Анотація до роботи:

Колодяжний В.В. Керування стохастичними об'єктами в умовах невизначеності на основі нечітких нейромережевих моделей. – Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.03 – системи та процеси керування. – Харківський національний університет радіоелектроніки, Харків, 2002.

Розглянуто задачу керування широким класом стохастичних об'єктів в умовах невизначеності щодо структури та параметрів об'єкта. Вдосконалено методи керування на основі моделей, що настроюються. Це дозволило врахувати наявні обмеження на величину похибки керування та динаміку керуючого впливу. Запропоновано швидкодіючу адаптивну процедуру ідентифікації параметрів багатовимірних об’єктів керування.

Вперше запропоновано адаптивні процедури навчання та самоорганізації в реальному часі з високою швидкодією для нечітких нейромережевих моделей. Модифіковано метод керування на основі оберненої нечіткої моделі. Вперше запропоновано закони керування на основі локальної лінеаризації нечітких моделей з використанням процедур навчання та самоорганізації.

Проведено імітаційне моделювання розроблених законів керування та процедур навчання. Розв’язано актуальні практичні задачі керування складними технічними об'єктами з використанням розроблених методів та моделей.

У дисертаційній роботі розв’язано актуальну наукову задачу розробки методів керування широким класом стохастичних об’єктів в умовах невизначеності щодо структури та параметрів об’єктів на основі нечітких нейромережевих моделей. Проведені дослідження дозволяють зробити такі висновки:

1. В результаті аналізу поточного стану проблеми керування стохастичними об'єктами в умовах невизначеності відзначено недоліки відомих нечітких нейромережевих систем. Так, використання критеріїв типу мінімальної дисперсії не дозволяє враховувати наявні обмеження на фазові змінні. Крім того, процедури навчання на основі зворотного поширення похибок мають низьку швидкість збіжності, що обмежує їхнє застосування в реальному часі, а процедури на основі рекурентного методу найменших квадратів складні та нестійкі обчислювально.

2. Вдосконалено методи керування стохастичними об’єктами, що дозволило врахувати наявні обмеження на величину похибки керування та динаміку керуючого впливу. Запропоновано адаптивну процедуру ідентифікації параметрів багатовимірних об’єктів керування, що характеризується стійкістю та невисокою обчислювальною складністю.

3. Вперше запропоновано адаптивні процедури навчання для нечітких нейромережевих моделей з довільним типом розбиття простору входів, що характеризуються більш високою швидкістю збіжності у порівнянні з відомою процедурою зворотного поширення похибок та меншою обчислювальною складністю у порівнянні з відомими процедурами нелінійної оптимізації другого порядку. Вперше запропоновано процедуру самоорганізації нечіткої нейромережевої моделі в реальному часі, що відрізняється високою швидкодією та низькою обчислювальною складністю.

4. Модифіковано метод керування на основі оберненої нечіткої моделі, що дозволило синтезувати нечіткі регулятори, які є нелінійними узагальненнями регуляторів зниженого порядку та відрізняються простотою реалізації. Вперше запропоновано закони керування нелінійними стохастичними об’єктами на основі локальної лінеаризації нечітких моделей Такагі-Сугено та процедур навчання з підвищеною швидкістю збіжності та самоорганізації в реальному часі.

5. Проведено імітаційне моделювання розроблених законів керування та процедур навчання нечітких нейромережевих моделей. Показано їхні переваги перед відомими як за точністю, так і за швидкодією.

6. Розв’язані практичні задачі керування електрогідравлічним підсилювачем гідроприводу мобільної машини та керування швидкістю пересувної дорожньої лабораторії. Результати досліджень впроваджено в корпорації "Гідроелекс", м. Харків, в Північно-східному науковому центрі Транспортної Академії України, а також у навчальний процес у Харківському національному університеті радіоелектроніки.

7. Розроблені в дисертаційній роботі алгоритми та моделі можуть бути використані для керування широким класом динамічних стохастичних об’єктів в умовах апріорної та поточної невизначеності щодо їхньої структури та параметрів.

Публікації автора:

1. Бодянский Е. В., Колодяжный В.В., Котляревский С.В. Многомерный самонастраивающийся ПИД-регулятор // Автоматизированные системы управления и приборы автоматики. – Харьков: ХТУРЭ, 1999. – Выпуск 109. – С. 136-142.

