Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Синтез нечеткой лингвистической системы управления установками электрошлакового переплава

Диссертация: Синтез нечеткой лингвистической системы управления установками электрошлакового переплава
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Наиболее часто реализуется второй подход, путем независимой стабилизации регулируемых параметров. Системы такого рода известны и представлены в промышленности. Недостатком их является косвенная оценка целевых параметров — скорости переплава и кристаллизации, зависимости которых от тока и напряжения переплава и, как следствие, от подводимой мощности являются сугубо нелинейными, имеющими… Читать ещё >

Содержание

  • 1. Особенности процесса и управление электрошлаковым переплавом
    • 1. 1. Особенности электрошлакового переплава
      • 1. 1. 1. Технологический процесс
      • 1. 1. 2. Контроль параметров ЭШП
      • 1. 1. 3. Системы автом, а гического управле! шя
    • 1. 2. Математическое моделирование процесса ЭШП
    • 1. 3. Перспективные средства автоматического управления сложными техническими объектами
      • 1. 3. 1. Системы управления на основе многоцелевых и интеллектуальных моделей
      • 1. 3. 2. Нейрокомпыотерное управление
      • 1. 3. 3. Управление 1 а основе нечеткой логики
      • 1. 3. 4. Автономное адаптивное управление
      • 1. 3. 5. Системы управления с идентификатором объекта
      • 1. 3. 6. Семиотические (логико-лингвистические) системы управления
    • 1. 4. Выводы
  • 2. Процесс электрошлакового переплава как объект управления.'
    • 2. 1. Физическая схематизация процесса
    • 2. 2. Математическая модель процесса ЭШП
    • 2. 3. Идентификация структуры и параметров модели ЭШП
    • 2. 4. Построение моделей процессов при ЭШП
      • 2. 4. 1. Подсистема «Печ1 юй трансформатор»
      • 2. 4. 2. Подсистема «Электрическая мощность»
      • 2. 4. 3. Подсистема «Тепловые процессы»
    • 2. 5. Выводы
  • 3. Построение системы управле1 1ия ЭШП
    • 3. 1. Управление в статическом и динамическом режимах
    • 3. 2. Адаптивность системы управления
    • 3. 3. Управление в пространстве состояний (фазовом)
    • 3. 4. Представление данных в i шчеткой лингвистической системе управления
    • 3. 5. Синтез НЛСУ
      • 3. 5. 1. Эмулятор
      • 3. 5. 2. Блок программного управления
      • 3. 5. 3. Блок командного управления
      • 3. 5. 4. Процедура актуализации параметров эмулятора (адаптация)
    • 3. 6. Исследование динамики нечеткой системы управления
    • 3. 7. Методика проектирования
    • 3. 8. Методика анализа динамики
    • 3. 9. Выводы
  • 4. Автоматизация процесса электрошлакового переплава
    • 4. 1. Программная и техническая реализация
      • 4. 1. 1. Алгоритмы функционирования и архитектура программного обеспечения
      • 4. 1. 2. Программный контроль за аварийными и предаварийнымп ситуациями
      • 4. 1. 3. Диагностика
      • 4. 1. 4. Визуальное отображение хода плавки
      • 4. 1. 5. Расчет вычисляемых параметров
      • 4. 1. 6. Конструкция системы управления
    • 4. 2. Анализ результатов внедрения
    • 4. 3. Программный комплекс для исследования динамики системы управления с нечетким регулятором
    • 4. 4. Выводы

Синтез нечеткой лингвистической системы управления установками электрошлакового переплава (реферат, курсовая, диплом, контрольная)

Актуальность работы обусловлена тем, что проблема управления установками электрошлакового переплава (ЭШП) с целью повышения качества выпускаемой продукции, снижения удельных энергозатрат, увеличения производительности установок электрошлакового переплава является одной из важнейших в области модернизации технологических процессов в специальной и электрометаллургии. Это обусловлено тем, что достичь качественных сдвигов в совершенствовании технологического процесса ЭШП возможно только за счет новых технологических приемов, препятствием к реализации которых является низкая информационная обеспеченность (отсутствие средств контроля и управления рядом важнейших параметров процесса). Решение указанной проблемы представляет собой важный шаг на пути повышения эффективности электрометаллургических установок.

Среди множества задач, возникающих при решении проблемы управления процессом электрошлакового переплава, значительный научный и практический интерес представляют задачи, связанные с синтезом системы управления, обеспечивающей оптимальные характеристики с точки зрения ряда специфических и плохо формализуемых в терминах теории управления показателей качества, производительности, энергоэффективности. Также необходимо обеспечить наличие в системе управления средств накопления и формализации архивов оперативной технологической информации. Последнее позволяет добиться воспроизводимости результатов удачных плавок и уточнения модели электрошлакового процесса, при минимизации количества натурных и физических экспериментов. Такие эксперименты обычно являются весьма ресурсоемкими и продолжительными во времени, а также не всегда технически реализуемыми в условиях современного промышленного производства.

Настоящая работа освещает некоторые вопросы, связанные с методологией синтеза нечеткой лингвистической системы управления сложным нелинейным техническим объектом на примере задачи автоматизации установки электрошлакового переплава. Внимание уделяется также предложениям по улучшению информационного обеспечения процесса электрошлакового переплава с помощью нечеткой системы управления.

