Ноаниқлик шароитида динамик объектларни бошқариш жараёнларини интеллектуаллаштириш моделлари ва алгоритмларини яратиш

ТОШКЕНТ ДАВЛАТ ТЕХНИКА УНИВЕРСИТЕТИ ва

ЭНЕРГЕТИКА ВА АВТОМАТИКА ИНСТИТУТИ

ҲУЗУРИДАГИ ФАН ДОКТОРИ ИЛМИЙ ДАРАЖАСИНИ БЕРУВЧИ

16.07.2013.Т.02.01 РАҚАМЛИ ИЛМИЙ КЕНГАШ

ТОШКЕНТ ДАВЛАТ ТЕХНИКА УНИВЕРСИТЕТИ

СИДИКОВ ИСАМИДИН ХАКИМОВИЧ

НОАНИҚЛИК ШАРОИТИДА ДИНАМИК ОБЪЕКТЛАРНИ

БОШҚАРИШ ЖАРАЁНЛАРИНИ ИНТЕЛЛЕКТУАЛЛАШТИРИШ

МОДЕЛЛАРИ ВА АЛГОРИТМЛАРИНИ ЯРАТИШ

05.01.08 – «Технологик жараёнлар ва ишлаб чиқаришларни

автоматлаштириш ва бошқариш»

(техника фанлари)

ДОКТОРЛИК ДИССЕРТАЦИЯСИ АВТОРЕФЕРАТИ

Тошкент – 2016

1

УДК 681.62-50.519

Докторлик диссертацияси автореферати мундарижаси

Оглавление автореферата докторской диссертации

Content of the abstract of doctoral dissertation

Сидиков Исамидин Хакимович

Ноаниқлик шароитида динамик объектларни бошқариш жараёнларини
интеллектуаллаштириш моделлари ва алгоритмларини яратиш ……………...3

Сидиков Исамидин Хакимович

Конструирование моделей и алгоритмов интеллектуализации процессов
управления динамическими объектами в условиях неопределенности.. ……29

Sidikov Isamidin Hakimovich

Designing models and algorithms intellectualization processes of dynamic objects

under conditions of uncertainty …………………………………………55

Эълон қилинган ишлар рўйхати
Список опубликованных работ

List of published works ………………………………………………………....80

2

ТОШКЕНТ ДАВЛАТ ТЕХНИКА УНИВЕРСИТЕТИ ва

ЭНЕРГЕТИКА ВА АВТОМАТИКА ИНСТИТУТИ

ҲУЗУРИДАГИ ФАН ДОКТОРИ ИЛМИЙ ДАРАЖАСИНИ БЕРУВЧИ

16.07.2013.Т.02.01 РАҚАМЛИ ИЛМИЙ КЕНГАШ

ТОШКЕНТ ДАВЛАТ ТЕХНИКА УНИВЕРСИТЕТИ

СИДИКОВ ИСАМИДИН ХАКИМОВИЧ

НОАНИҚЛИК ШАРОИТИДА ДИНАМИК ОБЪЕКТЛАРНИ

БОШҚАРИШ ЖАРАЁНЛАРИНИ ИНТЕЛЛЕКТУАЛЛАШТИРИШ

МОДЕЛЛАРИ ВА АЛГОРИТМЛАРИНИ ЯРАТИШ

05.01.08 – «Технологик жараёнлар ва ишлаб чиқаришларни

автоматлаштириш ва бошқариш»

(техника фанлари)

ДОКТОРЛИК ДИССЕРТАЦИЯСИ АВТОРЕФЕРАТИ

Тошкент – 2016

3

Докторлик диссертацияси мавзуси Ўзбекистон Республикаси Вазирлар Маҳкамаси

ҳузуридаги Олий аттестация комиссиясида №30.09.2014/В2014.5Т309 рақам билан рўйхатга
олинган.

Докторлик диссертацияси Тошкент давлат техника университетида бажарилган.

Диссертация автореферати уч тилда (ўзбек, рус, инглиз) Илмий кенгаш веб-саҳифаси
(www.tdtu.uz) ва “ZIYONET” таълим ахборот тармоғида (www.ziyonet.uz) жойлаштирилган.

Илмий маслаҳатчи: Игамбердиев Хусан Закирович

техника фанлари доктори, профессор

Расмий оппонентлар: Бекмуратов Тулкин Файзиевич

техника фанлари доктори, профессор, академик

Адилов Фарух Тулкунович

техника фанлари доктори

Назаров Улуғбек Сутанович

техника фанлари доктори, профессор

Етакчи ташкилот: Тошкент кимё-технология институти

Диссертация ҳимояси Тошкент давлат техника университети ва Энергетика ва автоматика

институти ҳузуридаги 16.07.2013.Т.02.01 рақамли илмий кенгашнинг 2016 йил “_23_” _июль__
соат _10

00

_ даги мажлисида бўлиб ўтади. (Манзил: 100095, Тошкент, Университет кўч., 2. Тел.:

(99871) 246-46-00; факс: (99871) 227-10-32; e-mail: tstu_info@edu.uz).

Докторлик диссертацияси билан Тошкент Давлат техника университетининг Ахборот-ресурс

марказида танишиш мумкин (14 рақами билан рўйхатга олинган). (Манзил: 100095, Тошкент,
Университет кўч., 2. Тел.: (99871) 246-03-41).

Диссертация автореферати 2016 йил “_07_”__июль__ куни тарқатилди.

(2016 йил “_07_”__июль__даги _3_ рақамли реестр баённомаси)

Н.Р.Юсупбеков

Фан доктори илмий даражасини берувчи

илмий кенгаш раиси

т.ф.д., профессор, академик

О.О.Зарипов

Фан доктори илмий даражасини берувчи

илмий кенгаш илмий котиби, т.ф.д., доцент

Ш.М.Гулямов

Фан доктори илмий даражасини берувчи

илмий кенгаш қошидаги илмий семинар раиси

т.ф.д., профессор

4

КИРИШ (докторлик диссертацияси аннотацияси)

Диссертация мавзусининг долзарблиги ва зарурати

. Ҳозирги кунда

дунё амалиётида автоматлаштириш соҳасида технологик жараёнларнинг
интеллектуал технологиялари ютуқларига асосланган юқори самарадорликка
эга бошқариш тизимларини яратиш жараёни етакчи ўринни эгаллайди. Жадал
ривожланаётган замонавий ахборот жамиятида жуда катта маълумотлар
оқимини таҳлил қилиш ва қайта ишлашга асосланган реал динамик
тизимларни бошқариш долзарб муаммолардан бири ҳисобланади. Бу борада
ривожланган чет эл мамлакатларида, яъни АҚШ, Германия, Япония, Жанубий
Корея ва бошқа давлатларда маълум ютуқларга эришилган бўлиб, уларда
саноат ва носаноат соҳаларида ишлаб чиқариш самарадорлигини ошириш ва
маҳсулотларнинг рақобатбардошлигини

таъминлаш учун технологик

жараёнларни бошқариш усулларини такомиллаштиришга алоҳида эътибор
қаратилмоқда. Ҳозирги вақтда уларда

технологик объектларнинг

хусусиятларини ҳисобга олган ҳолда қўлланилаётган интеллектуал бошқариш

тизимлари умумий ишлаб чиқариш корхоналарининг 40-45% ни ташкил
этади

1

. Бунинг натижасида маҳсулот ва энергия сарфининг тежамкорлиги 35%

гача камайишига эришилган

2

.

Ўзбекистон Республикасида технологик жараёнларни ва ишлаб

чиқаришнинг юқори самарадорликка эга бўлган бошқариш тизимларини
яратишга оид тадбирларни самарали ташкил қилиш юзасидан кенг қамровли
чора-тадбирлар амалга оширилди. Бу борада, жумладан, ишлаб чиқаришнинг
турли соҳаларидаги алоҳида технологик объектларни юқори самарали

бошқариш тизимларини яратиш, бошқариш жараёнларини интеллектуаллаш,

интеллектуал

бошқариш

тизимларининг

тадқиқ

этиш

усулларини

такомиллаштириш

ва

жараёнларни

бошқаришнинг интеллектуаллаш

воситаларини яратишга бағишланган қатор илмий-тадқиқот ишлари олиб
борилган.

Жаҳонда турли технологик объектларни бошқариш жараёнини

интеллектуаллаштиришда бошқариш тизимининг нейро-қатъиймас моделлари
ва алгоритмларини ишлаб чиқиш, билимлар базасини шакллантириш ва улар
асосида бошқариш тизимини такомиллаштириш муҳим аҳамият касб этмоқда.
Бу борада мақсадли илмий-тадқиқотларни, жумладан, қуйидаги
йўналишлардаги илмий изланишларни амалга ошириш муҳим вазифалардан
бири ҳисобланади: динамик объектларнинг хусусиятларини ҳисобга олиш
имконини берувчи нейрон тўрларни ва қатъиймас мантиқ асосида жараённинг
гибрид моделларини қуриш; бошқариш назариясининг замонавий усуллари
ҳамда интеллектуаллаш тамойилларини биргаликда қўллаш асосида
бошқаришни интеллектуал лаштириш; бошқариш жараёнларини
интеллектуаллаштиришнинг техник ва дастурий воситаларини ишлаб чиқиш;
мураккаб ва ўз навбатида юқори самарали мослашувчан ва робастли
бошқарув алгоритмларини яратиш; моделлар ва бошқариш алгоритмлари
асосида билимлар базасини яратиш;

1

Электрон журнал «Системный анализ в науке и

образовании», №2, 2015 (www.http://sanse.ru);

2

Международный журнал «Проблемы теории и практики

управления», 5/2014 (www.https://istina.msu/ru).

5

динамик объектларни ноаниқлик шароитида автоматлаштирилган
мониторинги ва бошқаришни интеллектуаллаштиришнинг дастурий
инструментал воситасини ишлаб чиқиш.

Ўзбекистон Республикаси Президентининг 2013 йил 27 июндаги

ПҚ-1989-сон «Ўзбекистон Республикаси Миллий ахборот-коммуникация
тизимини янада ривожлантириш чора-тадбирлари ҳақида»ги Фармони ҳамда
мазкур фаолиятга тегишли барча меъёрий-ҳуқуқий хужжатларда белгиланган
вазифаларни амалга оширишга ушбу диссертация тадқиқоти муайян даражада
хизмат қилади.

Тадқиқотнинг республика фан ва технологиялари ривожланиши

нинг устувор йўналишларига боғлиқлиги

. Мазкур тадқиқот республика

фан ва технологиялар ривожланишининг IV. «Ахборотлаштириш ва ахборот
коммуникация технологияларини ривожлантириш» устувор йўналиши

доирасида бажарилган.

Диссертация мавзуси бўйича хорижий илмий-тадқиқотлар шарҳи

3

.

Турли хил функционал вазифага эга бўлган технологик жараёнлар ва ишлаб
чиқаришни интеллектуал бошқариш тизимларини яратиш ва ишлаб чиқишга
йўналтирилган илмий изланишлар жаҳоннинг етакчи илмий марказлари ва
олий таълим муассасалари, жумладан, Togai Infra Logic, Omron, Micro
Devices, Johnson Space Centre, Department of electron and Intellegent System,
Honeywell (АҚШ), LIFE халқаро лабораторияси, Hitachi, Mitsubishu Electric,
Ibaraki University, Kawasaki Medical Schcool (Япония), Siemens (Германия),
Wecan Agrotexservis (Жанубий Корея) ҳамда олий таълим муассасалари: ZIFIT,
BISC(АҚШ), Зиген Университети (Германия), Донгук университети (жанубий
Корея), Корея мультимедия жамияти, Инха университетида (Ўзбекистон) кенг
қамровли илмий тадқиқот ишлари олиб борилмоқда.

Ноаниқлик шароитида динамик объектларни бошқариш жараёнларини

интеллектуаллаштириш моделлари ва алгоритмларини такомиллаштиришга
оид жаҳонда олиб борилган тадқиқотлар натижасида қатор, жумладан,
қуйидаги илмий натижалар олинган: учиш аппаратининг интеллектуал
бошқариш тизими ишлаб чиқилган (Johnson Space Centre, АҚШ); сабзавот
маҳсулотларини сақлаш жараёнида ҳарорат режимини қатъиймас бошқариш
тизими

ишлаб

чиқилган

(Wecan

Agrotexservis

Жанубий

Корея);

автомобилларда микроиқлимни интеллектуал бошқариш тизимлари ишлаб
чиқилган (Hitachi, Япония); лифтларни биттали ва гуруҳли қатъиймас
бошқариш тизимлари ишлаб чиқилган (Mitsubishu Electric, Япония);
интеллектуал датчиклар ишлаб чиқилган (Siemens, Германия); тиббий эксперт
тизими ишлаб чиқилган (Kawasaki Medical Schcool, Япония); Нанбоку
йўналиши бўйича метрополитен поездларининг ҳаракатини интеллектуал
бошқариш тизими ишлаб чиқилган (LIFE халқаро лаборатория си, Япония);
интеллектуал бошқарилувчи роботлар ишлаб чиқилган (Ibaraki University,
Япония); интеллектуал бошкаришга асосланган микроконтроллер-

3

Диссертация мавзуси бўйича хорижий илмий-тадқиқотлар шарҳи http://www.works.doklad.ru,

http://www.refdt.ru, http://www.km.ru, http://osp/ru/os, Захаров В. Интеллектуальные технологии в совре
менных системах управления // Международный журнал «Проблемы теории и практики управления». - М.:
№5/2005. –С.96-100 ва бошқа манбалар асосида ишлаб чиқилган.

6

лар ишлаб чиқилган (Department of electron and Intellegent System, АҚШ).
Дунёда замонавий ахборот технологиялари ютуқларини ўз ичига олган
динамик объектларнинг интеллектуал бошқариш тизимларини яратишнинг
инструментал воситаларини ишлаб чиқиш бўйича қатор, жумладан, қуйидаги
устувор йўналишларда тадқиқотлар олиб борилмоқда: ноаниқликни ҳисобга
олган ҳолда динамик объектларни математик моделини шакллантириш;
технологик жараёнларни бошқариш жараёнини нейро-қатъиймас
моделларини яратиш; динамик объектларни бошқариш жараёнларини
интеллектуаллашнинг алгоритмларини ишлаб чиқиш; динамик объектларни
автоматлаштирилган мониторинги ва бошқаришни инструментал

воситатасини яратиш; ноаниқлик шароитида динамик объектларни бошқариш
жараёнини интеллектуаллаш масалаларини ечиш учун дастурлар мажмуасини
ишлаб чиқиш.

Муаммонинг ўрганилганлик даражаси.

Динамик объектларни бошқариш

жараёнларини интеллектуаллаштириш ва уларда содир бўладиган турли хил

ноаниқликларни ҳисобга олиш имконини берувчи юқори самарали бошқариш

тизимларни яратишнинг назарий ва амалий масалаларини ечишда қатъиймас

тўпламлар тавсифи асосида интеллектуаллашган тизимларни синтезлаш

алгоритмларини яратиш, нейро-ноқатъий моделлар асосида нефть-кимёвий

мажмуаларнинг технологик параметрларини башоратлаш ва бошқариш

алгоритмларини ишлаб чиқиш, нейрон тўрлар ва қатъиймас мантиққа

асосланган турли соҳалар технологик объектларини моделлаштириш

жараёнларини аппарат-дастурий таъминотини яратиш, структураси,

параметрлари ва вазиятлари ноаниқ шароитлардаги технологик объектларни

ва жараёнларни интеллектуал бошқариш тизимларини яратиш масалалари бир

қатор олимлар: Abraham A., Aliev R.A., А.Allgöwer, Griffin M.F., Hunt K.J.,

Irwin G., Kraszewski Р., Li Ning, Li Shao Yuan, Piegat А., Stolcman S., Sugeno

M., Tanaka K., Wang H.O., Warwick K., Xi Yu Geng, Zadeh L.A., Zheng A.,

Алтунин А.Е., Бобко, В.Д., Борисов А.Н., Васильев С.Н., Верлань А.Ф.,

Востров Н.Н., Пупков К.А., Тарасов В.Б., Ульянов С., Абдуллаев Д. А.,

Абуталиев Ф.Б., Адилов Ф.Т., Арипов М.М., Бекмуратов Т.Ф., Гулямов Ш.М,

Жуманов И.И., Игамбердиев Х.З., Кадиров А.А., Комилов М.М., Марахимов

А.Р., Мухамедиева Д.Т., Рахматуллаев М.А., Усманов Р.Н., Юсупбеков Н.Р. ва

бошқаларнинг ишларида кўриб чиқилган.

