Preview

Вестник Дагестанского государственного технического университета. Технические науки

Расширенный поиск

Описание метода нечеткого ситуационного управления на основе композиционной гибридной модели сложной технической системы

https://doi.org/10.21822/2073-6185-2021-48-4-44-54

Полный текст:

Аннотация

Цель. Целью исследования является обобщение накопленного опыта нечеткого ситуационного управления на основе композиционной гибридной модели сложной технической системы в виде алгоритма и формирование на этой основе рекомендаций по методике формирования и идентификации ситуаций, определяющих параметров и решений для управления сложной технической системой в условиях неполных данных для повышения точности управляющих решений.
Метод. Исследование основано на моделировании системы в условиях неполноты данных и невозможности получения информации обо всем диапазоне работы системы. Нечеткое ситуационное управление позволяет выработать управляющие решения в соответствии с выбранной стратегией управления и учесть специфику системы благодаря композиционной модели.
Результат. Предложен алгоритм нечёткого ситуационного управления сложными техническими системами на основе композиционных гибридных моделей. Рассмотрены этапы, особенности, достоинства и недостатки нечёткого ситуационного управления для данного типа систем. Задан порядок определения и однозначной идентификации возникающих нечётких ситуаций для системы, а также рассмотрены методы анализа и выработки типовых стратегий управления. Рассматриваемая в статье композиционная гибридная модель сложной технической системы описывает работу экспериментальной компрессорной установки ЭЦК-55.
Вывод. К основным достоинствам разработанного нечёткого ситуационного метода управления сложными техническими системами относятся: интеграция системы управления с уже существующими элементами системы; лучшее использование имеющихся ресурсов; адаптивность и надежность метода управления, основанного на нечётких ситуационных сетях и композиционной гибридной модели системы. Определены стратегии управления, позволяющие выполнять требования потребителя по качеству продукта, а также безопасности работы персонала и оборудования, безаварийности производства и экономии ресурсов.

Об авторе

Д. Ю. Авраменко
Филиал Национального исследовательского университета «МЭИ» в г. Смоленске
Россия

Авраменко Дарья Юрьевна, аспирант, кафедра управления и интеллектуальных технологий

214013, г. Смоленск, Энергетический пр-д, 1



Список литературы

1. Мелихов А.Н., Берштейн Л.С, Коровин С.Я. Ситуационные советующие системы с нечёткой логикой. М.: Наука, 1990. 272 с.

2. Поспелов Д.А. Большие системы. Ситуационное управление. М.: Знание, 1975. 64 с.

3. McCarthy J. Actions and other events in situation calculus // In Proc. of Proceedings of the Eighth International Conference on Principles of Knowledge Representation and Reasoning (KR-2002), 2002. рр. 615-628.

4. Ситчихин А.Н. Иерархические ситуационные модели с предысторией для автоматизированной поддержки решений в сложных системах. Автореферат дисс. канд. техн. наук.: Уфа, 2002. 20 с.

5. Борисов В. В., Авраменко Д. Ю. Нечеткое ситуационное управление сложными системами на основе их композиционного гибридного моделирования //Системы управления, связи и безопасности. 2021. № 3. С. 207-237. DOI: 10.24412/2410-9916-2021-3-207-237.

6. Majors M. Stori J. Cho D. -I. Neural network control of automatic terns // IEEE Control Systems. 1994. V. 14. N 3. рр. 31- 36.

7. Макаров И.М. Теория выбора и принятия решений. Наука, 1987. 350с.

8. Ларичев О.И. Теория и методы принятия решений. М.: Логос. 2002.

9. Никифоров А.Г., Авраменко Д.Ю. Подготовка экспериментальных данных для нейросетевого моделирования характеристик центробежных компрессоров // Научно-технические ведомости, СПбПУ. Естественные и инженерные науки. 2018. Т. 24. № 4. С. 61-71. DOI: 10.18721/JEST.240406.

10. Попова Д.Ю. , Борисов В.В. Элементы и режимы работы композиционной модели сложной технической системы // XVI Всероссийская науч.конф. «Нейрокомпьютеры и их применение». Тезисы докладов. М.: МГППУ, 2018. 13 марта 2018 г. С. 191- 194.