Большинство существующих в настоящее время установок электрошлакового переплава, функционирующих на предприятиях, были спроектированы несколько десятилетий назад. Это в свою очередь обуславливает сложившуюся ситуацию дефицита в системах управления для их модернизации, поскольку системы управления предыдущих поколений не решают целый ряд задач, актуальных в настоящее время, и являются сдерживающим фактором при повышении эффективности производства и увеличении выхода пригодного к дальнейшему использованию продукта.

Задача управления электрошлаковым переплавом является весьма сложной, поскольку регулируемые параметры — скорость переплава и скорость кристаллизации зависят от большого числа как внешних, так и внутренних факторов. Важнейшими из них являются: напряжение и ток переплава, положение электродержателя, температура охлаждающей среды и ее расход в единицу времени через отдельную зону охлаждения, гидравлический и температурный режимы системы водоохлаждения в целом, температура окружающей среды, локальная теплопроводность конструкции кристаллизатора в отдельных зонах, ряд других. Следует отметить что, несмотря на наличие экспертных знаний о влиянии вышеперечисленных параметров на процесс электрошлакового переплава и частных моделей, отсутствует четкое целостное описание законов регулирования для конкретных типов кристаллизаторов, обеспечивающих требуемые характеристики изделия и оптимальность техпроцесса с точки зрения энергоэффективности. Это в свою очередь ведет к высокой трудо — и ресурсоемкости определения приемлемых технологических режимов, которые в значительной мере формируются лишь в процессе проведения серии опытных плавок, при смене производимой номенклатуры.

Сегодня на практике применяются следующие подходы к автоматическому регулированию параметров процесса электрошлакового переплава:

1. Компенсация внешних воздействий на процесс переплава и кристаллизации.

2. Стабилизация подводимой и отводимой тепловой мощности.

3. Управление по минимизации отклонения каждого параметра (ток, напряжение, теплоотдача, др.).

4. Комбинированные методы.

Наиболее часто реализуется второй подход, путем независимой стабилизации регулируемых параметров. Системы такого рода известны и представлены в промышленности. Недостатком их является косвенная оценка целевых параметров — скорости переплава и кристаллизации, зависимости которых от тока и напряжения переплава и, как следствие, от подводимой мощности являются сугубо нелинейными, имеющими стохастичность и взаимное влияние, а также нестационарность в процессе ЭШП. Первый подход сложен в реализации, поскольку требует учета весьма значительного количества факторов, а также оценки степени их влияния на динамику технологического процесса. Использование комбинированных методов позволяет оптимизировать управление с точки зрения экономичности математической модели, но не обеспечивает высокой гибкости и достоверности результатов в различных ситуациях. Это обусловлено тем, что внешние воздействия и их влияние (параметры окружающей среды, возмущения по электрической сети и контуру водяного охлаждения) оцениваются статистически и в ряде случаев весьма отличаются от реальных условий.

Цель работы. Для рассматриваемого класса технических объектов разработать методику и на ее основе синтезировать автоматическую систему управления установкой ЭШП, как систему управления отдельными параметрами нелинейного многомерного технического объекта в условиях ограниченной неопределенности и неполноты информации, описывающей технологический процесс. Для достижения поставленной цели в настоящей диссертационной работе решаются следующие задачи:

1) выполнен сравнительный анализ существующих систем автоматического управления процессами в металлургическом переделе машиностроительного производства;

2) создана модель, отражающая взаимосвязь внутренних и внешних параметров процесса электрошлакового переплава на основе комбинированного подходаклассической теории автоматического управления и нейронечеткого подхода;

3) разработана модель функционирования системы управления электрошлаковым переплавом в условиях ограниченной неопределенности, обеспечивающая реализацию требуемых режимных параметров, при одновременном повышении показателей эффективности технологического процесса в целом;

4) разработана методика синтеза нечетких лингвистических систем управления электрошлаковым переплавом;

5) исследованы области существования режимов, возникающих в нечеткой адаптивной системе управления.

Методы исследования. Для реализации заявленной цели путем решения указанных выше задач в диссертационной работе использованы методы теории автоматического управления, математического моделирования, элементы теории нелинейных динамических систем, численные методы решения систем обыкновенных дифференциальных уравнений. Численная реализация математических моделей и исследование их динамики осуществлялись на ЭВМ с помощью разработанных автором прикладных программ, а также универсальных пакетов для выполнения инженерных и научных расчетов. Экспериментальная часть работы выполнена на установке электрошлакового переплава УШ-101 ОАО БМЗ.

Методологическую основу работы составляет концепция системности, суть которой — представление и исследование технических объектов применительно к задачам управления сложными объектами в условиях априорной неопределенности и нечеткого задания параметров объектов и критериев функционирования.

Научная новизна Предложена нейронечеткая модель электрошлакового переплава.

Предложена методика синтеза нечеткой лингвистической системы управления сложным многомерным нестационарным объектом.

Исследованы области существования устойчивых режимов функционирования нечеткой системы управления, при изменении коэффициента петлевого усиления и величины управляющего воздействия, определены относительные величины «запаса устойчивости» по этим показателям. (.