Мураккаб ночизиқли динамик объектларни бошқариш масалаларини

ечиш билан боғлиқ тадқиқотлар бир қатор олимлар томонидан олиб борилган,
жумладан, F.L.Smidth, Р.А.Алиев, У.Мак Каллак, У. Питтс, Т.Кохонен,
Дж.Хопфилд ва бошқалар таҳлили шуни кўрсатадики, ҳозирги кунда
ноаниқлик шароитида нейро-ноқатъий контроллерлар турли интеллектуал
тизимлар яратилган ва саноатда қўлланилмоқда ва маълум даражада ижобий
натижаларга эришилган.

Эксперт тизимларни қўллаш орқали интеллектуал бошқариш

тизимларини яратиш масалаларига бағишланган ишлар М.Сугено, Т.Ямакова,
Т.Такаги, С.Ясунобу, Л.Заде, Н.Г.Ярушкина, П.Жексон, R. Davis, T.Саати,
Е.Мамдани, Д.А.Поспелов, Т.Ф.Бекмуратов, Н.Р.Юсупбеков ва

бошқа

тадқиқотларда динамик объектлар параметрлари ва

7

характеристикаларига тегишли ноаниқлик хамда технологик жараёнларни
моделлаштириш

ва

бошқаришда

маълумотларнинг

ноаниқлиги

ва

қатъиймаслигини бевосита ҳисобга олиш зарурлиги муаммолари кўрилган.
Шу билан бирга, илмий нашрларда ноаниқлик шароитида фаолият кўрсатувчи
динамик

объектларнинг

адаптив

нейро-ноқатъий

моделлари

ва

алгоритмларини яратиш асосида интеллектуал бошқаришнинг самарали
усуллари ишлаб чиқиш, маълум ёндашувларни тизимлаштириш ва бошқариш

жараёнларини интеллектуал бошқариш тизимини яратишнинг инструментал
воситасини яратиш ва келгусида такомиллаштиришга бағишланган илмий
изланишлар ҳозирги кунда етарли даражада кўрилмаган.

Диссертация мавзусининг диссертация бажарилган олий таълим

муассасининг илмий-тадқиқот ишлари билан боғлиқлиги.

Диссертация

тадқиқоти Тошкент давлат техника университетининг илмий-тадқиқот
ишлари режасининг 0.80.02 – «Узлуксиз ва дискрет технологик объектларни
кўп сатҳли иерархик бошқариш тизимларини тахлил ва синтез қилиш
масалаларида бошқариш ечимини дастурий-алгоритмик қўллаб-қувватловчи
интеллектуал тизимларни ишлаб чиқиш ва татбиқ этиш» (2001-2003); П20.22 -
«Технологик объектларни иерархик мультимикропроцессорли бошқариш
тизимларини

автоматлаштирилган

тадқиқ

қилишнинг

усуллари

ва

алгоритмларини ишлаб чиқиш» (2004-2006); А-14.002 – «Мураккаб динамик
объектларни

бошқариш

жараёнларини

интеллектуаллаш

асосида

моделлаштирувчи, башоратловчи ва адаптив бошқариш тизимларини
яратишнинг инструментал воситасини ишлаб чиқиш» (2006-2008); ИТД-5-36 -
«Нефть-кимёвий қурилма ва мажмуаларини технологик

хавфсизлиги

мониторингининг ахборот-аналитик интеллектуал тизимини

яратиш»

(2012-2014) ва А-5-42 – «Априор ноаниқлик шароитида технологик
объектларнинг

автоматлаштирилган

мониторинги

ва

бошкаришнинг

интеллектуаллаштиришни дастурий-инструментал воситаси» (2015-2017)
мавзуларидаги илмий лойиҳалари доирасида бажарилган.

Тадқиқотнинг мақсади

ноаниқлик шароитида динамик объектларни

бошқариш

жараёнларини

интеллектуаллаштириш

моделлари

ва

алгоритмларини ишлаб чиқишдан иборат.

Тадқиқотнинг вазифалари:

ишлаб чиқариш ҳолатларининг ноаниқлик шароитидаги динамик

объектларни бошқариш тизимларини тадқиқ қилишнинг назарияси ва
амалиётининг замонавий ҳолатини тизимли таҳлил қилиш;

ноаниқлик шароитида мураккаб динамик объектларни бошқариш

жараёнини интеллектуаллашнинг тамойилларини ва услубиятини ишлаб
чиқиш;

ноаниқлик шароитида динамик объектларни бошқариш жараёнини

интеллектуаллашган моделлаштириш масаласини структуралаш ва
алгоритмлаш;

мураккаб динамик объектларнинг адаптив нейро-қатъиймас бошқариш

тизимини тахлил қилиш ва синтезлаш алгоритмларини ишлаб чиқиш; динамик
объектларнинг тадқиқ қилиш алгоритмларини ва моделлаштиришни
алгоритмик асосини ишлаб чиқиш;

8

ишлаб чиқилган динамик объектларни бошқариш тизимларини тадқиқ

қилишнинг моделлари ва алгоритмлари асосида технологик жараёнларни
автоматлаштирилган бошқариш масалаларини ечишда қўллаш.

Тадқиқотнинг объекти

сифатида ишлаб чиқариш вазиятлари аниқмас

ва фаолияти ноаниқлик шароитидаги динамик объектларнинг бошқариш
тизими қаралган.

Тадқиқотнинг предмети -

нейро-қатъиймас моделлар асосида ноаниқ

шароитларда

динамик

объектларнинг

бошқариш

жараёнларини

интеллектуаллаш усуллари ва тамойиллари.

Тадқиқотнинг усуллари.

Тадқиқот жараёнида тизимли таҳлил,

қатъиймас тўпламлар назарияси, математик моделлаштириш, автоматик
бошқариш назарияси, интеллектуал бошқариш назарияси, сунъий интеллект
назарияси ва оптималлаштириш усуллари қўлланилган.

Тадқиқотнинг илмий янгилиги

қуйидагилардан иборат:

ечиладиган масалаларнинг асосий синфлари аниқланган ва ноаниқлик

шароитида фаолият кўрсатаётган динамик объектларнинг бошқариш
жараёнларини интеллектуаллашнинг тамойиллари ишлаб чиқилган;

замонавий бошқариш назарияси ва интеллектуал технология

усулларининг интеграцияси асосида ишлаб чиқариш вазиятлари ноаниқлик
шароитида фаолият кўрсатувчи динамик объектларни бошқариш жараёнини
интелектуаллашган тизимини яратишнинг янгича сифат кўринишидаги

ёндашуви ишлаб чиқилган;

динамик объетларнинг бошқариш тизимларини мослашувчан хоссага

эга бўлган ва бошқарилувчи жараёнларнинг динамик хусусиятларини ҳисобга
олувчи мавжуд турли моделлардан фарқ қилувчи интеллектуаллашган гибрид
моделлар мажмуаси ишлаб чиқилган;

динамик объектларнинг моделлаштириш алгоритмларини тадқиқ

қилишнинг бошқариш қарорини қабул қилиш ва энг яхши моделини танлаш
масалаларининг

ечимини

таъминловчи

моделлаштириш

самарали

алгоритмлари яратилган;

структураси, параметрлари ва вазиятлари ноаниқлик шароитидаги ўзида

анъанавий автоматик бошқариш назарияси усуллари ва интеллектуал
бошқариш тамойилини жамлаган динамик объектларни бошқариш
масаласини интеллектуаллашган ечувчиси яратилган;

динамик объектларни адаптив нейро-қатъиймас ва башоратлаш

моделлари асосида объектнинг ўлчанмайдиган координаталарини аниқлаш,
бошқариш тизимининг параметрларини коррекциялаш ва синтезлаш
алгоритмлари ишлаб чиқилган;

ноаниқлик шароитида саноат объектларини бошқариш масалаларини

самарали ечишда идентификациялаш ва генетик алгоритмлар комбинацияси
шаклидаги

интерактив адаптациялаш усулига асосланган динамик

объектларнинг бошқариш тизимини мослашувчан нейро-қатъиймас

синтезлаш алгоритмлари яратилган.

Тадқиқотнинг амалий натижаси

қуйидагилардан иборат: қўйилган мақсадга

асосан қийин шакллантирилувчи жараёнларни гибрид моделларини

шакллантириш жараёнини автоматлаштиришга

9

мўлжалланган, билимлар базасини тўлдириш, бошқариш тизимини

синтезлашга хизмат қилувчи динамик объектларни бошқариш жараёнини
интеллектуаллаштиришнинг дастурий мажмуа кўринишидаги инструментал
воситалар яратилган;

электроэнергетик объектлар ва нефть-кимё мажмуаларининг технологик

агрегатларини оптимал ишлаш режимларини танлаш ҳисобига энергия
сарфини камайтириш ва унинг натижасида ишлаб чиқариш самарадорлигини
ошириш ҳамда турли авария вазиятларини олдини олиш
имконини берувчи объектларнинг технологик параметрларини
автоматлаштирилган мониторинги ва бошқариш тизими ишлаб чиқилган;
автоматик бошқариш тизимларини синтезлашнинг стандарт ёндашуви етарли
самарага эга бўлмаган ҳол учун, яъни параметрли ва ахборот ноаниқлигига
эга мураккаб ночизиқли объектларни бошқаришда самарали бўлган
мослашувчан нейро-қатъиймас бошқариш тизими ишлаб чиқилган.

Тадқиқот

натижаларининг ишончлилиги.

Тадқиқот натижаларининг ишончлилиги

қатъиймас тўплам ва мантиққа асосланган динамик объектларни интеллектуал
бошқариш назарий асосларининг бажарилиши, интеллектуал бошқариш
масалаларини ечиш усуллари асосида динамик объектларни адаптив
бошқаришнинг назарий асосланган концепцияларининг қўлланилиши,
интеллектуал бошқаришнинг апробация қилинган усуллари ва
алгоритмларини ишлатилиши, интеллектуал бошқаришнинг таклиф этилган
усуллари ва алгоритмларини талаб қилинган яқинлашиш даражаси, назарий
амалий тадқиқотларнинг олинган натижалари ва уларнинг ўзаро мослиги
билан изоҳланади.

Тадқиқот натижаларининг илмий ва амалий аҳамияти.

Тадқиқотда

олинган натижаларнинг илмий аҳамияти узлуксиз-дискрет характердаги
технологик объектларни бошқариш жараёнини интеллектуаллаш масаласини
самарали ечиш имконини берувчи ноаниқлик шароити ва ишлаб чиқариш
вазиятининг аниқ эмаслик шароитида фаолият кўрсатувчи динамик
объектларнинг бошқариш тизимларини автоматлаштирилган тадқиқ
қилишнинг усуллари, моделлари ва алгоритмларини яратиш услубиятини
ишлаб чиқишдан иборатдир. Ишда таклиф этилган гибрид характерли
нейро-қатъиймас моделлар маълумотлар базасини ифодалаш,
моделлаштириш, синтезлаш ва шакллантиришнинг ягона математик асосини
беради.

Олинган натижаларнинг амалий аҳамияти бошқариш тизимини

лойиҳалаш масалаларида турли ишлаб чиқариш вазиятларини башоратлаш ва
тахлил қилиш ҳамда оптимал бошқариш ечимини ташлаш имконини берувчи
дастурий мажмуа кўринишида тасвирланган динамик объектларни
автоматлаштирилган

мониторинги

ва

бошқаришнинг

инструментал

воситасини яратишдан иборат. Ноаниқлик шароитида динамик объектларнинг
бошқариш жараёнини интеллектуаллаштиришнинг яратилган моделлари ва
алгоритмлари узлуксиз ҳамда дискрет характерли ишлаб чиқаришнинг
технологик жараёнларини интеллектуал бошқариш системасини яратишда
кенг кўламда қўлланилиши мумкин.

10

Тадқиқот натижаларининг жорий қилиниши.

Адаптив нейро

қатъиймас бошқариш системалари ва гибрид моделлари асосида яратилган
инструментал дастурий воситалар асосида «Ўзбекэнерго» Давлат
Акциядорлик Компанияси тизимига кирувчи корхоналарда, жумладан, JSCJV
«Deutsche Kabel AG Tashkent», «Delta Net» МЧЖ, «Янги технологиялар»
илмий-тадқиқот марказида жорий қилинган (Ўзбекистон Республикаси
«Ўзбекэнерго» ДАК нинг 2016 йил 12 майдаги ДИ-01-21/1953-сон
маълумотномаси). Илмий-тадқиқот натижалари динамик объектларни
автоматлашган мониторинги ва интеллектуаллашган бошкариш жараёнида
ахборотлар оқимини қайта ишлаш ва таҳлил қилиш жараёнини 1,26 мартага
қисқартириш, технологик объектларнинг энергия таъминотида энергия
сарфини 1,15% га камайтириш ва ишлаб чиқариш самарадорлигини
оширишни таъминлашга хизмат қилади.

Тадқиқот натижаларининг апробацияси.

Тадқиқот натижалари 47 та

илмий-техник, шу жумладан 32 халқаро анжуманларда муҳокама қилинган:
«21 аср глобал муаммолари ва техник фанлар» (Тошкент, 2001);
«Инновация-2003» (Тошкент, 2003); «Тўқимачилик саноатининг замонавий
қурилмалари ва технологиялари» (Москва, 2003); «Техника ва технологиядаги
математик усуллар» (С.Петербург, 2003); «Таълимда, техникада ва илмда
инфокоммуникациялар ва хисоблаш технологиялари» (Тошкент, 2004);
«Тўқимачилик ва енгил саноатга ахборот коммуникацион технологияларни
жорий қилиш» (Тошкент, 2005, 2007); World Conference of Intelligent Systems
for Industrial Automation (Tashkent, 2002-2014), «Машинасозликда техника ва
технологиялар замонавий материаллари» (Андижон, 2012, 2014); «Тоғ-кон
металлургия соҳасида ва унинг ривожланиш йўлидаги замонавий техника ва
технологиялар» (Навоий, 2013); «Сунъий интеллектда интеграллашган
моделлар ва “юмшоқ” ҳисоблашлар» (Коломна, 2013); «Seventh International
Conference on Soft Computing, Computing with Words and Perceptions in System
Analysis, Decision and Control - ICSCCW-2013», (Izmir, Turkey, 2013);
«Proceedings Eleventh International Conference on Application of Fuzzy Systems
and Soft Computing -ICAFS-2014» (Paris, France, 2014); «The 11

th

International

Conference on Multimedia Information Technology and Application –MITA-2015»
(Тошкент, 2015); «XXI аср илмий тараққиёти. Янги юз йилликнинг тараққиёти
ва муваффақиёти» (Новосибирск, 2015); ва 12 та республика анжуманларида
апробациядан ўтказилган.

Тадқиқот натижаларининг эълон қилиниши.

Диссертация мавзуси

бўйича жами 88 та илмий иш чоп этилган, шулардан, 1 та монография,
Ўзбекистон Республикаси Олий аттестация комиссиясининг докторлик
диссертациялари асосий илмий натижаларини чоп этиш тавсия этилган илмий
нашрларда 40 та мақола, жумладан, 6 таси хорижий ва қолганлари республика
журналларида нашр қилинган ҳамда 15 та ЭҲМ учун яратилган дастурий
воситаларни қайд қилиш гувоҳномаси олинган.