2. Бодянский Е. В., Колодяжный В.В., Котляревский С.В. Самонастраивающийся ПИД-регулятор с адаптацией целевой функции для многомерного стохастического
объекта // Радиоэлектроника и информатика. – Харьков: ХТУРЭ, 1999. – №1 (06). – С. 50-55.

3. Колодяжный В.В., Котляревский С.В. Адаптивный трехконтурный многомерный регулятор пониженного порядка // Системный анализ, управление и информационные технологии: Вестник Харьковского государственного политехнического университета. Выпуск 70. – Харьков: ХГПУ, 1999. – С. 139-145.

4. Колодяжный В.В., Попов С.В. Имитационное моделирование в среде IntelligentPad // Новые решения в современных технологиях: Вестник Харьковского государственного политехнического университета. Сборник научных трудов. Выпуск 80. – Харьков: ХГПУ, 2000. – С. 26-29.

5. Бодянский Е.В., Руденко О.Г., Танака Ю., Штефан А., Колодяжный В.В., Попов С.В. Самонастраивающийся регулятор в среде IntelligentPad // Радиоэлектроника и информатика. – Харьков: ХТУРЭ, 2000. – №4 (13). – С. 65-69.

6. Бодянский Е.В., Колодяжный В.В. Об одном алгоритме обучения нейро-фаззи-предиктора // Адаптивные системы автоматического управления. – Днепропетровск, 2000. – №3 (23). – С. 29-36.

7. Бодянский Е.В., Колодяжный В.В., Кулишова Н.Е., Отто П. Нейро-фаззи-регулятор для мехатронных систем // Вестник Харьковского автомобильно-дорожного технического университета. Сборник научных трудов. – Харьков: ХНАДУ, 2001. – Выпуск 15-16. – C. 134-136.

8. Колодяжный В.В. Алгоритм адаптации целевой функции самонастраивающегося регулятора пониженного порядка // 3-й Международный молодежный форум "Радиоэлектроника и молодежь в XXI веке": Научные труды. – Ч. 2. – Харьков: ХТУРЭ, 1999. – С. 76-79.

9. Bodyanskiy Ye.V., Kolodyazhniy V.V., Kotlyarevskiy S.V. Direct single-step fuzzy controller // Proc. 1st Int. Conf. on Mechatronics and Robotics "M&R 2000". – St.-Petersburg, 2000. – 1. – P. 10-13.

10. Колодяжный В.В., Павленко А.Е. Адаптивный нейро-фаззи-регулятор // 4-й Международный молодежный форум "Радиоэлектроника и молодежь в XXI веке": Научные труды. – Ч. 2. – Харьков: ХТУРЭ, 2000. – С. 237-238.

11. Колодяжный В.В., Близнюк В.Г., Руднева Л.В., Ченцова Н.И. Управление нелинейным объектом с использованием нечеткой модели // 6-я Международная конференция "Теория и техника передачи, приема и обработки информации": Сб. научных трудов. – Харьков: ХТУРЭ, 2000. – С. 331-332.

12. Колодяжный В.В. Алгоритм адаптации нечеткой системы // 6-я Международная конференция "Теория и техника передачи, приема и обработки информации": Сб. научных трудов. – Харьков: ХТУРЭ, 2000. – С. 333-334.

13. Колодяжный В.В., Нечогуенко В.П., Спасенов Р.Н. Моделирование временных рядов с помощью нейро-фаззи-сети // 5-й Международный молодежный форум "Радиоэлектроника и молодежь в XXI веке": Научные труды. – Ч. 1. – Харьков: ХТУРЭ, 2001. – С. 50-51.

14. Колодяжный В.В. Алгоритм самоорганизации нечеткой системы Сугено // 7-я Международная конференция "Теория и техника передачи, приема и обработки информации": Сб. научных трудов. – Харьков: ХТУРЭ, 2001. – С. 406-407.

15. Bodyanskiy Ye., Kolodyazhniy V., Stephan A. An adaptive learning algorithm for a neuro-fuzzy network / In "Computational Intelligence. Theory and Applications." Ed. by B. Reusch. – Berlin – Heidelberg – New York: Springer, 2001. – P. 68-75.