Показана возможность измерения косвенным методом уровня флюсовой шапки при ЭШП на основании «теплового портрета» с применением нечеткой логики.

Практическая ценность.

Результаты выполненной работы позволяют решить задачу комплексной автоматизации (модернизации) существующих установок электрошлакового переплава с достижением более высоких показателей качества, надежности, энергоэффективностп и информационной обеспеченности технологического процесса.

Результаты исследования режимов системы с нечетким регулятором позволяют сформулировать практические рекомендации по синтезу и настройке нечетких систем управления, применение которых позволяет решать задачи управления сложными нелинейными техническими объектами.

Результаты практически реализованы на объекте электрометаллургииразработана и внедрена система автоматического управления установкой электрошлакового переплава в ЗАО «Управляющая компания Брянский машиностроительный завод».

На защиту выносится: нечеткая модель установки электрошлакового переплаваметодика синтеза нечеткой лингвистической системы управления сложным многомерным нестационарным объектомрезультаты исследования режимов отдельных контуров нечеткой системы регулированияметодика определения уровня металла в кристаллизаторе на основании «теплового портрета».

Достоверность научных результатов и апробация работы.

Достоверность научных результатов, изложенных в работе, обеспечена корректным применением методов теории автоматического управления, результатами имитационного моделирования системы управления ЭШП, а также практической реализацией системы управления на объекте специальной металлургии — установке УШ-101 ОАО БМЗ.

Основные положения работы докладывались и обсуждались на научных конференциях: «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики"-УП Международная научно-практическая конференция (Москва, 2004) — 57 научной конференции профессорско-преподавательского состава БГТУ (Брянск, 2005) — Новые материалы и технологии НМТ-2006 (Москва, 2006) — 19 ВНТК Информационные технологии в науке, проектировании и производстве (Н. Новгород, 2006) — Научная секция ТУСУР-2007 (Томск, 2007) — Проблемы электротехники, электроэнергетики и электротехнологии (Тольятти, 2007).

Результаты диссертации отражены в 13 печатных работах и 2 отчетах о НИР, докладывались на научных семинарах кафедр «ЭРЭиЭС», АТС БГТУ, ОГТУ.

Структура и объем работы.

Диссертация состоит из введения, четырех глав, заключения, списка литературы и приложений. Содержит 148 стр. основного текста, 69 рисунков, 8 таблиц, 42 формулы.

Список литературы

содержит 163 наименования на 6 страницах.

4.4. Выводы.

В настоящей главе рассмотрены основные результаты внедрения системы управления электрошлаковым переплавом с применением подхода, разработанного в настоящей работе.

Анализ результатов внедрения НЛСУ ЭШП показал:

1) адекватность предложенных в диссертации методов и алгоритмов синтеза НЛСУ;

2) перспективность применения нечетких алгоритмов в системах управления сложными объектами;

3) положительный эффект от внедрения средств автоматизации на действующих объектах электрометаллургии;

4) возможность обеспечения устойчивости системы НЛСУ и контроля границ предельных режимов, рассмотренных в п. 3.6.

Заключение

.

В диссертации решена актуальная научно-техническая задача разработки методики синтеза системы автоматического управления сложным не полностью идентифицированным техническим объектом, достигнуты следующие результаты и сделаны выводы:

1. Анализ существующих систем управления установками ЭШП выявил необходимость их разработки на новых принципах, поскольку существующие технические решения не обеспечивают требуемых показателей качества управления. С этой целью в работе выполнен обзор и обоснован выбор интеллектуальных систем управления на основе принципов нейронечеткого и семиотического управления, совмещенных с классической архитектурой следящих систем регулирования по отдельным переменным состояния для сложных многосвязных технических обьектов.

2. Установлена возможность построения системы управления и решения задач идентификации для установок электрошлакового переплава с использованием аппарата нейронных сетей и нечеткой логики.

3. Разработана математическая модель системы управления ЭШП. С использованием теории нейро-нечеткой идентификации создана феноменологическая модель тепловых процессов при электрошлаковом переплаве и предложен метод определения уровня шлаковой ванны (металла) по «тепловому портрету».

4. Предложено использовать в качестве одного из информационных параметров процесса ЭШП значение активного и реактивного сопротивлений электрической цепи шлаковой ванны, что повышает точность оценки глубины погружения электродов за счет исключения случайной составляющей, обусловленной колебаниями напряжения питания.

5. Исследованы режимы, потенциально возможные в нейронечеткой лингвистической системе управления, определены их области существования для ограниченного класса систем. Для указанного класса систем выявленный запас устойчивости определен в 35% по сигналу управления и 300% по коэффициенту петлевого усиления, при возможности уменьшения последнего до 9,8 раз.

6. Разработана методика синтеза нечеткой лингвистической системы управления, с помощью которой реализована и внедрена на ЗАО УК «БМЗ» система автоматического управления установкой ЭШП, выбран аппарат для анализа динамики синтезированной системы.

7. Разработан программный комплекс для осуществления нечеткой идентификации многомерного нелинейного объекта и исследования свойств модели системы с нечетким регулятором.