Диссертациянинг ҳажми ва тузилиши.

Диссертация таркиби кириш,

бешта боб, хулоса, фойдаланилган адабиётлар рўйхати ва иловалардан иборат.
Диссертациянинг ҳажми 198 бетни ташкил этган.

11

ДИССЕРТАЦИЯНИНГ АСОСИЙ МАЗМУНИ

Кириш

қисмида ўтказилган тадқиқотларнинг долзарблиги ва зарурати

асосланган, тадқиқотнинг мақсади ва вазифалари, объект ва предметлари
тавсифланган, республика фан ва технологиялари ривожланишининг устувор
йўналишларига мослиги кўрсатилган, тадқиқотнинг илмий янгилиги ва
амалий натижалари баён қилинган, олинган натижаларнинг илмий ва амалий
аҳамияти очиб берилган, тадқиқот натижаларини амалиётга жорий қилиш,
нашр этилган ишлар ва диссертация тузилиши бўйича маълумотлар
келтирилган.

Диссертациянинг «

Динамик объектларни бошқариш жараёнини

интеллектуаллаш муаммоларини замонавий ҳолатини тизимли таҳлили

»

деб номланган биринчи бобида турли хил ноаниқликлар шароитида ишловчи
динамик объектларни интеллектуал бошқариш тизимларини назарий ва
амалий қуришнинг замонавий ҳолати ёритилган. Динамик объектларни
бошқариш жараёнида пайдо бўладиган ноаниқликларнинг келиб чиқиш
сабаблари ойдинлаштирилган.

Ҳозирги вақтда саноат ишлаб чикаришини автоматлаштириш билан

боғлиқ бўлган амалий соҳадаги фанларнинг фаол ривожланиши
кузатилмоқда. Шу сабабли юқори даражали автономликка мослашувчанлик
хоссасига, ишончлиликка ва ноаниқлик шароитларда юқори сифатга эга
бўлган турли хил техник тизимларни яратиш зарурияти пайдо бўлди.

Бундай тизимларнинг бошқариш объекти мураккаб, кўп ўлчамли,

чизиқсиз бошқариш тизимлари бўлиб, улар зарурий фойдаланиш тавсифи ва
кенг функционал имкониятларга башоратлаш имкониятига, ҳамда ташқи
таъсир ва тизимнинг жорий ҳолатга мослашувчан хуссуситига эгадир.

Тизимлардаги омилларнинг ноаниқлиги ва ўзгарувчанлиги динамик

тизимлар ҳолатини башоратловчи, ўз навбатида бошқариш масаласини
ечишни мураккаблашишига олиб келади. Айниқса, реал шароитда фаолият
кўрсатаётган технологик объектларда содир бўладиган ишлаб чиқариш
вазиятларнинг ноаниқлиги, жараён моделининг хатолиги объектдан олаётган
ахборолар оқимини катталиги ва хатоликлари ҳамда уларни қайта ишлашнинг
мураккаблиги, бундай динамик тизимларни бошқариш алгоритмининг
яратишни қийинлаштиради ва бу масалани ечишда замонавий ахборот
технологиялари ютуқлардан фойдаланиш заруриятини туғдиради.

Бундай бошқариш тизимларини яратишда ностандарт усуллардан

фойдаланиш талаб этилади. Бу эса ўз навбатида технологик объектида
интеллекутал бошқариш усуллари ва инструментал воситаларини яратиш
заруриятини туғдиради.

Тизимларни анъанавий тадқиқ этиш усуллари бўлмиш адаптив ва

робаст синфига кирувчи бошқариш тизимлари таъсирларни баҳолаш усули ва

бошқариш тизимининг структурасини аниқ берилиши шартлари билан
қийинчиликларга дуч келади.

Бошқариш ҳолатларини баҳолаш ҳамда динамик тизимларнинг

12

жараёнлари ва ҳодисаларини моделлаштиришнинг услубий жиҳатларини
таҳлил қилиш шуни кўрсатадики, уларни информацион аниқланмаганлик
шароитларида физик-кимёвий қонуниятлар ва ноаниқ сабаб-оқибат
боғлиқликларини эътиборга олган ҳолда тизимли тадқиқ этиш масалаларига
керакли даражада эътибор қаратилмаган.

Юқорида келтирилганларга кўра динамик объектлар ва ноаниқ сабаб

оқибат алоқаларининг хусусиятлари ҳамда информацион ноаниқлик
шароитларида қарор қабул қилишни эътиборга олган ҳолда тизимли таҳлил,
математик моделлаштириш, ахборотларга ишлов бериш ва тадқиқотнинг
мураккаб динамик объектларни бошқариш усулларини қўллаш, ечими ишлаб
чиқариш самарадорлигини ошириш имконини берадиган муҳим масалалардан
бири бўлиб қолаверади.

Ноаниқ факторлар мавжудлигида бошқариш назариясининг анъанавий

усуллари учун динамик объектларни бошқариш алгоритмлари ва моделларини
яратиш шунчалик мураккаб ва нотривиалли, уни ечиш учун замонавий
информацион технологияларининг ривожланиш ютуқларини хисобга олган
ҳолда янги ва мавжуд усулларнинг модификациясини ишлаб чиқиш талаб
этилиши тизимли таҳлил асосида ўрганилди.

Фан ва техниканинг турли соҳаларида қўлланиладиган интеллектуал

автоматик бошқариш тизимларини қуришнинг кўплаб модел ва алгоритмлари
мавжуд. Улардан энг кўп тарқалганлари нейрон тармоқлари, ноаниқ тизимлар,
эксперт бошқариш тизимлари, генетик алгоритмлар, маълумотларни кўриш,
ечимлар дарахти ва “уяли” интеллектларидир.

Тизимнинг иш режимларига таъсир этувчи омилларнинг ноаниқлиги

шароитларида ишлайдиган динамик бошқариш тизимларини расмий
ифодалаш, моделлаштириш ва тадқиқ қилиш усулларининг таҳлили динамик
объектларни бошқариш жараёнларини интеллектуаллаштириш учун базавий
асос ҳисобланувчи автоматик бошқариш назарияси усуллари ҳамда ноаниқ
мантиқ (тўпламлар) назариясини ўз ичига олувчи гибрид усулларни қўллаш
энг адекват ва ҳал қилинадиган масалалар эканлигини кўрсатди.

Биринчи бобда диссертация тадқиқоти услубий босқичлари ва

йўналишларининг структураси асосий ўрин эгаллаган (1-расм). Унда
интеллектуаллаштирилган бошқариш усулларини ўз ичига олувчи
маълумотлар ва билимлар базалари интеграцияси асосидаги гибрид
информацион технологиялардан фойдаланишни назарда тутувчи мураккаб
динамик объектларни бошқариш жараёнини тадқиқ қилиш ва
интеллектуаллаштириш концепциялари акс эттирилган.

13

Предметная

Предмет

область

соҳаси

Проблема

Муаммо

Концепция

Концепция

Динамический объект

Ноаниқ шаоритларда
харакатланувчи динамик

функционирующий в

объект

условиях неопределенности

Динамик объектларнинг
бошқариш

Расширение
алгоритмических и

тизимларининг интеллектуал

развитие интеллектуальных

имкониятларини
ривожланиши ва

возможностей системы
управления

алгоритмик

кенгайтириш

динамическими объектами

Гибридные

Гибрид ахборот

информационные

технологиялари

технологии

БД БЗ

МБ ББ

Принципы

Интеллектуаллаштирилган

интеллектуализированного

бошқариш тамойиллари

управления

Моделлар

Модели и

ва усуллар

методы
Гибридные модели

Мониторинг ва
интеллектуал

мониторинга и

бошқаришнинг гибрид

интеллектуального

моделлари

управления

Методы

ББ ва МБлар
интегарция

интеграции

си усуллари

БД и БЗ

ИБСнинг

Методы

тахлили ва

анализа и

синтези

синтеза ИСУ

усуллари

ИРЗУнинг

Гибридные

гибрид

модели ИРЗУ

моделлари

Нейро-нечеткая модель
-

Нейро-қатъиймас модел
- бошқариш жараёнини

основа

интеллектуаллаштириш

интеллектуализации

асоси

процессов управления

Алгоритмы

Бошқариш жараёнини
интеллектуаллаштириш

интеллектуализации

алгоритмлари

процесса управления

Методы реализации

Жараён мониторинги ва
бошқаришни амалга

процесса мониторинга

ошириш усулари

и управления

Ситуационные модели

Объект харакатининг

функционирования

вазиятли модели

объекта

Башорат қилувчи

Нейро-нечеткая

моделли нейро

адаптивная система

ноқатъий адаптив

с прогнозирующей

тизим

моделью

ИБСининг ахборот

Методы и модели

таъминоти

информационного

моделлари ва

обеспечения ИСУ

усуллари

Башорат қилувчи

Прогнозирующие

моделлар

модели

1-расм. Диссертация тадқиқотининг методологик

аспекти ва йўналишлари

14

Услубиятда ноаниқлик шароитларида ишлайдиган динамик объектларни

бошқариш масалаларини автоматлаштирилган ечувчининг гибрид
интеллектуал моделлари, адаптив нейро-қатъиймас моделлар, динамик
объектларни бошқариш масалаларида нейро-қатъиймас адаптив моделларни
амалга ошириш усуллари, шунингдек ахборотларга ишлов беришнинг

интеллектуал усулларини ишлаб чиқаришга алоҳида эътибор берилган.

Диссертациянинг

«Динамик

объектларни

автоматлашган

бошқаришнинг интеллектуаллаш концепцияси ва методологияси»

деб

номланган иккинчи бобида бошқариш бўйича қарорлар қабул қилиш ва
бошқариш тизимларини ишлаб чиқишда ечиладиган энг муҳим ва кўп меҳнат
талаб қиладиган масалалардан бири ҳисобланувчи динамик жараёнларнинг
моделлари ишлаб чиқилган.

Жараёнларни бошқариш тизимларини ишлаб чиқишда асосий эътибор

ахборотни қайта ишлаш ва бошқариш таъсирини ишлаб чиқишнинг юқори
самарали усулларини яратиш ҳисобланади. Бу муаммони ечиш мураккаб
шароитларда ишловчи тизимларнинг ноаниқлик ва ташқи муҳит
хусусиятларининг ўзгариши, аномал ҳолатларнинг пайдо бўлиши, бошқа
қурилмаларни бошқариш командаларини шакллантириш ва амалга оширувчи
ахборот манбаларини, алоқа каналларини, техник воситаларини ишдан
чиқиши, шунингдек ғалаён ва ҳалақитларнинг специфик таъсирларини
кўрсатувчи математик моделини ишлаб чиқиш билан бевосита боғлиқ.

Бундай ёндашувнинг қўлланиши моделларда турли кўринишдаги

ноаниқликлар мавжуд бўлганда, яъни бошқарув ечимини танлаш мужмал
аниқланган, баъзан фақатгини сифат кўрсатгичлари берилган модел ва
процедураларда мураккаб объектларни самарали бошқаришни амалга
ошириш имконини беради.

Умумий ҳолда бошқариш тизимининг динамикасини ҳолат

тенгламалари ёрдамида ифодалаш мумкин:

x

k

+

1

=

F

(

x

k

,

u

k

)

,

k

=

0,

N

,

x

k

∈

X

,

u

k

∈

U

,

бу ерда

X

– ҳолат фазоси,

U

- мумкин бўлган бошқариш тўплами,

F

–

ҳолатнинг ўткинчи функцияси, умумий ҳолда чизиқсиз кўринишда бўлади:

F

:

X

×

U

→

X

.

Тўлиқ аниқланмаган жараёнларни қатъиймас тўплам аппарати ёрдамида

моделлаштириш мумкин. Коэффициентлар ва бир қанча

катталиклар

таалуқлилик функцияси кўринишида берилиши мумкин. У ҳолда бошқариш
тизими динамикаси

X

×

U

×

X

қатъиймас декарт кўпайтмаси осттўпламини

ифодаловчи қатъиймас муносабатлар билан ифодаланади.

F

: X

×

U

×

X

→

[

0,1

]

,

Турли кўринишдаги ноаниқликларга эга динамик тизим учун ўткинчи

функция қуйидагича ёзилиши мумкин

F

: X

×

U

→

XP

,

15

бунда

XP

-

X

да эҳтимолликнинг тақсимланиш тўплами. Моделда

ноаниқликни ҳисобга олиш учун унга тасодифий катталик ёки коэффициент
киритиш мумкин. Аммо бу моделларда эҳтимоллар тақсимотини қуриш учун
маълум маълумотларга эга бўлиш зарур.

Қаралаётган масала синфини расмийлаштириш тизим ва жараёнлар

композициясини ўзида ифодаловчи гибрид моделларнинг математик тили
ёрдамида табиий равишда амалга оширилиши мумкин.

Бундай модел қуйидаги тенгламалар ёрдамида ифодаланиши мумкин:

[

]





x k Ф m k k m k k u k x k

( 1) ( ), ( ), ( 1), ( 1), ( ) ( )

+

=

+

+

⋅

+

k

[

( ), ( ), ( 1), ( 1), ( )

]

( )

;





+

+

+

⋅

Г m k k m k k u k w k

k

( 1)

[

( 1), ( 1)

]

[

( 1), ( 1)

]

( ),

1 1





z k H m k k G m k k v k

k k

+

=

+

+

+

+

+

⋅

+

+

бунда

x

(

k

)

– умумий бошқариш объекти ва ташқа муҳит моделининг

кенгайтирилган ҳолат вектори;

u

(

k

)

– бошқариш таъсирлари вектори:

z

(

k

+

1)

–

назорат қилиш мумкин бўлган катталиклар вектори;

w

(

k

)

ва

v

(

k

)

–кетма

, ,

Ф

k

Г

k

H

k

и

[

⋅

]

G

k

+

1

–

кетлиги корреляцияланмаган ўзаро векторлар;

[

⋅

]

[

⋅

]

[

⋅

]

+

1

ўлчамларга мос матрицали функциялар.

Асосий

моделлаштирилувчи

тизим тадқиқ этилаётган тизим

динамикасининг

иерархик

ифодаси

ҳисобланади,

бунда

тизимни

абстрактлаштиришнинг турли сатҳлари нуқтаи назаридан динамик
хусусиятлари ифодаланади.

Масаланинг ечимига қабул қилинаётган иерархик моделини иккита

йўналишга бўлиш таклиф этилади:

- вертикал бўйича иерархия, бунда моделни тизимнинг структуравий

функцияси бўйича сатҳларга бўлиш амалга оширилади;

- горизонтал бўйича иерархия, бунда моделни тадқиқ этиш усулига

боғлиқ ҳолда сатҳларга бўлиш амалга оширилади.

Вертикал бўйича иерархиялашда моделлар учта сатҳга бўлинган:

- содда моделлардан иборат базавий моделлар сатҳи;
- хусусий масалаларни ечишга йўналтирилган функционал тугалланган

қурилмаларнинг структуравий-функционал хоссаларни кўрсатувчи локал
моделлар сатҳи;

- тизимларнинг ташкилий хоссаларини кўрсатувчи ва юқори даражада

деталлаштирилган моделларни ифодаловчи глобал моделлар сатҳи. Горизотал
бўйича иерархия моделни тадқиқ этиш усулига боғлиқ ҳолда моделлар тўртта
сатҳга бўлинади:

- Аналитик моделлаштириш асосида жараёнларни ҳисоблаш

натижаларини олиш имконини берувчи моделлар;

- мантиқий-дифференциал тенгламалар билан тасвирланувчи ва дискрет

хусусиятли жараённи акс эттирувчи моделлар;

- Нейрон тармоқлар алгоритми асосида жараёнларнинг математик

схемаларини структуравий бириктириш (боғлаш)ни акс эттирувчи моделлар; -
сунъий интеллект усуллари асосида тизим ҳолатини башорат қилиш ва
оптималлаштириш имконини берувчи моделлар.

