Поиск :
Личный кабинет :
Электронный каталог: Решетников, А.Г. - Программно-алгоритмическая поддержка интеллектуальных систем управления на технологиях мягких выч...
Решетников, А.Г. - Программно-алгоритмическая поддержка интеллектуальных систем управления на технологиях мягких выч...

Статья
Автор: Решетников, А.Г.
Программные продукты и системы: Программно-алгоритмическая поддержка интеллектуальных систем управления на технологиях мягких выч...
б.г.
ISBN отсутствует
Автор: Решетников, А.Г.
Программные продукты и системы: Программно-алгоритмическая поддержка интеллектуальных систем управления на технологиях мягких выч...
б.г.
ISBN отсутствует
Статья
Решетников, А.Г.
Программно-алгоритмическая поддержка интеллектуальных систем управления на технологиях мягких вычислений / А.Г.Решетников, С.В.Ульянов. – Текст : электронный // Программные продукты и системы. – 2025. – Т. 38, № 4. – С. 704-714. – URL: https://doi.org/10.15827/0236-235X.152.704-714. – Библиогр.: 10.
В работе представлен первый этап проектирования встраиваемых самоорганизующихся интеллектуальных систем управления с применением программного инструментария QSCIT. Он основан на технологии мягких вычислений SCOptKBTM и предназначен для проектирования робастных баз знаний в самоорганизующихся интеллектуальных системах управления. В качестве объекта интеллектуализации рассматривается управление давлением азота в криогенной установке испытательного стенда сверхпроводящих магнитов соответствующей фабрики. Такой магнит исследуется как объект управления с плохо формализованной структурой и с многими скрытыми параметрами в модели технологического процесса охлаждения. Основу интеллектуального управления составляет информационно-термодинамический закон оптимального распределения качественных характеристик управления, таких как устойчивость, управляемость и робастность. Описаны функционирующая установка и технологический процесс управления. Формирование базы знаний осуществляется на основе извлечения знаний из обучающего сигнала. Получить его без использования математической модели объекта управления позволяет применение генетического алгоритма. Подробно рассматривается технология проектирования встраиваемых нечетких регуляторов на основе физически измеряемого сигнала обучения. Приводится описание процесса извлечения обучающего сигнала с применением генетического алгоритма на реальной установке. Представлено разработанное ПО, используемое в системе TANGO Controls, для настройки и управления экспериментальными установками. В статье дано сравнение нечетких регуляторов, разработанных с использованием программного инструментария «Оптимизатор баз знаний» с классическим ПИД-регулятором. Представлены преимущества и ограничения применения технологии на мягких вычислениях.
ОИЯИ = ОИЯИ (JINR)2025
Спец.(статьи,препринты) = Ц 849 - Искусственный интеллект. Теория и практика
Спец.(статьи,препринты) = С 325.1а - Нейронные сети и клеточные автоматы
Спец.(статьи,препринты) = Ц 840 г1 - Банки и базы данных
Бюллетени = 13/026
Решетников, А.Г.
Программно-алгоритмическая поддержка интеллектуальных систем управления на технологиях мягких вычислений / А.Г.Решетников, С.В.Ульянов. – Текст : электронный // Программные продукты и системы. – 2025. – Т. 38, № 4. – С. 704-714. – URL: https://doi.org/10.15827/0236-235X.152.704-714. – Библиогр.: 10.
В работе представлен первый этап проектирования встраиваемых самоорганизующихся интеллектуальных систем управления с применением программного инструментария QSCIT. Он основан на технологии мягких вычислений SCOptKBTM и предназначен для проектирования робастных баз знаний в самоорганизующихся интеллектуальных системах управления. В качестве объекта интеллектуализации рассматривается управление давлением азота в криогенной установке испытательного стенда сверхпроводящих магнитов соответствующей фабрики. Такой магнит исследуется как объект управления с плохо формализованной структурой и с многими скрытыми параметрами в модели технологического процесса охлаждения. Основу интеллектуального управления составляет информационно-термодинамический закон оптимального распределения качественных характеристик управления, таких как устойчивость, управляемость и робастность. Описаны функционирующая установка и технологический процесс управления. Формирование базы знаний осуществляется на основе извлечения знаний из обучающего сигнала. Получить его без использования математической модели объекта управления позволяет применение генетического алгоритма. Подробно рассматривается технология проектирования встраиваемых нечетких регуляторов на основе физически измеряемого сигнала обучения. Приводится описание процесса извлечения обучающего сигнала с применением генетического алгоритма на реальной установке. Представлено разработанное ПО, используемое в системе TANGO Controls, для настройки и управления экспериментальными установками. В статье дано сравнение нечетких регуляторов, разработанных с использованием программного инструментария «Оптимизатор баз знаний» с классическим ПИД-регулятором. Представлены преимущества и ограничения применения технологии на мягких вычислениях.
ОИЯИ = ОИЯИ (JINR)2025
Спец.(статьи,препринты) = Ц 849 - Искусственный интеллект. Теория и практика
Спец.(статьи,препринты) = С 325.1а - Нейронные сети и клеточные автоматы
Спец.(статьи,препринты) = Ц 840 г1 - Банки и базы данных
Бюллетени = 13/026
На полку