Показать весь текст

Список литературы

  1. Baldwin, J.F., Guild N.C.F. Modelling controllers using fuzzy relations // Kybernetes. 1980. — No. 3. — Vol. 9. — P. 223−229.
  2. Bamet, A single-blind controlled competition among tests for nonlinearity & chaos by. Barnett, R. Gallant, M. Hinich, J. Jungeilges, D. Kaplan, M. Jensen, WU working paper archive, forthcoming in Journ. Of Econometrics 1996
  3. Braae, M., Rutherford D.A. Fuzzy relations in a control setting // Kybernetes. -1978.-No. 7.-P. 185−188.
  4. C.H. Wong, S.L. Shah, Adaptive fuzzy relational predictive control. Fuzzy Sets and Systems 15(2000) 247−260/
  5. Chen Xing, He Xigin, The application of techniques of neural network to product structure analysis of Iron&Steel Corporation. // IJCNN'99
  6. Ge Guo, Xiaohong Hao. Steel leakage prediction in a continuous casting process. // 5th International Conference on Signal Processing Proceedings. 2000
  7. Giles, R., Lukasiewicz logic and fuzzy set theory // Int. J. Man-Machine Studies. -1976.-No. 8.-P. 313−327.
  8. Glass, M., Invariance and stability of fuzzy systems // J. Math. Analysis and Appl. -1984.-Vol. 99, No.l. P. 299−319.
  9. Glass, M., Theory of fuzzy systems // Fuzzy Sets and Systems. 1983. — Vol. 10. -P. 65−77.
  10. Hongxing Liu, Tao Chen, Predicting grinding bum using artificial neural network. // J. Intell. Manuf. (UK), vol.6, № 3, June 1997
  11. Jain R. Outline of an approach for the analysis of fuzzy systems // Int. J. Control. -1976. Vol. 27, No. 3. — P. 627−640.
  12. Jian Chen, Hong Liu, An integrating system for predicting Si content in pig iron of blast furnaces. // IEEE International Conference on Systems, Man and Cybernetics. Information Intelligence and Systems, Beijing, China 14−17 Oct. 1996
  13. Jian, Chen, A predictive system for blast furnaces by integrating a neural network with qualitative analysis. // Eng. Appl. Intell. (UK), vol.117 № 1, 2000
  14. Jiang Hong, Zeng Li-bo. Распознавание морфологии структуры серого чугуна с помощью нейронной сети. // J. Wuhan Univ. Technol., vol.46, № 3, 2000
  15. Ke-Jin Zhang Modeling delayed cooking plant via RBF neural networks. // IJCNN'99, Int. Joint Conf. on Neural Networks, 1999
  16. Kickert, W.J.M., Mamdani E.H. Analysis of a fuzzy logic controller // Fuzzy Sets and Systems. 1978. — No. 1. — P. 29−44.
  17. Kickert, W.J.M., Van Nauta Lemke H.R. Application of fuzzy controller in a warm water plant'// Automatica. 1976. -No. 12. — P. 301−308.
  18. King, G. P., Steward 1. Phase space reconstruction for symmetric dynamical systems // Physica D: Nonlinear Phenomena. 1992.— V.58.— P.216−228.
  19. King, P.J., Mamdani E.H. Application of fuzzy control system to industrial processes // Automatica. 1977. — No. 13. — P. 235−242.
  20. Kiszka 1.В., Gupta M.M., Nikiforuk P.N. Energetistic stability of fuzzy dynamic systems // IEEE Trans. Syst. Man and Cybern. 1985. — Vol. SMC-15, No. 5. — P. 783−792.
  21. Lau H. C. W., Wong Т. Т., Нейро-нечеткое моделирование машины для формовки с помощью пластичной инъекции для интеллектуального управления// J Shenyang Polytechn. Univ., vol. 21 № 3, 1999
  22. Li Jie, Wang Qianpu, Интеллектуальная система нечеткого управления электролизером для восстановления алюминия. // Chin. J. Nonferrous Metals vol. 8, № 3, 1998
  23. Ljung, L., System Identification — Theory for the User. 2nd edition — Prentice Hall, Upper Saddle River, N.J., 1999.
  24. Luo Peng. Моделирование и оптимизация с помощью нейронной сети высокоскоростной электроискровой волочильной обработки провода. // J. Guizhov. Univ. Tech. Natur. Sci. Ed., vol. 29, № 5, 2000
  25. Mamdani, E.H., Assilian S. An experiment in linguistic synthesis with a fuzzy logic controller//Int. J. Man-Machine Studies. 1975. — No. 7. — P. 1−13.
  26. McCaffrey, Ellner, Gallant & Nychka (1992), «Estimating Lyapunov exponent of a chaotic system with nonparametric regression», J. Am. Stat.Assoc., September, vol. 87, no.419.
  27. Рао, Y.-H., Nonlinear process control with neural nets. // Neurocomputing. 1990
  28. Pedrycz, W., On the use of fuzzy Lukasiewicz logic for fuzzy control // Archiwum automatyki i teiemechaniki. 1980. — Vol. 25, No. 3. — P. 301−314.
  29. Qi Lehua, Hou Junjie. Нейронные сети и генетические алгоритмы в моделировании разливки жидкого металла. // J. Northwest. Polytechn. Univ., vol.19, № 1, 2001