Динамик объектларнинг расмий конструктив моделлари қуйидагича

16

кўринишда ифодаланиши мумкин:

M= < I, Р, Ф, Х, Y,

Ω

>,

бу ерда

I

– модел идентификатори;

P= Р (x

1

,x

2

,…,x

n

)

–

Х

тўпламда аниқланган

бир ўринли предикат (субъектни ифодаловчи тушунча). Бу предикатнинг
маъноси расмий аниқланишда ушбу моделни қўллашнинг имконияти;

Ф : Х

→

Y ( ХUY=Z)

– моделлаштирилаётган алгоритмнинг бир қанча хоссалари

мажмуини ифодаловчи тасвир;

Х=

{

x

1

,

x

2

,...,

x

n

}

- ҳисоблаш моделининг кириш

ўзгарувчилари;

Y

=

{

y

1

,

y

2

,...,

y

n

}

- ҳисоблаш моделининг чиқиш ўзгарувчилари;

Z

=

{

z

1

,

z

2

,...,

z

n

}

- ўзгарувчилар мажмуи;

Ω

-

Х

аниқловчилар ва

Y

қийматлар

яъни

Ω

=

{

X

,

Y

}

жуфтлиги соҳаси билан берилувчи моделни қўллаш соҳаси.

Моделлар

билан

ишлаш

жараёнида

икки

турдаги

кириш

ўзгарувчиларига дуч келиш мумкин: аниқлинган ва аниқланмаган. Шунга мос
равишда

Х

тўпламни иккита кесишмайдиган

Х

Н

ва

Х

О

осттўпламларга

бўламиз, яъни

Х

Н

∪

Х

О

=Х (Х

Н

∩

Х

О

=

∅

)

Х

Н

тўплам элементлари аниқланган

Х

О

ўзгарувчилари орасига у ёки бу

муносабатни киритиш билан аниқланилиши мумкин. Бундай алоқа
мураккаброқ кўп сатҳли ҳисоблаш моделларининг шаклланишига олиб
келади, ёки аксинча чиқиш вектори

У

ва аниқланмаган ўзгарувчи вектори

Х

Н

га

эга

М

модел скаляр векторли

Y

k

∈

Y , k= 1,2,…, N

m

модел-тасвир

N

m

=N

x

∪

N

y

кўринишида ифодаланиши мумкин.

Турли ўлчамли блоклар ҳисобланган осттўпламлар ҳам қуйидаги

кўринишда ифодаланиши мумкин:

m

i

= < I, P

i

, f

i

, x

i

, y

i

,

Ω

>

У ҳолда бошланғич модел компонентлари элементар модел

компонентлари орқали қуйидагича ифодаланади:

M=

{

m

i

}

, Ф=

{

f

i

}

,

[

]

N

m

i

∈

1,

(

)

[

(

)

(

)

(

)

]

P X P X P X P

Nm

X

Nm

(

∀

x

)

↔

1 1

∧

2 2

∧

...

∧

N
N

1 1

⎟

⎟

⎠⎞ ⎜

⎜

⎝⎛

m m

U U

X X Y Y

i

X

=

=

; /

i

i
N

=

=

i

m

; : 1,2,...,

Z

U

Z P Z i N

(

)

i i z i m

=

Ω

=

Ω

=

i

=

1

P

z

Z

i

(

Ω

)

- компонентлари вектори

Z

i

бўлган гиперюзага

Ω

тўпламнинг

проекцияси.

Ҳисоблаш

моделларининг

бундай

шакли

моделлаштирувчи

алгоритмларни

расмийлаштириш

билан

боғлиқ

процедураларни

умумлаштириш ва уларни бу моделлар базасида ечиладиган расмий масалалар
сифатида ифодалаш имконини беради.

Шундай қилиб, бошқаришнинг динамик сатҳида кечувчи турли

технологик жараёнларнинг меделларини қуриш мумкин. Бундай ёндашувда
объект параметрлари вақт бўйича ўзгарувчи ностационар объектлар учун ҳам

17

модел қуриш мумкин. Таклиф қилинган усул идентификаторли мослашувчан
ва башорат қилувчи тизимларни яратиш учун асос бўлиб хизмат қилади.
Диссертациянинг «

Динамик объектларни бошқариш масалаларини

интеллектуал ечувчини яратиш

» деб номланган учинчи бобида ноаниқлик

шароитида фаолият кўрсатувчи динамик объектларнинг моделларини яратиш
услубиётига асосланиб динамик объектларни автоматлаштирилган бошқариш
масалаларини ечувчини ишлаб чиқиш масалалари кўрилган. Продуктив қоида
асосида ечимни чиқаришга мўлжалланган масалани динамик ечувчи
таркибига кирган динамик объектларни интеллектуаллашган бошқариш
тизимини умумлашган алгоритмик структураси таклиф этилган (2-расм).
Ноаниқлик шароитида фаолият кўрсатувчи технологик объектларни
бошқариш масаласини динамик ечувчининг асоси бўлган адаптив
башоратлаш тизимнинг ўлчаш мумкин бўлмаган координаталарини аниқлаш
ва бошқариш тизимининг параметрларини коррекциялаш алгоритмлари
яратилган.

Интеллектуаллаштирилган бошқариш тизимининг структураси унинг

анъанавий элементлари ва алоқалари билан биргаликда марказий ўринга эга
бўлган масаланинг динамик ечувчиси мавжуд:

a

2

T M S C T

×

×

⎯⎯→

×

;

a

1

C T X S R T

×

×

×

⎯⎯→

×

;

⋅

{

}

{

}

T X A T X T B T U T

×

=

×

×

+

×

×

;

{

}

T Y D T X T

×

=

×

×

;

a

2

T R Y C T

×

×

⎯⎯→

×

бу ерда

Т

-вақт моментлари тўплами;

X,S,M,C,R

ва

Y

тизимнинг ҳолатлар

тўплами, ташқи муҳит, мотивация, мақсадлар, башоратланган вариал ечим
тўплами;

А, В ва D

параметрлар матрицалари,

a

,

i

=

1,4

i

-билимларга

асосланган ўзгартиришнинг интеллектуал оператори.

Масалани динамик ечувчиси шундай комплекс ташкилланувчи бўлиб, у

тизим ва муҳит ҳолатини баҳолаш имконияти ҳамда ҳаракатларнинг талаб
этилган ва реал натижалари параметрларини солиштириш хусусиятига эгадир.
Бунинг учун бошқариш масаласини динамик ечувчи билимлар заҳирасига ва
масалаларни ечиш усулларига эга бўлиши керак.

Бошқариш масаласини динамик ечувчининг асосий функцияси

маълумотлар ва билимлар базаси ҳолатини шакллантиришдан иборатдир.
Интеллектуаллашган бошқариш тизимини математик асоси бўлган нейрон
тўрлар ва қатъиймас мантиқ усулларининг ижобий хусусиятларини ўзида жам
қилган гибрид моделлар нейрон-қатъиймас бошқариш тизимларида юқори
самарадорликка эга эканлигини кўрсатди.

18

Ташқи муҳит

Бошқариш объекти

x

=

F

0

(

x

,

u

,

f

)

u = u

s

+ u

u

Бажарувчи тизими

Ҳисоблаш системаси

Ўлчаш тизими

у

=

F

П

(

x

,

u

,

t

)

Стабилловчи

қонун

u

s

=

F

s

(

y

)

Бош

қари

шни

нг

асос

ий

қону

н

u

u

=

F

u

(

y

)

Идентификация

F

S

(

y

)

F

U

(

y

)

Автоматик синтезнинг
интеллектуал тизими
(И – АБН масалаларини
ечувчи)

Бажарувчи қисм тизим

Ечувчи қисм тизим

Билимлар базаси

f

0

’ f

в

’

J

Ц

F

θ

Объект модели

F

0

’

(

u

,

f

)

Муҳит модели

F

в

’

(

t

)

Бошқариш модели

J

ц

’(

θ

,

t

)

Ростланувчи ўзгарувчилар

θ = F

0

(

x

)

2-расм. Динамик объектларни интеллектуаллаштирилган

бошқариш тизимининг структураси

Кўпқатламли нейрон тўрларнинг кўринишларидан бири бўлган

қатъиймас адаптив моделлар билан ёзилувчи динамик объектларнинг
интеллектуаллашган

бошқариш

тизимини

элементлари

технологик

ўзгарувчилар ва ишлаб чиқаришдаги ўзгаришга мослашиш имкониятига эга
бўлган боғлиқликлар характерига асосланган ҳолда шакллантирилади.
Бошқариш масаласини динамик ечувчисининг ишини тушунтириш учун
динамик объектнинг чиқиш ўзгарувчиларини барқарорлаштириш жараёнини
кўриб чиқамиз. Бу жараён чизиқлисиз айирмали тенглама билан ёзилган
бўлсин.

y i f y i y i r x i

( 1) ( ( ),..., ( ), ( ),...

+

=

−

(1)

x i s u i u i q

( ), ( ),..., ( )),

− −

бу ерда

i

=

0,1,2,...,

N

жорий дискрет вақт,

y

(

i

)

- чиқиш сигнали,

x i x i x i

=

k

- ташқи

таъсирлар вектори,

u

(

i

)

- бошқариш,

r

,

s

,

q

- маълум

( ) ( ( ),..., ( ))

1

19

даражага эга бўлган ночизиқли функция-

f

(

y

(

i

),...,

y

(

i

−

r

),

x

(

i

),...,

x

(

i

−

s

),

u

(

i

),...,

u

(

i

−

q

))

.

Объектнинг кириш катталиги координаталари ихтиёрий вақтда чегараланган,
яъни:

min max

u u i u

≤ ≤

( ) ,

min max

x x i x i N

≤ ≤

=

( ) , 1, .

Динамик жараённи ифодалаш учун Сугенонинг қатъиймас моделини

қўллаймиз. Бу модел қуйидаги қоидалар шаклида тасвирланади:



агар x i улса X

( ) б

k k

1 1





x i улса X x i улса X

( ) б ,..., ( ) б ,

k k km km

2 2









у ( ) ( ) ... ( ),

−

=

+

+

+

холда u i b b x i b x i

k k k k km km

0 1 1

(2)



=

1, ,

n





қатъиймас тўпламли ва

( ) ( ( ), ( ),..., ( ))

1 2

X

k

1

,

l

=

1,

m

k

=

k k km

киришлар ва

u

(

i

)

x i x i x i x i

k

чиқишни боғловчи чизиқли боғлиқлик.

Қатъиймас тўпламни берувчи асосий тавсиф Х

к

(х

к

) тааллуқлилик

функцияси бўлиб, у қуйидаги сигмоид кўринишига эга бўлади:

( ) (1 exp( ( )))

−

1

k k

=

+

k k

+

k

X x d x d

1 2

i

=

1,2,...,

N

вақт моментида (2) қатъиймас модел бўйича берилган

0

k

чиқишини аниқлаш механизми,

( ( ))

0

X x i

kl

киришларда

u

(

i

)

x i

( )







kl kl

таалуқлилик

функцияси ва

b

k

0

,

b

k

1

,...,

b

km

,



=

1,

n

,

l

=

1,

m

чизиқли тенгламанинг

коэффициентлари берилганда

қуйидагича аниқланади:









u i b b x i b x i

( ) ( ) ... ( ),

0 1 1

=

+

+

+

k k k k km km

(3)



=

1, ,

n

бу механизмни қатъиймас беш қатламли нейрон тўри сифатида қуйидагича

тасвирлаш мумкин.

Бунда биринчи қатламда ўзгарувчиларнинг

( ( )),..., ( ( ))

0 0





1 1

X x i X x i

k k km km

қоидага мос келишлик

θ

даражаси ҳисобланади, иккинчи қатламда эса



w

k

нинг қиймати ҳақиқийлиги ўзгарувчиларнинг алгебраик кўпайтмаси орқали
аниқланади:









( ( )) ( ( ))... ( ( ))

1 1 2 2

w X x i X x i X x i

=

k k k k k km km

Учинчи қатламда ҳақиқийликнинг нисбий нормаллашган қиймати

қуйидагича аниқланади:



w i





k

( )

( )

1 2

w i w i w i

i

n

=

k

+

+

+

( ) ( ) ... ( )

k k k





нинг қиймати (3) чизиқли тенглама бўйича

Тўртинчи қатламда

(

i

)

k

0

ҳисобланган

( )

u i

k

чиқишнинг қийматига кўпайтирилади. Бунда

0

0 0

x i x i x i

( ), ( ),..., ( )

k k km

га сонли қиймат берилиб

y

аниқланади.

1

2

Бешинчи қатламда

u

(

i

)

k

нинг якуний қиймати барча қоидалар бўйича

0

худди

( )

u i

k

нинг ўртача йигиндиси сифатида топилади:

20

=

n

∑







k k k

u i i u i

( ) ( ) ( )



=

1

Қатъиймас моделнинг ростлаш параметрларини векторини аниқлаш

учун

( ),..., , ( ),

* * *

x i x u i

k km

ларнинг қийматларидан фойдаланилади. Бунда

1

y

(

i

+

1) чиқиш катталиги унинг

H

y

номиналига қуйидаги шартни

қаноатлантирувчи қилиб олинади:

⎜

⎝⎛

1

N

⎞

(

(

(

)

, *

(

)

)

)

/ ,

=

∑

−

H

*

H H

J

⎟ ≤

*

y y x i u i y J

=

бу ерда

H

N

i

1

k

⎠

J

-ростлашнинг нисбий хатолигининг номинал қиймати. Кейинги

босқичда тармоқ ўргатилади. Бунинг учун корректловчи

матрица:

~

( 1)

~

( )

T

H i x i x i H i

− −

( ) ( 1)

=

− −

(4)

H i H i

k k k
k

( ) ( 1)

x i H i x i

~

1

~

( ) ( 1)

k k

+

−

T

( )

k

ва коэффициентлар

вектори ҳисобланада:

k k

~

( ) ( 1) ( )

*

( )).

~

( )( ( ) ( 1)

T

b i b i H i x i u i b i x i

k

=

k

−

+

k k

−

k

−

(5)

k



Олинган қатъиймас модел

b

l

,



=

1,

n

,

l

=

0,

m

тааллуқлилик функцияси

параметри





d

k

1,

l

d

k

2,

l

коэффициентларда ва

,

ни йўналтирилган ҳолда

ўқитилади.

Тармоқни ўқитиш учун интерактив адаптация назариясига асосланган

алгоритмни қўллаш таклиф этилган. Бу алгоритмнинг моҳияти хатолик

е

ни

ноаниқ шаклда ҳисоблашга асослангандир.

Интерактив адаптациялаш алгоритми қўлланилган тизим N

нимтизимларга бўлинади ва ҳар биттаси

y

n

интегралланувчи чиқиш ва

интегралланувчи кириш сигналларига эга бўлиб, улар ўртасидаги муносабат
қуйидаги функционал боғлиқлик орқали ифодаланади.

F

n

:

X

n

→

Y

n

,

n

=

1,2,...,

N

Тизимнинг

i

- элементининг муносабати қуйидагичадир:

y

i

(

t

)

=

F

i

[

x

n

(

t

)],

i

=

1,2,...,

N

Агар элементлар ва ташқи сигналлар ўртасидаги ўзаро таъсир чизиқли

ва қуйидаги тенглама орқали ёзилса:

∑

x

i

(

t

)

u

i

(

t

)



K

y

i

(

t

),

i N

, (6)

=

+

⋅ ∈

i

K J

∈

бу ерда

J

i

=

{

K

:

y

K

=

i

}

i

-элементнинг чиқишлари боғлиқликнинг тўплами,



K

боғлиқлик вазни бўлса, у ҳолда

i

-элементнинг кириш чиқиш муносабати

қуйидаги тенглама билан ёзилади:

i

=

i i

+

∑

K

⋅

i

∈

( ) [ ( )



( )],

y t F u t y t i N

i

K J

∈

Агар тизим (6) тенглама шаклида ёзилса у ҳолда



K

алоқалар вазни

қуйидаги қоида бўйича созланади:

⎜

⎜

⎝⎛

y

⎟

⎟

⎠⎞



E

∙ ∙

=

⋅

∑

' '

выхK





⋅



−



⋅ ⋅ ⋅

F x

[ ] [ ] ,

F x y

K вхK вхK

y

вхK вхK выхK

y

S Q
S

S



вхK

∈

выхЛ

вхK

21

бу ерда



>

0

- ўқитиш тезлигини аниқловчи коэффициент;

[ ]

'

вхK вхK

F x

- Фреше

ҳосиласи;

Е

– хатолик функцияси, к

∈

К.

