CC BY
338
С.В. Краснов, Д.А. Гурьянов, С.С. Краснов ИНТЕЛЛЕКТУАЛЬНОЕ УПРАВЛЕНИЕ В МЕХАТРОННЫХ СИСТЕМАХ
S. V Krasnov, D.A. Guryanov, S.S. Krasnov
INTELLIGENT CONTROL IN MECHANOTRONIC SYSTEMS
Ключевые слова: наукоемкие производства мехатроники, интеллектуальное управление искусственного интеллекта, интеграции интеллектуальных технологий управления.
Keywords: science intensive processes of mechatronics, intelligent control of artificial intellect, integrations of intelligent technologies of control.
Аннотация: рассмотрена проблематика перехода в машиностроении к мехатронным технологиям. Показана актуальность интеллектуализации мехатронных технологий. Проанализирована особенность различных методов искусственного интеллекта, которые на текущий момент представляют наибольший интерес для создания мехатронных объектов.
Abstract: the article examines the issue of transition in manufacturing to mechanotronic technologies. The currency of intellectualization of mechanotronic technologies has been also demonstrated. We analyzed the peculiarity of different methods of artificial intellect.
Дальнейшее развитие экономики России, как и всей мировой экономики, определяется развитием наукоемких производств, которые:
- способствуют повышению производительности труда, а следовательно - повышению эффективности национального производства;
- продвигают отечественные наукоемкие товары и услуги на зарубежные рынки;
- обеспечивают экономический рост, основанный на достижениях научно-техничес-кого прогресса, а следовательно - устойчивый в долгосрочной перспективе;
- приводят к качественным позитивным изменениям в экономике;
- приводят к росту уровня жизни населения.
Активатором среди наукоемких производств является машиностроение, поскольку:
- машиностроение является главной отраслью мировой промышленности, на его долю приходится около трети стоимости мировой промышленной продукции;
- международная торговля продукцией машиностроения развивается опережающими темпами (на машины, оборудование и транспортные средства в структуре мирового экспорта приходится около 40%), что обусловлено углублением международного разделения труда, особенно в Западной Европе и Северной Америке.
В машиностроении основными тенденциями развития являются:
1) применение сквозных информационных систем;
2) мехатронные технологии;
3) интеллектуализация мехатронных технологий.
Стремительное развитие мехатроники вызвано резко возросшими требованиями рынка к потребительским свойствам и качеству продукции современного машиностроения, среди которых особенно следует выделить:
1. Сверхвысокие скорости движения рабочих органов машин;
2. Сверхвысокие точности движения, необходимые для реализации прецизионных технологий (вплоть до микро- и нано- перемещений);
3. Максимальная компактность конструкции;
4. Минимизация массы и габаритов;
5. Высокий уровень интеллектуализации;
6. Реализация перемещений рабочих органов по сложным контурам и поверхностям;
Способность системы к реконфигурации в зависимости от выполняемой конкретной
задачи или операции;
Высокая надежность функционирования.
Таким образом, определяющей тенденцией в машиностроении сегодня является переход от мехатронизированных объектов к мехатронным. К полностью мехатронным объектам можно отнести такие объекты, в которых реализована максимально возможная степень интеграции в сочетании с наивысшим уровнем интеллектуализации. Мехатронный подход в построении машин нового поколения заключается в переносе функциональной нагрузки от механических узлов к интеллектуальным компонентам, поскольку последние легко перепрограммируются и являются относительно дешевыми.
Основными причинами, сдерживающими темпы создания и внедрения мехатронных систем и технологий, являются:
- недостаточная координация работ в этой области;
- отсутствие единой государственной программы научных исследований;
- слабое кадровое обеспечение и дефицит квалифицированных специалистов;
- отсутствие государственных инвестиций на модернизацию научной базы учреждений и организаций;
- недостаточное число образовательных и научно- производственных центров по разработке, созданию и внедрению интеллектуальных систем;
- недостаточное использование современных достижений в области управления и информационных технологий
Для последнего наиболее перспективными являются:
- информационное обеспечение мехатронных и робототехнических систем;
- интеллектуализация мехатронных и робототехнических систем.
Которые позволят решить следующие задачи:
- идентификация, исследование динамики и моделирование управляемых объектов и процессов;
- оптимизация управления;
- прогнозирование процессов управления;
- адаптивное управление;
- робастное управление
- испытания систем управления;
- управление в конфликтных и экстремальных условиях;
- инструментальные средства разработки и поддержки систем управления;
- параллельные алгоритмы управления и обработки информации;
- оперативный переход на новые изделия в условиях быстро меняющейся конъюнктуры рынка и жесткой конкуренции.
Классические принципы теории управления не обеспечивают решения этих задач по следующим причинам:
а) большое число распределенных в пространстве источников информации, имеющих разную физическую природу;
б) значительный объем вычислений, что затрудняет работу в режиме реального времени;
в) нехватка информации для принятия аналитического решения;
г) входная информация содержит помехи, неопределенности, данные «зашумлены».
Все это приводит к тому, что сегодня все большее применение находят технологии управления, основанные на обработке постоянно меняющихся знаний об объекте и называемые интеллектуальными. Применение методов и технологий работы со знаниями в задачах управления, т.е. интеграция искусственного интеллекта и теории управления формируют интеллектуальное управление. На базе интеллектуального управления появляется возможность создания принципиально нового поколения мехатронных систем, предназначенных, в том числе, и для автономного функционирования в условиях постоянно изменяющейся внешней среды.
Можно выделить следующие уровни интеллектуального управления:
1) оптимальное управление;
2) адаптивное управление;
3) обратное управление с обратной связью.
При оптимальном управлении необходимо спроектировать систему управления, формирующую для заданного объекта управления закон управления или управляющую последовательность воздействий, обеспечивающих максимум или минимум интегрального критерия качеств системы.