  30. Qian Feng, Yu Jinshou, Jiang Waisum. Modeling of industrial thermal cracking furnaces via functional-link artificial neural network. // Proceedings of the IEEE1. ternational Conference on Industrial Technology. Guangzou. China. 5−9 Dec. 1994
  31. Reinfrank M. Fuzzy-Control-unscharfe Logik als Regelungskonzept. Siemens 1991, № 5.Reusch В., Fuzzy-Logik. 4. Dortmuder Fuzzy-Tage, 6−8 Juni, 1994.
  32. Shan Ming Zhou, Dynamic recurrent neural networks for a hybrid intelligent decision support system for the metallurgical industry. // Expert Syst. (UK) vol.16 № 4, Nov, 1999
  33. E.D., «Recurrent neural networks: some learning and system-theoretic aspects», Dept. of Mathematics, Rutgers University, New Brunswick, NJ, 1996
  34. Tang Shengping, Nan Jun-min, Использование технологий искусственного интеллекта при совершенствовании системы управления промышленной печыо. // Changsha Univ. Elec. Power., vol. 15, № 4, 2000
  35. Tong, R.M., Analysis and control of fuzzy systems using finite discrete relations // Int. J. Control. 1978. — Vol. 27, No. 3. — P. 431−440.
  36. Vagin V. N, Viktorova N.P., Golovina E.Yu. Multi-layer Logic as a Knowledge Representation Model in the CASE System.- Journal of Computer and Systems Sciencis International. Vol. 33, No.3,1995,pp72−83
  37. W. He. Automated process parameter resetting for injection moulding: a fuzzy-neuro approach. // J. Intell. Manuf. (UK), vol. 9 № 1 Feb 1998
  38. Wang Yu-tao, Jiang Hui-yan. Гибридная нейронная сеть и ее применение для радиального распределения газового потока в доменной печи. // J Shenyang Polytechn. Univ., vol. 21 № 3, 1999
  39. Wang, Rui, Применение нечеткой нейронной сети для интеллектуального управления силой фиксации листов. // J. Nankin Univ. Sci. and Technol. Natur. Sci., vol.25, № 5, 2001
  40. , Y., Гибридная модель на нейронных сетях для предсказания содержания кремния. // Elektrotechn. und Informationstechn., vol. l 17, N"1, 2000
  41. Wu Min, Shen Deyao. Экспертное управление, базируемое на нейронных сетях и математических моделях для процесса смешивания каменного угля. // Contr. Theory and Appl., vol.17, № 6, 2000
  42. Wu Min, Tang Zhao Hui (Dept. of Autom. Control Eng., Central South Univ., Changsha, China). Expert control using neural networks an electrolytic zinc process. // Autom Sin. (China), vol.27 № 6 Nov 2001
  43. Yin Jian, Zhou Dixun. Применение нейронной сети для целей выбора рабочих параметров машины литья под давлением. // J. Wuhan Univ. Technol., vol.21, № 1, 1999
  44. Zadeh A, Fuzzy Sets. Information and Control, 1965.
  45. Zhao Hong. Applicability of fuzzy machine learning to modeling in blast furnace smelting process. // 7th IFAC Symp. Autom. Mining. Miner and metal process, Beijing, 1992
  46. Zone-Ching Lin. Application of a neural network machine learning model in the selection system of sheet metal bending tooling. // Artif. lntell. Eng. (UK) vol.10, № 1, 1996
  47. , H. А., Расчет температурного поля при затвердевании в водоохлаждаемом кристаллизаторе. // ИФЖ, 1972, т.22, № 4
  48. , А.В., Методы анализа временных рядов (обзор зарубежных публикаций) // Интернет: http://cslab.ptci.ru/ archive/ Воо1<2/ С8/ ARTICL09. htm
  49. , Е.В. Кодирование сигналов в задачах нейроэмуляции / Е. В. Бодянский, Н. В. Кулишова // Радиоэлектроника. Информатика. Управление № 2,2001 Киев, с. 136−139.
  50. , О. П. Новая технология электрошлаковой сварки толстолистовых сталей без последующей термообработки // Автоматическая сварка.-1994 N 12.-С. 3−22
  51. , В. Т. Современное состояние квазиравновесной теории двухфазной зоны и ее применение к затвердеванию сплавов/ В. Т. Борисов, В. В. Виноградов, И.Л. Тяжельникова// Оптимизация теплофизических процессов литья. Киев: ИПЛ АН УССР, 1977. — С. 39 — 59.
  52. , М. В. Механизм адаптации нечеткого регулятора.- Известия РАН. Теория и системы управления № 1, 1998 с.84−87.
  53. , В.Н. Модели и методы представления знаний в CASE-технологии/В.Н. Вагин, Е. Ю. Головина, Ф. Ф. Оськин // Интеллектуальные системы. Том 2 выпуск 1−4. М.: Издательский центр РГГУ, 1997 с. 115−134
  54. , В. Н. Конструирование интеллектуальных систем поддержки принятия решения реального времени, В. Н. Вагин, А. П. Еремеев, Отчет о гранте РФФИ 99−01−49