(6) тенглама



K

учун ягона ечимга эга бўлиш шарти бажарилганда

хатолик функцияси

Е (у

1

, …, у

к

; u

1

, …, u

n

)

вақт бўйича монотон камаяди ва

қуйидаги тенгликни қаноатлантиради:



E

∙

,





K

=

− ∈



k K

K

Бундай ёндашувда нейрон тармоқ элементар нейро тармоқ шаклида

айрим элементларга бўлинади. Нейрон тармоқни ўқитиш алгоритми
қуйидагича тасвирланади:

∑

Pn



r

=

⋅

s Dns pres

∈

n

=



,

r

(

pn

)

бу ерда

n

- нейрон индекси,

s

- синапс индекси,

Dn

-

n

нейронларнинг кириш

синапсларининг йиғиндиси,

pres

ва

post

олди синаптик ва сўнги синаптик

нейронлар,



S

-

s

синапснинг вазни,

pn

–

n

нейроннинг мембранд потенциали,

r

n

–

n

нейронннинг қўзғалиш частотаси,



- сигмоид типидаги

фаоллаштириш функцияси. Бу функцияни қуйидагича тасвирлаш мумкин:



( )

=

11

x

−

x

+

e

Бу ҳолда синапслар вазни қуйидаги формула бўйича аниқланади

∙

(

)

pres posts posts posts s

=

r

−

P

+

⋅

f







( )



∙

бу ерда

∑

s



n



s



,

=

⋅

S A

n

∈

γ

– барча нейронлар учун тескари боғланиш коэффициенти,

φ

n

-

бевосита тескари хатолик сигнали.

Шундай қилиб, нейрон тўрлар ва қатъиймас моделларнинг ижобий

хоссаларини бирлаштириш ноаниқлик шароитидаги мураккаб динамик
объектларни бошқариш масалаларини самарали ечиш имконини беради.

Диссертациянинг

«Динамик объектларни интеллектуал бошқариш

тизимини алгоритмик синтези»

деб номланган тўртинчи бобида бошланғич

маълумотлар ноаниқлиги шароитида фаолият кўрсатаётган иерархик ташкил
этилган динамик объектларни интеллектуаллаштирилган бошқариш тизимини
қуриш тамойиллари келтирилган.

Кўпсатҳли иерархик тизимларда муҳим масалалардан бири унинг

осттизимларининг ишини координациялаш масаласини ечишдан иборатдир.
Агарда тизимда ноаниқлик мавжуд бўлса, қарор қабул қилиш масаласи янада
мураккаблашади.

Бундай ҳолда сатҳларни координациялаш бевосита барча бошқарилувчи

объектларнинг бошқариш сифатини умумлашган баҳоси бўлмиш сигналларни
бошқариш тизими олиши орқали амалга оширилади. диссертация ишида
бошқариш сатҳларини координациялаш учун икки сатҳли тизимларни
оптималлаш масалаларини тадқиқ қилиш таклиф этилади.

22

Бунда (

i

-1)- сатҳдаги масалани ечиш учун

i

сатҳдаги оптималлаш натижаси

x

қуйидаги кўринишда ёзсак:

берилган ҳисобланади. Агарда

N

x

N

=

{

x

ij

}

,

i

=

1,

N

,

j

=

1,

M

i

- бошқариш сатҳидаги осттизимлар

M

=

m

i

- сони бўлса,

(

1

)

1

x j

i

−

j

=

m

i

−

, 1,

ечимни топиш учун барча ечимлар

ij

m

i

0

=

қабул қилинган ҳисобланади.

x

,

j

1,

Бу ҳолда локал бошқариш тизимининг динамикаси қуйидагича

ифодаланиши мумкин:

∙

ҳолатнинг қатъиймас тенгламаси

d x dt A x B u, μ

(

s

)

⊗ ⊕ ⊗

S

=

,

∙

кузатувчининг қатъиймас тенгламаси

y

=

C

⊗

x

,

∙

қатъиймас бошланғич шартлар

x

0

=

D

,

(

)

(

)

n

x

2

0

=

D

2

,...,

x

n

0

=

D

,

(

)

1

1

бу ерда

⊗

,

⊕

- қатъиймас қўшиш ва кўпайтириш операциялари;

u

– қатъиймас

қийматни қабул қилувчи бошқариш сигнали;

x

=

{

x

1

,

x

2

,...,

x

i

,...,

x

n

}

-қатъиймас

ҳолат вектори,

i=1,2,…,n

;

y

=

{

y

1

,

y

2

,...,

y



,...,

y

l

}

– қатъиймас чиқиш

ўзгарувчиларининг вектори,

ς=1,2,…,l

;

(

s

)



-

s

ҳолат ўзгарувчиларининг

S

қатъиймас (ўзгарувчи) сонининг кўрсаткичи ва ҳолат тенгламасининг вазни;

⎢⎢

⎢

⎣⎡

1 1

A A



⎥⎥

⎥

⎦⎤ ⎢⎢

⎢

⎣⎡

B

1

⎥⎥

⎥

⎦⎤ ⎢⎢

⎢

⎣⎡

1 1

C C

⎥⎥

⎥

⎦⎤

n

1



n

A

1

, ,

моделнинг қатъиймас

=







B

=



C

=







n

A A



n n

B

l

l

C C

1

n

1



n

коэффициентлар матрицаси.

Ҳолат векторининг бирон бир

i

-ўзгарувчиси вақт функцияси сифатида

қатъиймас муносабат шаклида ифодаланиши мумкин:

(

)

{

(

i

)

}

xi

x t

=

t

,

x



t

,

x

,i=1,

l i

2,…,n

,. Кўрсатилган ўзгарувчи белгиланган вақт моментида қатъиймас тўплам

кўринишида ифодаланиши мумкин.

{

(

i

)

}

xi

x

i

=

x



x

. Худди шунга

i

ўхшаш

ς

чиқиш ўзгарувчиси қуйидагича ёзилиши мумкин:

{

(



)

}







( )

=

, ,

, ς = 1, 2,…,l,

y t t y



t y

y

{

(



)

}







=

,

y y



y

y

бу ерда

,

тааллуқлилик

функцияси;







xi y



x y

i

,

- универсал тўпламдан қиймат

A

,

B

,

C

матрицасининг элементлари қатъиймас тўплам шаклида берилган

бўлсин:

1

n

{

(

)

}

{

(

)

}

1

1

1

n

n

n





A A A A A A

=

=

, , ,

1 1
1

A

1

1



n

n

n

An

n

{

(

)

}

{

(

)

}

1

1

1

n

n

n





B B B B B B

=

=

,..., ,

B

1

l

B

{

(

)

}

, ,

{

(

)

}

.

1

1

1

l

l

l





C C C C C C

=

=

1

1

C

1

1



n

n

Cn

n

Бошланғич шартлар қатъиймас тўрплам сифатида қуйидагича

ифодаланади

{

(

i

)

}

Di

i

D

i

=

x



x

, ҳолат вектори ўзгарувчисининг сони қуйидагича

23

ёзилади,

S

{

s

(

s

)

}

S

=



, бу ерда

s=1,2,…,n

ҳолат вектори ўзгарувчисининг тартиб

номери.

Тааллуқлилик функцияси аналитик муносабат сифатида берилиш

мумкин, масалан

x

i

ўзгарувчиси учун

(

)

(

)









x x a b b

=

=

, , , , ,

Xi Xi Xi Xi Xi X i

1 2 1 2

i

(

(

))

(

(

))

(

(

))(

(

))

1

sign b a x

−

+

1

−

sign b a x

−

+

1

⎜

⎜

⎝

⎛

+

⎟

⎟

⎠⎞





1

=

−

b a x

Xi Xi

2

1 2

Xi Xi

+

−

Xi Xi

1

Xi Xi

b a x

1

2

2

Бу ерда

X

i

Xi Xi

2

a

тааллуқлилик функцияси модаси,

Xi

b

1

ва

Xi

b

2

коэффициентлар тааллуқлилик функциясининг кенглигини беради,

1

Xi



ва

2

Xi



эса бу функциянинг

x

i

ўққа нисбатан оғишини кўрсатади,

Xi

b

1

,

Xi

b

2

,

1

Xi



,



коэффициентлар ихтиёрий кўринишдаги тааллуқлилик функциясини

2

Xi

шаклини ҳосил қилиш имконини беради ва ноаниқликнинг кўрсаткичи

сифатида қўлланилиши мумкин.

Бошқариш тизимининг сифат кўрсаткичлари (ўткинчи жараён вақти,

максимал оғиш, кузатиш хатолиги ва бошқалар) фойдалилик функцияси
шаклида қуйидаги кўринишда берилади:

{

(

)

}

з

з



з

з

Q Q Q k K

=

=

k

k

Qk

k

,

1,2,..., ,

(

)

(

, , , , ,

)

,

з

з
з з

з
з

з

23









Q Q a b b

=

Xi

1 2 1

Xi Xi

Qk

k

k

Xi

Xi

бу ерда

K-

бошқариш тизимининг сифат кўрсаткичлари сони. Бошқаришнинг

берилган сифат кўрсаткичлари асосида эталон модел аниқланади:

x



=

A x

+

B u

м м м м м

бу ерда

u

м

-

тизимнинг кириш катталиги;

x

м

(t)

– эталон ҳолат вектори. Ҳолат

векторлари ўзгарувчилари ва бошқаришнинг чегаравий қиймати қуйидаги
кўринишда берилиши мумкин;

(

)

(

)





g x u t x g x u t x

, , , , , , , ,...,

<

<

1 1max 2 2 min

(

)

(

)





g x u t x g x u t x

, , , , , , , ,...,

<

<

2 1 max 2 min

n n n n

−

(

, , ,

)

,

(

, , ,

)

.





g x u t u g x u t u

<

<

m m

−

1 max min

Бошқариш тизимини сифат кўрсаткичларини аниқлаш учун бошқариш

объектининг

a

(

t

)

x

i

,

a

(

t

)

y

, вақт характеристикалари ҳамда тааллуқлилик

i

функциясининг

b

(

t

)

1

xi

,

b

(

t

)

2

xi

,

b

(

t

)

1

yk

,

b

(

t

)

2

yk

кенглиги бўйича аниқланадиган

қатъиймаслик параметрлари қўлланилади. Бошқариш объекти ҳақида
маълумотларнинг ноаниқлигини камайтириш ва бошқариш сифат
кўрсаткичларини яхшилаш учун қуйидаги қийматлар максималлаштирилади

1

xi

,

b

(

t

)

2

xi

,

b

(

t

)

1

yk

,

b

(

t

)

b

(

t

)

2

yk

.

Бошқариш алгоритмига робастлилик
хоссасини бериш учун тезкор

градиентнинг дискрет алгоритмини параметрик шаклда қўллаш таклиф
этилган. Бу эса мураккабликни минимумлигини таъминлайди ва бошқариш
сигнали ҳамда уни ўзгариш тезлигига қўйилган чегарани ҳисобга олиш
имконини беради.

Бошқариш тизимнинг ўткинчи жараёнининг аниқлиги ва сифатини

24

яхшилаш мақсадида бошқариш алгоритмига бошқариш сигналларини
компромис вариантини танлаш бўйича қарор қабул қилиш алгоритми
қўлланилган.

У ҳолда такомиллаштирилган бошқариш қонуни қуйидаги кўринишга

эга бўлади:

n

(

)

(

)

∑

(

)

(

)

Σ

Σ

u k t u t k t x t

=

⋅

+

⋅

,

u м x i

i

=

1

Σ

Σ

Σ

Σ

[

1

]

[

](

1

)

(

)

[

]

[

]

[

1

]

[

1

]

,













k t k k h h t x t h t x t

1

+

=

1

−

3

+

5

−

4

⋅

1

−

5

⋅

+

1

+

x x

[

1

]

[

](

1

)

(

)

[

]

[

]

[

1

]

[

1

]

,

+

=

−

3

+

5

−

4

⋅ −

5

⋅

+

+

Σ

Σ

Σ

Σ













k t k k h h t x t h t x t

xn xn n n

[

1

]

[

]

(

1

)

(

)

[

]

[

]

[

1

]

[

1

]

,

k

u

t

+

=

k

u

k

−

h



1

+

h



6

−



2



⋅

t u

м

t

−

h



6



⋅

t

+

u

м

t

+

бу ерда

t = mh, h>0 –

дискретлаш қадами, ,

m=0,1,2,…,m

;



=

{



1

,



2

,



3

,



4

,



5

,



6

}

Σ

- адаптив регулятор параметрлари;

(

)

(

)

=

∫

−

e x x



e dx

ҳолат вектори

i i iм

e i i

X

i

i

ўзгарувчилари ва ҳолатнинг эталон ўзгарувчилари ўртасидаги фарқ;

(

)

(

)

ei ei ei

ei ei

i



=

, , , ,



,



- хатолик тааллуқлилик функцияси;

φ

–

ei

e e a b b

1 2 1 2

i

тааллуқлилик функциясининг аналитик кўриниши;

ei xiiм

a

=

a

−

x

,

1

ei

1

xi



=



,

Σ



=



,

ei xi

=

,

ei xi

=

,

=

∫

2

ei

2

xi

b b

1 1

b b

2 2

x x dx

- ҳолатнинг

интеграллашган

i i i

X

i

n

Σ

ўзгарувчилар вектори;

[

]

∑



,

h

i

– объект матрицасининг

⋅

=

⋅

t k e

ii i

=

1

коэффициентлари ва

В

м

эталон модел матрицаси коэффициентларидан

олинган коэффициентлар.

Шунингдек бу бобда турли ноаниқ ҳалақитларга робастликни

таъминловчи динамик объектларни интелектуаллаштирилган бошқариш
тизимини тадқиқ қилишнинг адаптив нейро-қатъиймас алгоритмларини
қуриш масаласи кўрилган.

Таклиф этилган синтезлаш алгоритмлари кенг спектрдаги ҳалақит

мавжуд бўлганда динамик объектларни бошқариш тизимларини лойиҳалаш
масалаларини қўлланилиш соҳасини кенгайтиради.

Диссертациянинг «

Ишлаб чиқилган модел ва алгоритмларни

технологик

объектларни

бошқариш

жараёнларини

интеллектуаллаштириш масалаларига амалий татбиқ этиш

» номли

бешинчи бобида априор ноаниқлик шароитларида технологик объектларни
бошқариш

ва

автоматлаштирилган

мониторингини

интеллектуаллаштиришнинг техник воситаларини яратиш масалаларида
ишлаб чиқилган бошқариш жараёнларини интеллектуаллаштириш модел ва
алгоритмларини қўллаш натижалари келтирилган.