11. D. Popova. Neuro-Fuzzy Modeling of Compressor Unit Performance//3 Russian-Pacific Conference on Computer Technology and Applications RPC 2018 (Третья Российско-Тихоокеанская конференция по компьютерным технологиям и приложениям). Владивосток. 18-25 августа 2018. DOI: 10.1109/RPC.2018.8482214

12. D. Avramenko, A. Nikiforov, A. Kuchumov, S. Terentev, Yu. Galerkin, O. Solovyeva. Vaneless diffusers characteristics simulating by means of neural networks // 11th International Conference on “Compressors and their Systems”. – London. September 9-11, 2019. DOI:10.1088/1757-899X/604/1/012046.

13. Bei Sun, Chunhua Yang, Yalin Wang, Weihua Gui, Ian Craig, Laurentz Olivier. A comprehensive hybrid first principles/machine learning modeling framework for complex industrial processes. Journal of Process Control. V. 86, February 2020, P. 30-43. DOI:10.1016/j.jprocont.2019.11.012.

14. Andrew A.Evstifeev, Margarita A.Zaeva. Method of Applying Fuzzy Situational Network to Assess the Risk of the Industrial Equipment Failure //Procedia Computer Science. V. 190, 2021, P. 241-245. DOI: 10.1016/j.procs.2021.06.030.

15. Anatolii Kargin, Sergej Panchenko, AleksejsVasiljevs, TetyanaPetrenko. Implementation of cognitive perception functions in fuzzy situational control model. Procedia Computer Science. 2019; 149: 231-238. DOI: 10.1016/j.procs.2019.01.128.

16. Pavel Yu. Buchatskiy; Vladimir S. Simankov; Andrey V. Shopin. Approach to Managing an Autonomous Energy Complex with Renewable Energy Sources based on Fuzzy Models. 2019 International Russian Automation Conference. September 2019. DOI: 10.1109/RUSAUTOCON.2019.8867728

17. Annamária R. Várkonyi-Kóczy; Imre J. Rudas. TS fuzzy modeling based anytime control methodology for situational control // 2011 IEEE International Instrumentation and Measurement Technology Conference. Hangzhou, China – May 10-12, 2011. DOI: 10.1109/IMTC.2011.5944354

18. Pegah Amini, Mehdi Khashei. A soft intelligent allocation-based hybrid model for uncertain complex time series forecasting // Applied Soft Computing, V. 84, November 2019, 105736. DOI: 0.1016/j.asoc.2019.105736.

19. Ruxin Gao, Yahui Zhang, David Kennedy. Application of the dynamic condensation approach to the hybrid FE-SEA model of mid-frequency vibration in complex built-up systems // Computers & Structures, V. 228, February 2020, 106156. DOI: 10.1016/j.compstruc.2019;106156.

20. Sultan Alqahtani, Tarek Echekki. A data-based hybrid model for complex fuel chemistry acceleration at high temperatures // Combustion and Flame, V. 223, January 2021, P. 142-152. DOI: 10.1016/j.combustflame.2020.09.022.

21. Slimane Ouhmad, Abderrahim Beni-Hssane, Abdelmajid Hajami. The hybrid neural model to strengthen the e-nose restricted in real complex conditions.Procedia Computer Science, 2018; 107-113. DOI: 10.1016/j.procs.2018.07.150.


Рецензия

Для цитирования:


Авраменко Д.Ю. Описание метода нечеткого ситуационного управления на основе композиционной гибридной модели сложной технической системы. Вестник Дагестанского государственного технического университета. Технические науки. 2021;48(4):44-54. https://doi.org/10.21822/2073-6185-2021-48-4-44-54

For citation:


Avramenko D.Yu. Description of the method of fuzzy situational control based on a composite hybrid model of a complex technical system. Herald of Dagestan State Technical University. Technical Sciences. 2021;48(4):44-54. (In Russ.) https://doi.org/10.21822/2073-6185-2021-48-4-44-54

Просмотров: 111


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2073-6185 (Print)
ISSN 2542-095X (Online)