  55. , В.Н. Реализация концепции распределенного искусственного интеллекта и многоагентности в системах поддержки принятия решений на базе инструмен гального комплекса G2 + GDA/ В. Н. Вагин, А. П. Еремеев //
  56. Proc. of the Internat. Workshop «Distributed Artificial Intelligence and Multi-Agent Systems» DAIMAS'97, June 15−18, 1997. St. Petersburg, Russia.
  57. , В.И. Контроль и диагностика силовых установок летательных аппаратов на базе нейронных сетей/ В. И. Васильев, C.B. Жернаков // Труды 8-й Всероссийской конференции «Нейрокомпьютеры и их применение» НКП-2002. V с. 289- 303. М.: Век книги.
  58. , К. Н. Математическая модель процесса электрошлакового переплава /Вдовип К. Н., Юсин А. Н., Подосян А. А. // Электрометаллургия № 4, 2004 с.25
  59. , В.В. Фазовое пространство: Свойства и топология. Случайные и детерминированные системы. // Интернет: http://www.trnz.narod.ru/FazovoeProstranstvo.html
  60. А. И. Нейрокомпьютеры и их применение на рубеже тысячелетий в Китае. Т2.-М.: Горячая линия-Телеком, 2004
  61. , А. Н. Алгоритмы автоматического формирования базы правил для систем управления на нечеткой логике. // Диссертация кандидата технических наук 05.13.01, Красноярск. 2004.
  62. Е. Ю. Модель представления знаний в семиотической системе. //Интернет: http://www.inftech.webservis.ru/it/conference/ scm/2000/sessionl0/ golovina. htm
  63. , А. Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Интернет: http://www.elibrary.ru/item.asp? id=9 084 779
  64. , А. Н. Обучение нейронных сетей.~М.: СП ПараГраф, 1990., 190 с.
  65. , Г. К. Проектирование систем управления / Г. К Гудвин, С. Ф. Гребе, М. Э. Сальгадо.-- М.: Бином. Лаборатория знаний, 2004
  66. , M. М. Влияние теплофизических эффектов на кристаллизацию и плавление высокочистых веществ в неравновесных и квазиравновесных условиях// Автореф. дис. на соиск. учен. степ. канд. физ.-мат. наук: 01.04.07, Л.1989
  67. , Л. А. Регулирование электрического режима электрошлакового переплава, Специальная электрометаллургия, № 7, 1980 г.
  68. , Д. Е. Синтез нечетких моделей методом эволюционного моделирования на основе экспериментальных данных. // Диссертация кандидата технических наук 05.13.18, 05.13.17, Ростов НУД, 2005.
  69. Д. Ф. Численный расчет переноса тепла и вещества при кристаллизации слитков рафинирующих переплавов, автореферат дисс. Киев, 1970
  70. , Ю.А. Моделирование хаотических процессов в системах силовой электроники/ Ю. А. Денисов, A.A. Велигорский// Техшчна електродинамнса. Тематичний випуск. Проблеми сучасноТ електротехшки. 4.6. 2006, — С.76−79, Чернигов, Украина.
  71. , А.П. Средства параллельной обработки информации в системах поддержки принятия решений реального времени/ А. П. Еремеев, Д. А. Тихонов // Программные продукты и системы, N2. 1999.
  72. , Е. Н. Электрошлаковый переплав никелевых сплавов/ Е. Н. Еремин, С. Н. Жеребцов// Технология машиностроения.-2004.-N 1. С. 3−5
  73. , A.A. Накопление и использование информации при управлении в условиях неопределенности// Сб.науч.тр. Информационная технология и численные методы анализа распределенных систем. М.: ИФТП. 1992. С. 112 133.
  74. , A.A. Об одном подходе к адаптивному управлению// Сб. науч. тр. Анализ и оптимизация кибернетических систем, .-- М.: ГосИФТП, 1996. С. 42−44.
  75. , A.A. О подходе к моделированию управляемых объектов. Препринт ВЦ АН СССР. Сообщения по прикладной математике. Москва, 1991. 44 с.
  76. , A.A. Об одном имитационном подходе к адаптивному управлению// Сб. Вопросы кибернетики. М.: 1996. С. 171 — 206.
  77. , A.A. Принцип автономного адаптивного управления. Диссертация на соискание ученой степени доктора физико-математических наук. ВЦ РАН. Москва, 1993.
  78. , JT.A. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. М.?Знание, 1974, с. 5−49.
  79. , JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решений. -М.: Мир, 1976. С. 165.92.3айченко, Ю. П. Основы проектирования интеллектуальных систем // Интернет: http://www.iasa.org.ua/tpr.php?lang=eng&ch=3, 2004
  80. , В. И. Интеллектуальные системы управления: Основные понятия и определения // Известия академии наук. Теория и системы управления. 1997. № 3.
  81. , В. Н. Современная информационная технология в системах управления // Известия академии наук. Теория и системы управления. 2000. № 1.
  82. , В. Н. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. Методология проектирования./ В. Н. Захаров, С. В. Ульянов //Известия академии наук. Техническая кибернетика. 1993. № 5.