Мисол сифатида ректификация колоннаси технологик жараёнларини

интеллектуал адаптив нейро-қатъиймас бошқариш тизимларини яратиш
масалалари кўриб чиқилган. Ректификация колоннасининг самарадорлиги
концентрациянинг колонна бутун баландлиги бўйича тақсимланиши жорий
профили билан аниқланади. Ректификация колоннаси ҳароратли профилининг
математик моделини қуришда Лъюса-Матисон услубидан фойдаланилган. У
ҳолда объект модели қуйидагича кўринишга эга бўлади:

25

dY t

⎪⎪⎪⎪⎪⎪⎪⎪

⎪

⎨⎧

T

1

( )

⋅

+

=

⋅ −

Y t k X t

( ) ( )



1

dt
dY t

1 1 1 1

T

2

( )

⋅

+

=

⋅ −

Y t k Y t

( ) ( )



2

dt
dY t

2 2 1 2

T

3

( )

⋅

+

=

⋅ −

Y t k Y t

( ) ( )



3

dt
dY t

3 3 2 3

T

4

( )

⋅

+

=

⋅ −

Y t k Y t

( ) ( )



4

dt

4 4 3 4

⎪⎪⎪⎪⎪⎪⎪⎪

⎪⎩

Y t K Y t K Y t

( ) 0 ,5 ( 1 ( ) 2 ( ))

=

⋅ ⋅

+

⋅

5 4 6

dY t

T

6

( )

⋅

+

=

⋅ −

Y t k Y t

( ) ( )



6

dt
dY t

6 6 7 6

T

7

( )

⋅

+

=

⋅ −

Y t k Y t

( ) ( )



7

dt
dY t

7 7 8 7

T

8

( )

⋅

+

=

⋅ −

Y t k X t

( ) ( )



8

dt

8 8 2 8

Математик моделда

Y

(

t

)

1

,

Y

(

t

)

2

,

Y

(

t

)

3

,

Y

(

t

)

5

,

Y

(

t

)

7

,

Y

(

t

)

8

– мос

равишда колонна куби, 16-, 22-, 28- (таъминлаш тарелкалари), 37- колонна
юқори қисмларининг ҳароратлари,

Y

(

t

)

4

- таъминлаш тарелкасининг

тагидан бериладиган буғнинг ҳарорати,

Y

(

t

)

6

- таминлаш тарелкасининг

тепасидан тушувчи суюқлик ҳарорат,

X

(

t

)

1

,

X

(

t

)

2

- қиздирилган буғ ва

совутиш агентининг сарфи,

T

1

…

T

8

– бошқариш объекти мос каналлари

динамик тавсифларининг вақт доимийлари,

1

k

…

8

k

– бошқариш объекти

мос каналлари бўйича узатиш коэффициентлари,

1



…

8



– бошқариш

объекти мос каналлари бўйича кечикиш вақтининг қийматлари,

K

1

,

K

2

–

созлаш коэффициентлари,

t

– аналогли вақт. Тадқиқ этилаётган мазкур

автоматик бошқариш тизими ташқи қўзғатувчи таъсирлар остида (масалан,
буғ сарфи ўзгариши 15% дан кўпроқ бўлганда), ёки бошқариш объектида
параметрик ўзгаришлар (масалан, аралашма таркиби ўзгариш 10%

бўлганда) жараённинг сифат кўрсаткичлари сезиларли даражада
ёмонлашади, натижада хом ашё исрофи ортади. Бошқариш жараёнининг
сифат кўрсатгичини яхшилаш мақсадида объектга динамик ростлаш
ҳатолиги ўзгариш диапазонида ва унинг бошланиш қийматига нисбатан
интегралидан бошқариш таъсирини ишлаб чиқувчи интеллектуал
ростлагич улаймиз. Бунинг асосида ректификация колоннасининг ҳарорат
профилини адаптив нейро-қатъиймас ростлаш тизимининг имитацион
модели ишлаб чиқилди ва ташқи муҳит ҳамда параметрик қўзғатувчи
таъсирлар остида қатор ҳисобий тажрибалар ўтказилди (3-расм).

Бошқаришсиз ҳолатдаги хом ашёнинг йўқотилиши
Робаст стабиллаш ҳолатидаги хом ашёнинг йўқотилиши
Интеллектуал бошқариш ҳолатидаги хом ашёнинг

3-расм. Хом ашёнинг йўқотилишининг бошқариш жараёнидаги графиги

26

Тадкикотлар шуни кўрсатдики, синтез қилинган нейро-қатъиймас

тизимнинг бошқариш алгоритми асосида бошқарилаётган катталикнинг
жорий қиймати талаб этилган катталикдан оғиши 2,5% дан ошмаслиги
яққол кўриш мумкин. Бунда тизимнинг хом ашё сарфи ва қиздирувчи буғ
ҳароратининг ўзгариши бўйича ғалаёнларга робастлиги ҳам таъминланди.

Дастурий комплекс кўринишида яратилган технологик бошқарув ва

мониторинг ахборот-таҳлил тизими Узбекистон республикасининг катор
корхоналарида қўлланилиши натижасида ахборотлар оқимини қайта ишлаш
ва маълумотларни таҳлил қилишга сарфланадиган вақт 1,26 марта қисқарди,
энергетик объектларнинг технологик иш режимларини оптималлаштириш
ҳисобига энергиянинг сарфи 1,15% га қисқаришига эришилди.

ХУЛОСА

«Ноаниқлик шароитида динамик объектларни бошқариш жараёнларини

интеллектуаллаштириш моделлари ва алгоритмларини яратиш» мавзусидаги
докторлик диссертацияси бўйича олиб борилган тадқиқотлар натижасида
қуйидаги хулосалар тақдим этилди:

1. Динамик объектларни интеллектуал бошқариш масалаларини

ечишнинг усуллари ва алгоритмларини тизимлаштириш ва таҳлил қилиш
асосида автоматик бошқариш назарияси ва интеллектуал технология
тамойиллари базасида динамик объектларни интеллектуал бошқариш
тизимларини яратишнинг назарий асослари ривожлантирилган.

2. Ноаниқлик шароитида фаолият кўрсатадиган динамик объектларни

интеллектуал бошқариш тизимларини яратишда классик бошқариш назарияси

ва интеллектуал бошқариш усулларини интеграллашга асосланган янги сифат
кўрсаткичли ёндашув таклиф этилган.

3. Технологик объектлар бошқарилувчи жараёнларининг динамик

хоссаларини ҳисобга олиш имконини берувчи ва мослашувчанлик хоссаларига
эга интеллектуаллашган гибрид моделлар мажмуаси ишлаб чиқилган.

4. Нейрон тўрлар, ноаниқ мантиқ, генетик алгоритмлар ва классик

бошкариш назарияси усуллари асосида мураккаб шаклланувчи бошқариш
жараёнларини моделларини шакллантириш ва динамик объектларни
бошқариш жараёнини интеллектуаллашнинг математик асоси бўлган
технологик жараёнларнинг гибрид моделларини яратиш услубияти ишлаб
чиқилган.

5. Иерархик таҳлил усуллари, баҳолаш процедуралари ва қатъиймас

мантиқ усуллари базасида бошқариш тизими фаолиятининг моделини танлаш
асосида динамик объектларни тадқиқ қилишнинг самарали ечимини
таъминловчи моделлаш алгоритмларини яратишнинг алгоритмик асослари
ишлаб чиқилган.

6. Структураси, параметрлари ва вазиятлари ноаниқлик шароитида

интеллектуал бошқариш тамойиллари ва анъанавий автоматик бошқариш
назарияси усулларини ўз ичига олган динамик объектларнинг бошқариш

27

масаласини интеллектуал ечувчиси ишлаб чиқилган.

7. Динамик объектларни идентификациялаш ва генетик алгоритмлар

комбинациялари шаклидаги интерактив адаптация усулига асосланган
адаптив нейро-қатъиймас комбинациялашган бошқариш тизимини синтезлаш
ҳамда адаптив башоратлаш, тизимнинг ўлчанмайдиган координаталарини
аниқлаш ва бошқариш тизимининг параметрларини

коррекциялаш

алгоритмлари ишлаб чиқилган.

8. Тадқиқ этилаётган интеллектуал бошқариш тизимини иерархик

ифодаланишига асосланган интеллектуал бошқариш тизимини тадқиқ қилиш
ва иерархик кўп сатҳли моделлаштириш тамойили ишлаб чиқилган.

9. Динамик объектнинг модели ва ташқи таъсирлар ҳақидаги

маълумотлар

тўлиқ

бўлмаганда,

бошқариш

тизимининг

сифат

кўрсаткичларига нейрон тўрлари параметрларининг таъсирини баҳолаш,
бошқариш тизимнинг структураси ва унинг элементларини ўзаро боғлиқлик
моделини аниқлаш процедураларини ўз ичига олган адаптив нейро
қатъиймас бошқариш тизимининг синтезлаш алгоритмлари яратилган. 10.
Энергетик объектлар ва нефть-кимё мажмуаларининг технологик
агрегатларини оптимал ишлаш режимларини танлаш ҳисобига энергия
сарфини камайтириш ва унинг натижасида ишлаб чиқариш самарадорлигини
ошириш ҳамда турли авария вазиятларини олдини олиш имконини берувчи
объектларнинг технологик параметрларини автоматлаштирилган мониторинги
ва бошқариш тизими ишлаб чиқилган.

28

НАУЧНЫЙ СОВЕТ ПО ПРИСУЖДЕНИЮ УЧЕНОЙ СТЕПЕНИ

ДОКТОРА НАУК 16.07.2013.Т.02.01 ПРИ ТАШКЕНТСКОМ

ГОСУДАРСТВЕННОМ ТЕХНИЧЕСКОМ УНИВЕРСИТЕТЕ и

ИНСТИТУТЕ ЭНЕРГЕТИКИ И АВТОМАТИКИ

ТАШКЕНТСКИЙ ГОСУДАРСТВЕННЫЙ

ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

СИДИКОВ ИСАМИДИН ХАКИМОВИЧ

КОНСТРУИРОВАНИЕ МОДЕЛЕЙ И АЛГОРИТМОВ

ИНТЕЛЛЕКТУАЛИЗАЦИИ ПРОЦЕССОВ УПРАВЛЕНИЯ

ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ В УСЛОВИЯХ

НЕОПРЕДЕЛЕННОСТИ

05.01.08 – Автоматизация и управление

технологическими процессами и производствами

(технические науки)

АВТОРЕФЕРАТ ДОКТОРСКОЙ ДИССЕРТАЦИИ

Ташкент – 2016

29

Тема докторской диссертации зарегистрирована за №30.09.2014/В2014.5.Т309 в Высшей

аттестационной комиссии при Кабинете Министров Республики Узбекистан.

Докторская диссертация выполнена в Ташкентском государственном техническом

университете.

Полный текст докторской диссертации размещен на веб-странице научного совета по

присуждению ученой степени доктора наук 16.07.2013.Т.02.01 при Ташкентском государственном
техническом университете и Институте энергетики и автоматики по адресу www.tdtu.uz.

Автореферат диссертации на трех языках (узбекский, русский, английский) размещен на

веб-странице по адресу www.tdtu.uz и Информационно-образовательном портале «ZIYONET».

Научный консультант: Игамбердиев Хусан Закирович

доктор технических наук, профессор

Официальные оппоненты: Бекмуратов Тулкин Файзиевич

доктор технических наук, профессор, академик

Адилов Фарух Тулкунович

доктор технических наук

Назаров Улугбек Султанович

доктор технических наук, профессор

Ведущая организация: Ташкентский химико-технологический институт

Защита диссертации состоится « 23 » июля 2016 г. в _10

00

_ часов на заседании научного

совета 16.07.2013.Т.02.01 при Ташкентском техническом университете и Институте энергетики и
автоматики по адресу: 100095, г.Ташкент, ул. Университетская, 2. Тел: (99871) 246-46-00; факс:
(99871) 227-10-32; e-mail: tstu_info@tdtu.uz.

С докторской диссертацией можно ознакомиться в Информационно-ресурсном центре

Ташкентского государственного технического университета (регистрационный номер 14). Адрес:
100095, г. Ташкент, ул. Университетская, 2. Тел.: 246-03-41.

Автореферат диссертации разослан «_07_»__июля__ 2016 года.

(протокол рассылки № 3 от «_07_»__июля__ 2016 г.)

Н. Р. Юсупбеков

Председатель научного совета по присуждению

ученой степени доктора наук,

д.т.н., профессор, академик

О. О. Зарипов

Ученый секретарь научного совета по присуждению

ученой степени доктора наук,

д.т.н., доцент

Ш. М. Гулямов

Председатель научного семинара

при Научном совете по присуждению

ученой степени доктора наук, д.т.н., профессор

30

ВВЕДЕНИЕ (аннотация докторской диссертации)

Актуальность

и востребованность темы диссертации.

На

сегодняшний день в мировой практике в сфере автоматизации ведущее место
занимает создание высокоэффективных систем управления технологическими
процессами с привлечением интеллектуальных технологий. Одной из
наиболее актуальных задач стремительно развивающегося современного
информационного общества является управление реальными динамическими
системами на основе обработки и анализа огромных потоков данных. В этом
направлении определенные успехи достигнуты в ведущих странах мира,
таких как США, Германия, Япония, Южная Корея и др., где уделяется
пристальное внимание по совершенствованию системы управления
технологическими объектами для обеспечения конкурентоспособность
продуктов и эффективности производства в промышленной и
непромышленной сфере. В настоящие время в этих странах применяемые
интеллектуальные системы управления производством составляют около
40-45%

1

. В результате этого обеспечивается уменьшение расхода ресурсов и

энергии на 35%

2

.

В Республике Узбекистан проводятся широкомасштабные мероприятия

по эффективной организации мер по созданию высокоэффективных систем
управления технологическими процессами и производствами. В этой сфере, в
том числе, по разработке эффективных систем управления отдельными
технологическими объектами в различных отраслях производства,

интеллектуализации процессов управления, совершенствовании методов
исследования интеллектуальных систем управления, создании
интеллектуальных средств процессов управления, проводится ряд
исследовательских работ.

В мире пристальное внимание уделяется разработке нейро-нечетких

моделей

и

алгоритмов

синтеза

систем

управления

в

задачах

интеллектуализации систем управления технологическими объектами,
формирования базы знаний и использования их при совершенствовании
управляемых систем. В этой области осуществление целенаправленных
научных исследований является приоритетной проблемой, при этом весьма
актуальны исследования в следующих направлениях: разработка гибридных
моделей динамических процессов на основе нейронных сетей и нечеткой
логики, позволяющие учитывать особенности динамических объектов;
интеллектуализация процессов управлении на основе совместного
применения современных методов теории управления и принципов
интеллектуализации; разработка инструментальных и программных средств
интеллектуализации процессов управления; разработка высокоэффективных
алгоритмов адаптивного и робастного управления; создание базы знаний на
основе моделей и алгоритмов управления; разработка программно
инструментальных средств интеллектуализации автоматизированного

1

Электронный журнал «Системный анализ в науке и образовании», №2, 2015 (www.http://sanse.ru);

2

Международный журнал «Проблемы теории и практики управления», 5/2014. (www.https://istina.msu/ru).

31

мониторинга и управления динамическими объектами в условиях
неопределенности.

Данное диссертационное исследование в определенной степени служит

выполнению задач, предусмотренных в Постановлении Президента
Республики Узбекистан №ПП-1989 от 27 июня 2013 года «О мерах по
дальнейшему развитию национальной информационно-коммуникационной
системы», а также в других нормативно-правовых документах, принятых в
данной сфере.

Соответствие исследования с приоритетными направлениями

развития науки и технологий республики.

Данное исследование выполнено

в соответствии приоритетного направления развития науки и технологий
республики IV. «Развитие информатизации и информационно
коммуникационных технологий».

Обзор зарубежных научных исследований по теме диссертации

3

.

Научные

исследования, направленные на разработку и создание интеллектуальных

систем управления технологическими процессами и производствами

различного функционального назначения, осуществляются в ведущих научных

центрах и высших образовательных учреждениях мира, в том числе, в Togai

Infra Logic, Omron, Micro Devices, Johnson Space Centre, Department of Electron

and Intellegent System (США), Международной лаборатории LIFE, Hitachi,

Mitsubishu Elektric, Ibaraki University, Kawasaki Medical Schcool (Япония),

Siemens (Германия), Wecan Agrotexservis (Южная Корея), ZIFIT, BISC (США),

университетах Зиген (Германия), Инха (Узбекистан), Донгук (Южная Корея),

мультимедийном обществе Корея.