При адаптивном управлении необходимо спроектировать систему управления, имеющую возможность изменять параметры или структуру регулятора в зависимости от изменения состояния объекта или внешних возмущений, действующих на объект.
При робастном управлении необходимо спроектировать такой регулятор, который обеспечивал бы хорошее качество управления, если объект управления отличается от расчётного или его математическая модель неизвестна.
Интеллектуальное управление — интеграция методов управления, которые используют различные подходы искусственного интеллекта, такие как:
• экспертные системы;
• системы нечеткой логики;
• нейросетевые структуры;
• системы с ассоциативной памятью;
• эволюционные(генетические) алгоритмы самоорганизации;
• другие.
В структурированном виде эти подходы представлены в таблице 1.
Таблица 1.
№ Направление Содержание Применение
1. Экспертные системы Экспертная система -компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. - вывод и решение задач с помощью баз знаний, которые допускают прямую обработку информации и обладают способностью к обучению и самоорганизации; - системы принятия решений, планирования и моделирования.
2. Системы Построение моделей - искусственный интеллект в
нечеткой логики приближенных рассуждений человека и использование их в компьютерных системах. управлении. - Нейросетевые нечеткие системы. -Распознавание образов, - цифровая обработка сигналов.
3. Нейросетевые структуры Искусственные нейронные сети (ИНС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей. - машинного обучения; - распознавания образов; - дискриминантного анализа; - методов кластеризации; - многопараметрической задачи; - нелинейной оптимизации.
4. Системы с ассоциативной памятью Ассоциативная память (АП) является особым видом машинной памяти, используемой в приложениях очень быстрого поиска. - компьютерных=е сетевых устройств; - диспетчеры кэша центрального процессора и ассоциативные буфера трансляции (TLB); - аппаратура сжатия данных; - ассоциативный массив - буфер ассоциативной трансляции (TLB); - контентно-адресуемое хранилище данных
5. Эволюционные (генетические) алгоритмы самоорганизаци и Эволюционные алгоритмы - направление в искусственном интеллекте (раздел эволюционного моделирования), которое использует и моделирует биологическую эволюцию. Различают различные алгоритмы: генетические алгоритмы, эволюционное программирование, эволюционные стратегии, системы классификаторов, генетическое программирование... Все они моделируют базовые положения в теории биологической эволюции - процессы отбора, мутации и воспроизводства. успешно использовались для задач типа функциональной оптимизации.
6. Многоагентная система Многоагентная система — это система, образованная несколькими взаимодействующими интеллектуальными агентами. - в графических приложениях, - в геоинформационных системах; - для сетевых и мобильных технологий; - для обеспечения автоматического и динамического баланса нагруженности, расширяемости и способности к самовосстановлению.
7. Облачные вычисления Облачные вычисления -технология распределённой обработки данных, в которой компьютерные ресурсы и мощности предоставляются пользователю как Интернет-сервис. - компьютерных=е сетевых устройств; - системы принятия решений, планирования и моделирования
Отмечена тенденция к интеграцииинтеллектуальных технологий, что позволяет использовать положительные свойства каждой из них. Так, совмещение технологий экспертных систем и нечеткой логики позволяет не только повысить быстродействие интеллектуальной системы, но и сократить объем базы знаний (по верхней оценке - от одного до двух порядков).
В последнее время развитие этой тенденции привело к созданию интеллектуальных гибридных систем.
Под гибридной интеллектуальной системой принято понимать систему, в которой для решения задачи используется более одного метода имитации интеллектуальной деятельности человека.
Таким образом гибридная интеллектуальная система- это совокупность:
• аналитических моделей;
• экспертных систем;
• искусственных нейронных сетей;
• нечетких систем;
• генетических алгоритмов;
• имитационных статистических моделей.
Однако, в основном, новый термин касается достаточно узкой области интеграции -экспертных систем и нейросетей.
Дальнейшее развитие мехатроники, пойдет, судя по всему, по пути ее трансформации в биомехатронику, направление, объединяющее мехатронику и биологические науки, интегрирующие биосферу и техносферу.
Библиографический список
1. Подураев Ю.В. Мехатроника: основы, методы, применение. - М.: Машиностроение, 2007. - 256 с.
2. Шалабаев Е.В. Теоретические и практические проблемы развития мехатроники //. Современные технологии. - СПб., 2001. - С. 46-67.
3. Шалобаев Е.В., Юркова Г.Н., Ефименко В.Т., Ефименко А.В. Лазерныестимуляторы // Датчики и системы. - 2001. - № 8. - С. 58-59.
4. Кулиш И.А., Подураев Ю.В., Шомко Й. Интеллектуальное управление мобильными
роботами на основе комбинации нейросетевого и нечеткого методов //Мехатроника. - 2001. -№ 5.- С. 8-11.
5. Лохин В.М. Интеллектуальные системы управления // Мехатроника. - 2001. -№ 1. - С. 28.
6. Пупков К.А., Коньков В.Г. Интеллектуальные системы. - М.: Изд-во МГТУ им. Н.Э.Баумана. 2003. - 348 с.
7. Колесников А.В. Гибридные интеллектуальные системы: Теория и технология разработки. - СПБ: Изд-во СПбГТУ, 2001. - 711 с.
8. Теряев Е.Д. Наномехатроника: состояние, проблемы, перспективы / Е.Д. Теряев, Н.Б. Филимонов // Мехатроника, автоматизация, управление. - 2010. - № 1. - С. 2-14.
9. В. В. Кочетов, А. А. Колобов, И.Н. Омельченко. Инженерная экономика. - М.: Изд-во МГТУ им. Н.Э.Баумана, 2005. - 669 с.