  83. , Ю.Н. Вариант построения базы правил для нечеткого контроллера/ Ю. Н. Золотухин, A.B. Кущ // Труды международной конференции «Информационные системы и технологии» .- М. 22 26 апреля 2003
  84. , В.Н. Аналитическая теория непрерывных линейных систем / В. Н. Каплан, К. А. Пупков, В. Д. Юрасов.-М.: МИЭМ, 1975.
  85. , M.B. Применение нечеткой логики в имитационной системе автономного адаптивного управления. // Отчеты о проектах РФФИ 03−01−0323, 04−01−0823.
  86. , В.И. Теория электропривода -М.:Энергоатомиздат, 2001.
  87. , В. В. Линейный асинхронный электропривод двойного питания с нечетким регулятором. // Диссертация кандидата технических наук 05.09.03, Воронеж, 2005.
  88. , Л.Г. Нейрокомпьютеры / Л. Г. Комарцова, A.B. Максимов .М.: МГТУ им. Баумана, 2002. 320 с.
  89. А. Введение в теорию нечетких множеств-М.: Радио и связь, 1982.
  90. , Н. Н. Управление динамической системой,— М.: Наука, 1985.
  91. , В. С. Применение нечетких лингвистических регуляторов для управления сложными динамическими объектами. // Диссертация кандидата технических наук 05.13.06, Екатеринбург, 2003 г.
  92. , Б.А. Алгебраические основы естественных рассуждений: Е-структуры Материалы второй международной конференции «Логико-лингвистическое управление динамическими объектами (DOLLC'99)», Санкт-Петербург, 21−25 июня 1999 г.,
  93. , А. Б. Управление и наблюдение в условиях неопределенности. М.: Наука, 1977.
  94. , Ю. В. Влияние технологических параметров конструкции' токопроводящего кристаллизатора на процесс электрошлаковой наплавки // Автоматическая сварка.-1996. N 9.-С. 59
  95. , Ю. М. Формирование проплавления основного металла при электрошлаковой наплавке в токопроводящем кристаллизаторе // Сварочное производство.-2001. № 7.-С. 36−39
  96. , А. Г. Принципы построения и алгоритмы функционирования АСУ ТП ЭШЛ на основе обучающихся мод ел ей./А. Г. Лукаш, Л. А. Кудин// Пробл. спец. электрометаллургии, 1981, вып. 14.
  97. , Б. Я. Теория кристаллизации в больших объемах.// М.: Наука, 1975
  98. , Г. Г. Современные проблемы нелинейной динамики/ Г. Г. Малинецкий, А. Б. Потапов. Эдиториал УРСС. 2000. — 336 с.
  99. Математические методы исследования процессов специальной электрометаллургии, Киев, Знание, 1974
  100. , В.И. Применение ЭВМ для исследования кристаллизации слитка при рафинирующем переплаве/ В. И. Махненко, В. Ф. Демченко. -ИФЖ, 1968, т15, № 1-
  101. , А. Механизм выделения и распространения тепла в процессе ЭШП // Электрошлаковый переплав. Киев, Наукова думка, 1971. — С. 149 161.
  102. , Н. Н. Математические задачи системного анализа. М.: Наука, 1981.
  103. , М. Использование магнитного поля при электрошлаковом переплаве стали. Физика и химия обработки материалов, 1998, 2.- с.99−107
  104. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Д. А. Поспелова, — М., 1986.
  105. , А. А. Метод расчета электрического сопротивления шлаковой ванны бифилярных двухэлектродных печей ЭШП. Проблемы специальной электрометаллургии № 9, 1978 г.
  106. , Е. В. Simulink как средство исследования дифференциальных моделей // Exponenta Pro. Математика в приложениях.— 2004.—№ 1(5).—С.91−93.
  107. , Е. В. Модели хаоса для процессов изменения курса акций / Е. В. Никульчев, М. Е. Волович // Exponenta Pro. Математика в приложениях.— 2003. — № 1. — С.49−52.
  108. , Е. В. Использование групп симметрий для идентификации сложных систем // Вычислительные технологии.-— 2004.— Т.9.— № 3.— С.72−80.
  109. , Е. В. Метод моделирования нелинейных динамических процессов в сложных системах/ Е. В. Никульчев, Е. В. Кучаева //Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB», 2004
  110. Отчет о выполнении этапа № 1 договора 1303-УК/050−9321/04 Система контроля ЭШП по теме: «Разработка системы контроля (CK) АСУТП ЭШП» .- Брянск, БГТУ, 2005 г.
  111. Отчет о выполнении этапа № 2 договора 1303-УК/050−9321/04 Система контроля ЭШП по теме: «Разработка системы управления (СУ) АСУТП ЭШП».- Брянск, БГТУ, 2006 г.
  112. , Н.Б. Адаптивные модели нечеткого вывода для идентификации нелинейных зависимостей в сложных системах: Дис к-та техн. наук. Ижевск, 2004.-162 с.
  113. , В. Н. Влияние жесткости ВАХ источника на устойчивость процессов электрошлаковой сварки малых толщин // Тяжелое машиностроение.-2005 .-№ 3. С. 31−33