В результате мировых исследований по совершенствованию моделей и

алгоритмов интеллектуализации процессов управления динамическими
объектами в условиях неопределенности получены ряд научных результатов,
в том числе, разработаны: интеллектуальная бортовая система управления
летательными аппаратами (Johnson Space Centre, США); нечеткая система
управления температурным режимом в процессе хранения плодоовощных
продуктов (Wecan Agrotexservis, Южная Корея); интеллектуальная система
управления микроклиматом в автомобилях (Hitachi, Япония); нечеткая
система управления одиночным и группой лифтов (Mitsubishu Elektric,
Япония); интеллектуальные датчики (Siemens, Германия); экспертная
медицинская система (Kawasaki Medical Schcool, Япония); система
управления

движением

поездов

метрополитена

линии

Нанбоку

(Международная лаборатория LIFE, Япония); интеллектуальные роботы
(Ibaraki

University,

Япония);

интеллектуальные

микроконтроллеры

(Department of Electron and Intellegent System, США).

3

Обзор зарубежных научных исследований по теме диссертации осуществлялся на основе:

http://www.works.doklad.ru, http://www.refdt.ru, http://www.km.ru, http://osp.ru/os; Захаров В. Интеллектуаль
ные технологии в современных системах управления // Международный журнал «Проблемы теории и
практики управления». -М.: №5/2005. – С.96-100 и других источниках.

32

В мировых исследованиях по разработке инструментальных средств

создания интеллектуальных систем управления динамическими объектами с
привличением достижений современных информационных технологий по
ряду приоритетных направлений проводятся научные исследования по

формированию математических моделей динамических объектов с учетом

неопределенностей; разработке нейро-нечетких моделей процессов
управления технологическими процессами; алгоритмов интеллектуализации
процессов управления динамическими объектами; инструментальных средств
автоматизированного мониторинга и управления динамическими объектами;
комплексов программ для решения задач интеллектуализации процессов
управления динамическими объектами в условиях неопределенности.

Степень

изученности

проблемы

.

Вопросам

исследования

теоретических и практических задач по интеллектуализации процессов
управления динамическими объектами и созданию высокоэффективных
систем управления с учетом различных факторов сложности и

неопределенности, интеллектуальных систем управления технологическими
объектами и процессами в условиях структурной, параметрической и
ситуационной неопределенностей, посвящены работы ряда учёных: Abraham
A., Aliev R.A., А.Allgöwer, Griffin M.F., Hunt K.J., Irwin G., Kraszewski Р., Li
Ning, Li Shao Yuan, Piegat А., Stolcman S., Sugeno M., Tanaka K., Wang H.O.,
Warwick K., Xi Yu Geng, Zadeh L.A., Zheng A., Алтунина А.Е., Бобко В.Д.,
Борисова А.Н., Васильева С.Н., Верлань А.Ф., Вострова Н.Н., Пупкова К.А.,
Тарасова В.Б., Ульянова С., Абдуллаева Д. А., Абуталиева Ф.Б., Адилова Ф.Т.,
Арипова М.М., Бекмуратова Т.Ф., Гулямова Ш.М, Жуманова И.И.,
Игамбердиева Х.З., Кадырова А.А., Камилова М.М., Марахимова А.Р.,
Мухамедиевой Д.Т., Рахматуллаева М.А., Усманова Р.Н., Юсупбекова Н.Р. и
др.

Со стороны ряда учёных (F.L. Smidth, Р.А. Алиев, У. МакКаллак, У.

Питтс, Т. Кохонен, Дж. Хопфилд и др.) велись исследования, посвященные
вопросам разработки и использования нечетких регуляторов в задачах
управления сложными нелинейными динамическими объектами, в которых
получены весьма важные результаты, в частности, созданы и используются в
промышленности

нейро-нечеткие

контроллеры

и

разнообразные

интеллектуальные системы.

Исследованию вопросов создания интеллектуальных систем управления

с применением экспертных систем посвящены работы М. Сугено, Т. Ямакава,
Т. Такаги, С. Ясунобу, Л. Заде, Н.Г. Ярушкиной, П. Жексон, R. Davis, Т. Саати,
Е. Мамдани, Д.А. Поспелова, Т.Ф. Бекмуратова, Н.Р. Юсупбекова и др., в
которых обоснована необходимость непосредственного
учета неопределенности параметров и характеристик, касающихся
динамических объектов, а также неточности и нечеткости информации в
моделировании и управлении технологическими процессами. Вместе с тем, в
научных публикациях в недостаточной мере рассмотрены вопросы
систематизации известных подходов и разработки совершенных

33

инструментальных средств создания интеллектуальных систем управления
динамическими объектами, а также дальнейшего совершенствования и
создания эффективных методов конструирования моделей и алгоритмов
интеллектуализации процессов управления динамическими объектами в
условиях неопределенности.

Связь темы диссертации с научно-исследовательскими работами

высшего образовательного учреждения, где выполнена диссертация.

Диссертационное исследование выполнено в рамках следующих научно
исследовательских проектов Ташкентского государственного технического
университета по темам: 0.80.02 - «Разработка и внедрение интеллектуальных
систем с программно-алгоритмической поддержкой принятия управ ленческих
решений в задачах анализа и синтеза иерархических многоуровневых систем
управления непрерывными и дискретными технологическими объектами»,
(2001-2003); П20.22 - «Разработка методов и алгоритмов автоматизированного

исследования иерархических мульти микропроцессорных систем управления
технологическими объектами», (2004-2006); А-14.002 - «Разработка
инструментальных средств создания моделирующих, прогнозирующих и
адаптивных систем на основе интеллектуализации процессов управления
сложными динамическими объектами», (2006-2008); ИТД-5-36 - «Разработка
информационно аналитической интеллектуальной системы мониторинга
технологической безопасности нефтехимических установок и комплексов»
(2012-2014); А-5-42 - «Программно-инструментальные средства
интеллектуализации автоматизированного мониторинга и управления
технологическими объектами в условиях априорной неопределенности»
(2015-2017).

Целью исследования

является разработка моделей и алгоритмов

интеллектуализации процессов управления динамическими объектами в
условиях неопределенности

Задачи исследования

:

системный анализ современного состояния теории и практики

исследования систем управления динамическими объектами в условиях
неопределенности и размытости производственных ситуаций;

разработка принципов и методологии интеллекуализации процессов

управления сложными динамическими объектами в условиях
неопределенности;

структуризация и алгоритмизация задач интеллектуализированного

моделирования систем управления динамическими объектами; разработка
алгоритмов анализа и синтеза адаптивных нейро-нечетких систем управления
сложными динамическими объектами;

разработка алгоритмической основы конструирования моделирующих

алгоритмов исследования динамических объектов;

практическая апробация разработанных моделей и алгоритмов

исследования систем управления динамическими объектами при решении
задач автоматизированного управления технологическими процессами.

34

Объектом

исследования

являются

системы

управления

динамическими

объектами,

функционирующими

в

условиях

неопределенности и размытости производственных ситуаций.

Предмет исследования

- принципы и методы интеллектуализация

процессов

управления

динамическими

объектами

в

условиях

неопределенности на основе нейронечетких моделей.

Методы исследований.

В диссертации использованы методы системного

анализа, теории нечетких множеств, математического модели рования, теории

автоматического управления, теории интеллектуального управления, теории

искусственного интеллекта и методы оптимизации.

Научная новизна исследования

заключается в следующем: выявлены

основные классы решаемых задач, разработаны принципы

интеллектуализации процессов управления динамическими объектами,
функционирующих в условиях неопределенности;

разработан качественно новый подход к созданию систем

интеллектуализации процессов управления динамическими объектами,
функционирующими в условиях неопределенности и расплывчатости
производственных ситуаций, на основе интеграции методов современной
теории управления и интеллектуальных технологий;

разработан комплекс интеллектуализированных гибридных моделей

систем управления динамическими объектами, обладающий адаптивными
свойствами, и позволяющий в отличие от известных типов моделей учитывать
динамические особенности управляемых процессов;

разработаны алгоритмические основы конструирования моделирующих

алгоритмов

исследования

динамических

объектов,

обеспечивающие

эффективное решение задач выбора наилучших моделей и принятия
управленческих решений;

создан

интеллектуализированный

решатель

задач

управления

динамическими объектами, сочетающий в себе методы традиционной теории
автоматического управления и принципы интеллектуального управления, в
условиях структурной, параметрической и ситуационной неопределенностей;

разработаны алгоритмы определения неизмеряемых координат объекта,

коррекции параметров системы управления, а также синтеза системы
управления динамическими объектами на основе адаптивных нейро-нечетких
и прогнозирующих моделей.

созданы

алгоритмы

синтеза

адаптивной

нейро-нечеткой

комбинированной

системы

управления

динамическими

объектами,

основанный на методе интерактивной адаптации, представляющий собой
комбинацию алгоритма идентификации и генетических алгоритмов, который
позволяет эффективно решать задачи управления промышленными объектами
в условиях неопределенности.

Практические результаты исследования

заключаются в следующем:

разработаны инструментальные средства интеллектуализации процессов

управления динамическими объектами в виде программного комплекса,

предназначенные для автоматизации процесса формирования

35

гибридных моделей слабоформализуемых процессов, пополнения базы
знаний и синтеза системы управления на основе поставленной цели; создана
система автоматизированного мониторинга и управления технологическими
параметрами электроэнергетических объектов и нефтехимических
комплексов, позволяющая выбирать оптимальные режимы работы
технологических агрегатов, уменьшить энергозатраты и повысить
производительность за счет сокращения удельного расхода используемой
энергии, а также предотвратить различные аварийные ситуации;
разработанная адаптивная нейро-нечеткая система управления особенно
эффективна при управлении сложными нелинейными объектами с

параметрическими и информационными неопределенностями, для которых
стандартные подходы синтеза системы автоматического управления мало
эффективны.

Достоверность результатов исследования.

Достоверность результатов

исследования обосновывается применением теоретически обоснованных
концепций интеллектуального управления динамическими объектами на
основе теории нечетких множеств и логики, нейронных сетей, генетических
алгоритмов; использованием апробированных методов современной теории
управления; полученными результатами теоретических

и прикладных

исследований и их взаимной согласованностью.

Научная и практическая значимость результатов исследования.

Научная значимость результатов исследования заключается в разработке
методологии

конструирования

методов,

моделей

и

алгоритмов

автоматизированного исследования систем управления динамическими
объектами, функционирующими в условиях неопределенности и размытости
производственных ситуаций, позволяющая эффективно решать задачи
интеллектуализации процессов управления технологическими объектами
непрерывно-дискретного характера. При этом гибридный характер
применяемых в работе нейро-нечетких моделей позволяет на единой
математической основе производить описание, моделирование, синтез и
формирование базы знаний.

Практическая значимость результатов работы заключается в разработке

инструментального средства автоматизированного мониторинга и управления
динамическими объектами в виде программных комплексов, позволяющие
прогнозировать и анализировать различные производственные ситуации и
выбирать оптимальные управленческие решения в задачах проектирования
систем управления. Разработанные модели и алгоритмы интеллектуализации
процессов

управления

динамическими

объектами

в

условиях

неопределенности могут найти широкое применение при создании
интеллектуальных систем управления технологическими процессами с
непрерывным и дискретным характером производства.

Внедрение результатов исследования.

Разработанные

инструментально-программные средства на основе гибридных моделей и

адаптивной нейро-нечеткой системы управления внедрены на предприятиях

ГАК «Узбекэнерго», в том числе, JSCJV «Deutsche Kabel AG Tashkent», ООО

36

«Delta Net», научно-исследовательского центра «Новые технологии» (Справка

ГАК «Узбекэнерго» Республики Узбекистан о внедрении за №ДИ-01-21/1953
от 12.05.2016 г). Результаты научно-исследовательских работ позволяют
сократить время процессов обработки и анализа потоков информации в 1,26
раза, снизить расход электроэнергии на 1,15% в технологических объектах и
тем самым повысить эффективность производства.

Апробация результатов исследования.

Результаты исследования

доложены на 47 научно-практических конференциях, в том числе, на 32

международных: «Технические науки и глобальные проблемы 21 века»
(Ташкент, 2001); «Инновация-2003» (Ташкент, 2003); «Современные
технологии и оборудование текстильной промышленности» (Москва, 2003);
«Математические методы в технике и технологиях» (С.Петербург, 2003);
«Инфокоммуникационные и вычислительные технологии в науке, технике и
образовании» (Ташкент, 2004); «Внедрение информационно
коммуникационных технологий в текстильную и легкую промышленности»
(Ташкент, 2005, 2007); World Conference of Intelligent Systems for Industrial
Automation (Tashkent, 2002-2014), «Современные материалы техника и
технологии в машиностроении» (Андижан 2012, 2014); «Современные
техника и технологии горно-металлургической отрасли и пути их развития»
(Навои, 2013); «Интегрированные модели и мягкие вычисления в
искусственном интеллекте» (Коломна, 2013); «Seventh International

Conference on Soft Computing, Computing with Words and Perceptions in System

Analysis, Decision and Control - ICSCCW-2013», (Izmir, Turkey, 2013);
«Распознавание-13» (Курск, 2013); «Proceedings Eleventh International
Conference on Application of Fuzzy Systems and Soft Computing -ICAFS-2014»
(Paris, France, 2014); «The 11

th

International Conference on Multimedia

Information Technology and Application –MITA-2015» (Ташкент, 2015);
«Научные перспективы XXI века. Достижения и перспективы нового

столетия» (Новосибирск, 2015); и на 12 республиканских конференциях.

Опубликованность результатов исследования.

По теме диссертации

опубликованы всего 88 научных работ. Из них 1 монография, 40 журнальных
статей, в том числе 6 в иностранных, 34 в республиканских журналах,
рекомендованных Высшей аттестационной комиссией Республики Узбекистан
для публикации основных научных результатов докторских диссертаций, а
также получено 15 свидетельств о регистрации программ для ЭВМ.

Структура и объем диссертации.

Структура диссертации состоит из

введения, пяти глав, заключения, списка использованной литературы,
приложений. Объем диссертации составляет 198 страниц.

37

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ

Во введении

обосновывается актуальность и востребованность

проведенного исследования, цель и задачи исследования, характеризуются
объект и предмет, показано соответствие исследования приоритетным
направлениям развития науки и технологий республики, излагаются научная
новизна и практические результаты исследования, раскрываются научная и
практическая значимость полученных результатов, внедрение в практику

результатов исследования, сведения по опубликованным работам и структуре
диссертации.

В первой главе диссертации

«Системный анализ современного

состояния

проблемы

интеллектуализации

процесса

управления

динамическими объектами»

излагается современное состояние теории и

практики построения интеллектуальных систем управления динамическими
объектами,

функционирующими

в

условиях

различных

видов

неопределенностей.

Выявлены

основные

причины

возникновения

неопределенностей в процессе управления динамическими объектами.

В настоящее время наблюдается активное развитие прикладных

областей науки, связанных с автоматизацией промышленного производства. В
связи с этим необходимо создание различного рода технических систем,
обладающих высокой степенью автономности, адаптивности, надежности и
качества функционирования в условиях неопределенности.

Объектами управления являются сложные, многомерные нелинейные

системы управления, которые требуют особых, нестандартных методов, для
обеспечения требуемых эксплуатационных характеристик и широкого набора
функциональных

возможностей

по

формированию

целесообразного

поведения и планированию последовательности выполняемых операций с
возможностью прогнозирования с учетом воздействия внешней среды, а
также активной адаптацией ее текущих состояний. Данные требования
обусловливают

разработку

инструментальных

средств

и

методов

интеллектуального управления.

Одной из наиболее актуальных задач стремительно развивающегося

современного информационного общества является управление реальными
динамическими системами на основе обработки и анализа огромных потоков
данных. Неопределенность и динамический характер факторов, действующих
в системе, существенно затрудняет прогнозирование поведения динамических
систем, следовательно, усложняется решение задачи управления.

