта. 2003. № 5(59).
  154. Н., 1994. Knowledge Engineering. Мс Craw-Hill Publishing Company, N.Y.
  155. Allen J.F. Towards a General Theory of Action and Time // Artificial Intelligence. 1984. 23(2).
  156. Ashby W.R., Design for a Brain, Sharman and Hall, London, 1954.
  157. Beer S. The Aborting Corporate Plan: A. Cybernetic Accoint of the Interface between Planning and Action, Jantsch E. (ed.) Perspectives in Planning, OECD, Paris, 1969, pp.347−422.
  158. Berge C. Graphes et hypergraphes. Paris: Dunon, 1970.
  159. J.S.R. Jang, ANFIS: adaptive-network-based fuzzy inference system, IEEE Trans. Systems Man Cybernet. 23 (3) (1993)665- 684.
  160. Karthik Balakrishnan, Vasant Honavar. Intelligent Diagnosis Systems. Technical report. Iowa State University. 2000.
  161. Rahim M. Et al. Robust numeric recognition in spoken language dialogue // Speech Communication. V 34 (2001).
  162. Shoham Y. Time for action // In Proceedings 11 IJCAI, 1989.187. van Beek P. and Manchak D.W. The Design and Experimental Analysis of Algorithms for Temporal Reasoning // Journal of AI Research 4−1 -18, 1996.
  163. Zadeh L. Fuzzy Sets// Information and Control. 1965. V.8.1. ЗАКЛЮЧЕНИЕ
  164. Переход России на рельсы рыночной экономики отразился на характере функционирования транспортных отраслей, важнейшей из которых для российских условий является железнодорожный транспорт.
  165. Выше перечисленное актуализирует задачу исследования транспортных проблем, изменяет технологию научного поиска, требует приближения результатов научной деятельности к их реальному внедрению.
  166. Важным ресурсом повышения эффективности работы транспортных систем является интеллектуализация процедур принятия решения.
  167. Основные выводы по работе можно сформулировать следующим образом:
  168. Исследованы проблемы автоматизации отрасли. Сформулирован комплекс причин, требующих развития нового, нетрадиционного подхода к автоматизации транспортных процессов, включающегоширокое использование формальных процедур и схем интеллектуализации.
Заполнить форму текущей работой

На отлично!