  114. , Б. Е. Исследование температурных полей крупных ЭШС// Специальная металлургия, т.2., К.- 1982
  115. , Б. Е. Математическое описание процесса затвердевания полого ЭШС.// Рафинирующие переплавы. Киев, Наукова Думка, 1975
  116. , Б. Е. Электрошлаковая сварка: Основные итоги. Задачи и перспективы развития / Патон Б. Е., Дудко Д. А., Ющенко К. А. И др. // Автоматическая сварка.-1997. N 5.-С. 32
  117. , Э. Хаос и порядок на рынках капитала: Пер с англ.— М.: Мир, 2000.— 333 с.
  118. , С. С. Макронеравновесная модель квазициклического затвердевания металлосплавов/О.С. Петренко, О. О. Фейгин // Интернет: http://www.sciteclibrary.ru/rus/catalog/pages/6651 .html
  119. , А. И. Автоматизация управления электрошлаковым переплавом.-Устинов: Удмуртия, 1985
  120. , Б.Т. Робастная устойчивость и управление.// Б. Т. Поляк, О. Н. Киселев, Я. З. Цыпкин, П.С. Щербаков/ Информационный бюллетень РФФИ, 2 (1994), 1 (январь)
  121. , Д.А. Логико-лингвистические модели в системах управления.-М.:Энергоиздат, 1981.
  122. , Г. С. Программно-целевое планирование и управление/Г. С."&bdquo- Поспелов, В. А. Ириков//.- М.: Сов. Радио, 1979.
  123. Райбман, PLC., Чадеев В. М. Построение моделей процессов производства. -М.: Энергия, 1975
  124. , Э.Я. Робастная параметрическая оптимизация динамических систем в условиях ограниченной неопределенности // Автоматика и телемеханика. 1995. № 3
  125. , Э.Я. Полубесконечная оптимизация управляемых систем в", условиях ограниченной неопределенности. // Известия Самарского научного центра РАН, т.2. № 1, 2000
  126. , Л. И. Проблема Стефана.//3вайгзне, Рига.-1967
  127. , A.A. Теория разностных схем //М., Наука. 1977.
  128. , В.Д. Математическая модель охлаждения непрерывного слитка./В.Д. Сарычев, H.A. Гапоненко // Труды всероссийской научно-технической конференции «Современная металлургия начала нового тысячелетия», Липецк, 2002
  129. Терехов, В. M Некоторые аспекты применения фаззи-управления в электроприводах.—М., «Электричество», № 9, 1999 г.
  130. , В. М., Барышников А. С. Стабилизация движения электроприводов на основе Fuzzy-логики. Электричество, 1996, № 8.
  131. , С. В. Согласование сопротивления короткой сети и нагрузки в установках электрошлаковой наплавки/ C.B. Томиленко, Ю.М. Кусков// Сварочное производство.-2001. -№ 10.-С. 13−15
  132. , A.A. Использование информационно-измерительной системыдля диагностики и исследования процесса ЭШП. Металл и литье Украины. 2002. № 7—8. С. 25—26.
  133. Физический энциклопедический словарь. //Под ред. A.M. Прохорова. «Советская Энциклопедия».- М., 1984 г.
  134. Хайкин Саймон, Нейронные сети.: Пер. с англ.-М.: Издательский дом «Вильяме», 2006.-1104 с.
  135. , Е.И. Нелинейные корректирующие устройства в автоматических системах. Учебник для вузов. Л.: Энергия, 1973.
  136. , Я. 3. Адаптация и обучение в автоматических системах//.- М.: Наука, 1988.
  137. , Я. 3. Управление динамическими объектами в условиях ограниченной неопределенности. Современное состояние и перспективы развития // Измерения, контроль, автоматизация. 1991 №3-4
  138. , В. П. Исследование процессов теплопередачи при ЭШП слитков прямоугольного сечения// Сталь, М.-1984
  139. , В. С. Физическая и математическая модели кинетики взаимодействия металла и флюса при центробежной электрошлаковой наплавке/ Штенников В. С., Бороненков В. Н., Штенникова А. А.- // Сварочное производство.-2004.-N 11. С. 10−14
  140. , В. С., Штенникова А. В., Оценка устойчивости начальной стадии центробежной электрошлаковой наплавки // Тяжелое машиностроение.-2004.-N 6. С. 28−30
  141. , С. Д. Идентификация нелинейных зависимостей с помощью нечеткого логического вывода в системе MATLAB. Математика в приложениях. № 2(2) 2003.
  142. , С.Д. Введение в теорию нечетких множеств и нечеткую логику. Учебник для вузов. Винница: Континент—ПРИМ, 1997.
  143. Эко, У. Отсутствующая структура. Введение в семиологию- С. Петербург, Симпозиум, 2004.
  144. Электрошлаковая технология. Сборник статей. Киев, Наукова думка, 1983
  145. , Ю.И. Нечеткие регуляторы и системы управления/ Ю. И. Кудинов, И. Н. Дорохов, Ф. Ф. Пащенко // РФФИ, отчет по гранту 04−01−816, .—М., 2004
  146. А. Г. Математическая модель химических процессов при электрошлаковом литье // Технология машиностроения.-2005.-N 1. С. 62−67
Заполнить форму текущей работой

На отлично!