Существует

множество

моделей

и

алгоритмов

построения

интеллектуальных

систем

автоматического

управления,

которые

используются

в

разных

отраслях

науки

и

техники.

Самыми

распространенными из них являются нейронные сети, нечеткие системы,
экспертные системы управления, генетические алгоритмы, визуализация
данных, деревья решений, роевый интеллект.

38

На основе системного анализа установлено, что создание моделей и

алгоритмов

управления

динамическими

объектами

при

наличии

неопределенных факторов настолько сложны и нетривиальны для
классических методов теории управления, что для их решения потребуется
разработка новых и модификация известных методов с учетом развития
достижения современных информационных технологий. Это связано с тем,
что традиционные методы исследования таких систем в классе адаптивных и

робастных систем управления, сталкиваются с трудностями, обусловленными
структурой объекта управления и способом оценивания воздействий.

Анализ методологических аспектов оценки состояния управления и

моделирования явлений и процессов динамических систем показывает, что
вопросам их системных исследований в условиях информационной
неопределённости с учётом физико-химических закономерностей и нечётких
причинно-следственных

связей, не уделялось должного внимания.

Следовательно, применение методов системного анализа, математического
моделирования,

обработки

информации,

управления

сложными

динамическими объектами в условиях информационной неопределённости,

остаётся одной из важнейших задач, решение которой будет способствовать

повышению эффективности производств.

Анализ методов формального представления, моделирования и

исследования динамики систем управления, функционирующих в условиях
неопределенности, влияющих на режимы работы системы, показывает, что
наиболее адекватными задачами является применение гибридных методов,
включающих, как теорию нечеткой логики, так и методы теории
автоматического управления, которые являются базовой основой для
интеллектуализации процессов управления динамическими объектами.

Особое место в первой главе занимает структура методологических

этапов и направлений диссертационного исследования (рис.1). Здесь
представлены концепции исследования в части интеллектуализации процессов
управления сложными динамическими объектами, предусматривающие
использование гибридных информационных технологий на основе
интеграции базы данных и знаний, включающие методы
интеллектуализированного управления.

В предлагаемой методологии особое внимание уделено разработке

гибридных интеллектуальных моделей автоматизированного решателя задач
управления динамическими объектами, функционирующих в условиях
неопределенности, нейро-нечетких моделей, методов реализации нейро
нечетких адаптивных моделей в задачах управления динамическими

объектами, а также интеллектуальным методам обработки информации.

39

Рис. 1. Методологические аспекты и направление

диссертационного исследования

40

Во второй главе диссертации «

Концепции и методология

интеллектуализации автоматизированного управления динамическими
объектами

» приведены разработанные модели динамических процессов,

являющиеся одной из самых важных и трудоемких задач, решаемых при

разработке систем управления и принятия решений по управлению.

Основным моментом при разработке систем управления процессом,

является создание высокоэффективных методов обработки информации и
выработки

управляющих

воздействий.

Решение

этой

проблемы

непосредственно связано с разработкой математических моделей, которые
отражают специфику сложных условий функционирования системы, такие,
как неопределенность и изменение характеристик внешней среды, появление
аномальных ситуаций, отказов источников информации, каналов связи,
устройств, реализующих формирование управляющих воздействий, а также
влияние возмущений и помех.

Сложность решения данной проблемы значительно осложняется в связи

с тем, что помимо чисто концептуальных задач и решения общесистемных
вопросов, необходимо решать задачи формализации представления структур
моделей,

анализа

адекватности

моделей,

формирование

банка

аналитико-технологических выборок, выявления причинно следственных
связей, разработки форм представления знаний о событиях, действиях и
процедурах.

Использование интеллектуального подхода позволяет осуществлять

эффективное управление сложными объектами при наличии различных видов
неопределенностей в моделях, когда модели и процедуры выбора
управляющих решений определены расплывчато, а иногда заданы лишь на
качественном уровне.

В общем случае динамику систем управления можно представить

уравнением состояния:

x

k

+

1

=

F

(

x

k

,

u

k

)

,

k

=

0,

N

,

x

k

∈

X

,

u

k

∈

U

,

где

X

- пространство состояний,

U

- множество допустимых управлений,

F

-

переходная функция состояния, в общем случае нелинейная

F

: X

×

U

→

X

.

Неполностью определенные процессы можно моделировать с помощью

аппарата нечетких множеств. Тогда динамика системы управления
описывается нечетким отношением

F

: X

×

U

×

X

→

[

0,1

]

,

представляющим собой нечеткое подмножество декартова произведения

X

×

U

×

X

.

Для динамических систем с различными видами неопределенностей

переходная функция может быть записана в следующем виде

F

: X

×

U

→

XP

,

41

где

XP

- множество распределений вероятности на

X

. Для учета

неопределенностей в модель вводится случайные величины или
коэффициенты.

Формализация

рассматриваемого

класса

задач

может

быть

естественным образом осуществлена с использованием математического
языка гибридных моделей, которая может быть представлена в виде
следующих уравнений:

[

]





x k Ф m k k m k k u k x k

( 1) ( ), ( ), ( 1), ( 1), ( ) ( )

+

=

+

+

⋅

+

k

[

( ), ( ), ( 1), ( 1), ( )

]

( );





+

+

+

⋅

Г m k k m k k u k w k

k

( 1)

[

( 1), ( 1)

]

[

( 1), ( 1)

]

( ),

1 1





z k H m k k G m k k v k

k k

+

=

+

+

+

+

+

⋅

+

+

где

x

(

k

) – расширенный вектор состояния обобщенного объекта управления и

модели окружающей среды;

u

(

k

) – вектор управляющих воздействий:

z

(

k

+

1) –

вектор доступных наблюдений;

w

(

k

) и

v

(

k

) – некоррелированные между собой

последовательности векторов;

[

⋅

]

[

⋅

]

[

⋅

]

+

1

, ,

Ф

k

Г

k

H

k

и

[

⋅

]

G

k

+

1

–

матричные функции соответствующих размерностей.

Основой моделирующих систем является иерархическое описание

динамики исследуемой системы, представляемое семейством моделей, каждая
из которых описывает поведения динамической системы с точки зрения
различных уровней абстрагирования.

Применительно к решаемым задачам предлагается выделить два

направления иерархических моделей:

- иерархия по вертикали, в которой деление моделей по уровням

осуществляется по структурно-функциональным особенностям системы; -
иерархия по горизонтали, в которой деление моделей по уровням
осуществляется в зависимости от методов исследования.

В иерархии по вертикали выделены три уровня моделей:

- уровень базовых моделей, содержащий простейшие модели; - уровень

локальных моделей, отображающих структурно функциональные свойства
функционально законченных устройств, ориентированных на решение
частных задач;

- уровень глобальных моделей, отображающих организационные

особенности систем и представляющих собой модели с высокой степенью
детализации.

Иерархия по горизонтали включает четыре уровня моделей в

зависимости от методов их исследования:

- модели, позволяющие получить результаты расчета процессов на

основе аналитического моделирования;

- модели, отображающие дискретный характер процессов и

представимые логико-дифференциальным уравнением;

- модели, отображающие структурное сопряжение математических схем

процессов на основе нейросетевых алгоритмов;

- модели, позволяющие оптимизировать и прогнозировать состояние

системы на основе методов искусственного интеллекта.

42

Формально конструирование моделей динамических объектов может

быть представлено в следующем виде:

M= < I, Р, Ф, Х, Y,

Ω

>,

где

I

– идентификатор модели;

P= Р (x

1

,x

2

,…,x

n

)

- одноместный предикат,

определенный на множестве

Х

.Смысл этого предиката состоит в формальном

определении возможности использования данной модели;

Ф : Х

→

Y (ХUY=Z)

-

отображения,

описывающие

некоторую

совокупность

свойств

моделирующего алгоритма;

Х=

{

x

1

,

x

2

,...,

x

n

}

- входные переменные

вычислительной модели;

Y

=

{

y

1

,

y

2

,...,

y

n

}

- выходные переменные

вычислительной модели;

Z

=

{

z

1

,

z

2

,...,

z

n

}

- совокупность переменных;

Ω

-

область применения модели, которая задается парой области определения

Х

и

значения

Y

, т.е.

Ω

=

{

X

,

Y

}

В процессе работы с моделями могут встречаться входные переменные

двух типов: определенные и неопределенные. В соответствии с этим
множества

Х

будем делить на два непересекающихся подмножества

Х

Н

и

Х

О

,

т.е.

Х

Н

∪

Х

О

=Х (Х

Н

∩

Х

О

=

∅

)

Элементы множества

Х

Н

могут быть определены с введением того или

иного отношения между определенными переменными

Х

О

. Такая cвязь

приводит к образованию более сложных многоуровневых вычислительных
моделей или иначе, модель

М

, имеющая в качестве выхода вектор

Y

и

неопределенные вектора переменных

Х

Н

, может быть представлена в виде

совокупности

N

m

=N

x

∪

N

y

моделей-отображений со скалярными векторами

Y

k

∈

Y , k= 1,2,…, N

m

.

Используемые подмодели, являющиеся блоками различной

размерности, также могут быть представлены в виде:

m

i

= < I, P

i

, f

i

, x

i

, y

i

,

Ω

>

Тогда компоненты исходной модели описываются через компоненты

элементарных моделей следующим образом:

M=

{

m

i

}

, Ф=

{

f

i

}

,

[

]

N

m

i

∈

1,

(

)

[

(

)

(

)

(

)

]

P X P X P X P

Nm

X

Nm

(

∀

x

)

↔

1 1

∧

2 2

∧

...

∧

N
N

1 1

⎟

⎟

⎠⎞ ⎜

⎜

⎝⎛

m m

U U

X X Y Y

i

X

=

=

; /

i

i
N

=

=

i

m

; : 1,2,...,

Z

U

Z P Z i N

(

)

i i z i m

=

Ω

=

Ω

=

i

=

1

P

z

Z

i

(

Ω

)

- проекция множества

Ω

на гиперплоскость, координатами которой

являются компоненты вектора

Z

i

.

Такие формы представления вычислительных моделей позволяют

обобщить процедуры, связанные с формированием моделирующих
алгоритмов и представить их как формальные задачи, решаемые на базе этих
моделей.

Таким образом, можно построить модели различных технологических

43

процессов, протекающих на динамическом уровне управления. Подход
построения моделей также применим для нестационарных объектов, где
параметры объекта изменяются во времени. Предложенный способ является
основой для формирования моделей как прогнозирующих, так и адаптивных
систем с идентификатором.

В третьей главе диссертации «

Разработка интеллектуального

решателя задач управления динамическими объектами

» на основе

разработанной

методики

конструирования

моделей

динамики

функционирования

объектов,

функционирующих

в

условиях

неопределенности,

рассмотрены

вопросы

создания

интеллектуализированного решателя задач автоматизированного управления
динамическими объектами. Предложена обобщенная алгоритмическая
структура интеллектуализированной системы управления динамическими
объектами, в состав которых входит динамический решатель задач,
предназначенный для вывода решений на основе продукционных правил.
Разработаны

алгоритмы

адаптивного

прогнозирования,

определения

неизмеряемых координат системы и коррекция параметров системы
управления, являющиеся основой динамического решателя задач управления
технологическими объектами, функционирующих в неопределенных

условиях.

Структура интеллектуализированной системы управления (рис.2), на

ряду с новыми, содержит традиционные элементы и связи, центральное
место в ней занимает динамический решатель задач.

a

T M S C T

×

×

⎯⎯→

×

;

2

a

C T X S R T

×

×

×

⎯⎯→

×

;

1

⋅

{

}

{

}

T X A T X T B T U T

×

=

×

×

+

×

×

;

{

}

T Y D T X T

×

=

×

×

;

a

T R Y C T

×

×

⎯⎯→

×

2

где

Т

- множество моментов времени;

X,S,M,C,R

и

Y

- множества состояний

системы, окружающей среды, мотивации, цели, прогнозируемого и реального
результата;

А, В и D

- матрицы параметров;

a

,

i

=

1,4

i

-

интеллектуальные операторы преобразования, использующие знания.
Динамический решатель задач есть некоторое комплексное образование,
способное оценивать состояние системы и среды, сопоставлять параметры
желаемого и реального результатов действия, принимать решение и
вырабатывать управление, способствующее достижению цели. Для этого
динамический решатель задач управления должен обладать запасом знаний и
располагать методами решения задач. Важной функцией динамического
решателя задач управления является формализация состояния БД и БЗ.

Гибридные модели, являющиеся математической основой

интеллектуализированной системы управления, реализующие

44

положительные свойства нейронных сетей и нечеткой логики показали
высокую эффективность нейро-нечётких систем управления.

x

=

F x u f

0

( , , )

u

=

u

s

+

u

u

y F

(

x

,

u

,

t

)

=

П

u F

(

y

)

s

=

s

u F

(

y

)

u

=

u

F

(

y

)

S

F

(

y

)

U

f

0

f

′

′

′

0

F u f

( , )

e

′

F

(

t

)

J

Ц

B

′



F



J

( ,

t

)

Ц

( )



=

F

0

x

Рис. 2. Структура интеллектуализированной системы

управления динамическими объектами

Элементы

интеллектуализированной

системы

управления

динамическими объектами описываются нечеткими адаптивными моделями,
являющимися разновидностью многослойной нейронной сети, структура
которой формируется на основании анализа технологических переменных и
характера связей между ними с возможностью настройки на меняющиеся
условия производства. Для пояснения работы динамического решателя задач
управления рассмотрим процесс стабилизации выходной переменной

y

(

i

+

1)

динамического объекта, описываемого нелинейным разностным уравнением

y i f y i y i r x i

( 1) ( ( ),..., ( ), ( ),...

+

=

−

(1)

x i s u i u i q

( ), ( ),..., ( )),

− −

45

где

i

=

0,1,2,...,

N

- текущее дискретное время;

y

(

i

)- выходной сигнал,

x i x i x i

=

k

- вектор возмущающих воздействии;

u

(

i

)- управление;

( ) ( ( ),..., ( ))

1

f

(

y

(

i

),...,

y

(

i

−

r

),

x

(

i

),...,

x

(

i

−

s

),

u

(

i

),...,

u

(

i

−

q

))

- некоторая нелинейная

функция, имеющая известные порядки

r

,

s

,

q

.

Входные координаты объекта ограничены в любой момент времени,

т.е.:

min max

u u i u

≤ ≤

( ) ,

min max

x x i x i N

≤ ≤

=

( ) , 1, .

Для описания динамического процесса используется нечеткая модель

Суджено, представленная совокупностью правил:



если ( ) есть

x i X

k k

1 1





x i X x i X

( ) есть ,..., ( ) есть ,

k k km km

2 2









то ( ) ( ) ... ( ),

u i b b x i b x i

=

+

+

+

k k k k km km

0 1 1

(2)





=

1, ,

n

с нечеткими множествами

X

k

1

,

l

=

1,

m

и линейной зависимостью

связывающей входы

( ) ( ( ), (

),..., ( ))

1 2

x i x i x i x i



.

k

=

k k km

и выход

u

(

i

)

k

Основной характеристикой, задающей нечеткое множество

Х

к

является

функция принадлежности

Х

к

(

х

к

), которая имеет вид сигмоиды:

( ) (1 exp( ( )))

−

1

k k

=

+

k k

+

k

X x d x d

.

1 2

Механизм определения выхода

u

(

i

)

k

по нечеткой модели (2) при

0

задании входов

( )

x i

kl

в момент времени

i

=

1,2,...,

N

, функций

принадлежности

( ( ))

0

X x i







,

kl kl

и коэффициентов

b

k

0

,

b

k

1

,...,

b

km

,



=

1,

n

,

l

=

1,

m

линейных уравнений:









u i b b x i b x i

( ) ( ) ... ( ),

0 1 1

=

+

+

+

k k k k km km

(3)