УДК 004.896

ПРИМЕНЕНИЕ НЕЙРОКОМПЬТЕРНЫХ ТЕХНОЛОГИЙ В МЕТОДАХ УПРАВЛЕНИЯ СЛОЖНЫМИ ОБЪЕКТАМИ

Андреева Анастасия Юрьевна1, Романчук Виталий Александрович2
1Рязанский государственный университет имени С.А.Есенина, студентка физико-математического факультета
2Рязанский государственный университет имени С.А.Есенина, к.т.н., доцент кафедры информатики и вычислительной техники

Аннотация
Данная статья посвящена аналитическому обзору возможностей управления сложными объектами с помощью нейрокомпьютеров. Рассмотрено несколько областей, в которых применяются нейрокомпьютеры: управление в машиностроении и применение всистемах управления нелинейными динамическими объектами. В заключении мы приходим к выводу, что нейрокомпьютеры интенсивно внедряются во многие области.

Ключевые слова: нейрокомпьютер, нейронные сети., нейроуправление, применение, управление


THE USE NEUROCOMPUTING TECHNOLOGIES IN THE METHODS OF CONTROL OF COMPLEX OBJECTS

Andreeva Anastasia Yurevna1, Romanchuk Vitaliy Aleksandrovich2
1Ryazan State University named after S.Yesenin, student of physics and mathematics faculty
2Ryazan State University named after S.Yesenin, associate professor of informatics and computer techniсs department

Abstract
This article is devoted to analytical overview of the management of complex objects using neuro-computers. Discussed several areas in which use Neurocomputers: management in engineering and applications in systems control of nonlinear dynamic objects. In conclusion, we come to the conclusion that Neurocomputers actively implemented in many areas.

Библиографическая ссылка на статью:
Андреева А.Ю., Романчук В.А. Применение нейрокомпьтерных технологий в методах управления сложными объектами // Современная техника и технологии. 2015. № 4 [Электронный ресурс]. URL: http://technology.snauka.ru/2015/04/6557 (дата обращения: 27.05.2017).

Нейрокомпьютеры – это ЭВМ нового поколения, который отличается от других классов вычислительных систем параллельного типа тем, что для решения задач они используют не заранее разработанные алгоритмы, а специальным образом подобранные примеры, на которых учатся.

В настоящее время разработка нейрокомпьютеров ведется во многих промышленно развитых стран. Нейрокомпьютеры позволяют быстро и качественно решать целый ряд интеллектуальных задач,  которым можно отнести распознавания образов, адаптивного управления, прогнозирования, диагностики и т.д. Нейрокомпьютеры отличаются от ЭВМ предыдущих поколений не просто большими возможностями, но также принципиально меняется способ использования машины, место программирования занимает обучение, нейрокомпьютер учится решать задачи.

Нейрокомпьютеры могут быть успешно применены в различных отраслях. Рассмотрим некоторые области применения:

— Управление в режиме реального времени: самолетами, ракетами и технологическими процессами непрерывного производства (металлургического, химического и др.);

— Распознавание образов: человеческих лиц, букв и иероглифов, сигналов радара и сонара, отпечатков пальцев в криминалистике, заболеваний по симптомам (в медицине) и местностей, где следует искать полезные ископаемые (в геологии, по косвенным признакам);

— Прогнозы: погоды, курса акций (и других финансовых показателей), исхода лечения, политических событий (в частности результатов выборов), поведения противников в военном конфликте и в экономической конкуренции;

— Оптимизация и поиск наилучших вариантов: при конструировании технических устройств, выборе экономической стратегии и при лечении больного.

Этот список можно продолжать, но и сказанного достаточно для того, чтобы понять, что нейрокомпьютеры могут занять достойное место в современном обществе.

Ниже описаны сложные задачи, число которых и область применения в последние десять лет растут чрезвычайно активно.

Для начала отметим несколько областей машиностроения где активно применяются нейрокомпьютеры.

Авиация.

Стало известно что лаборатория нейрокомпьютеров NASA реализовала бортовой нейрокомпьютер на истребителе F-18, который предназначенный для управления в аварийных ситуациях. Этот нейрокомпьютер обучался управлению динамикой полета на реальных данных, полученных в результате экспериментов с искусственно создаваемыми авариями в реальных полетах. Так же нейрокомпьютеры применяются для обучения управлению точным маневром летательного аппарата, прогнозирования надежности самолетной системы электропитания, оценки усталости и повреждений механических компонент в режиме реального времени.

Вертолеты.

Нейрокомпьютеры очень часто применяются в вертолетах. Основным направлением применения  является управление  динамикой как пилотируемых, так и беспилотных вертолетов. Важным  обеспечивающим направлением являются нейросетевые модели идентификации вертолетов. Применение нейрокомпьютеров в управлении полетом вертолета касается частных режимов полета, таких, как установившийся полет, управление в режиме зависания над заданной точкой, управление посадкой. Важнейшим управлением с помощью нейрокомпьютера являются предотвращения выхода за конструктивные ограничения, а также используются  в системах обработки информации со многих датчиков. В частности диагностика и мониторинг отдельных узлов вертолета проводятся с помощью нейрокомпьютеров. Нейрокомпьютеры применяются в тренажерах для обучения персонала полетам на вертолетах.

Космическая техника.

Управление с применением нейрокомпьютеров в основном касаются управления двигателями, бортовыми роботами, так же управления непосредственно движением космических аппаратов,  гибкими структурами на борту, активной виброзащиты космических аппаратов, управления антеннами,  управления функционированием бортовой энергетической системы, в частности оптимизации расходования энергоресурсов. Применение нейрокомпьютеров для обработки информации на борту космического аппарата чаще всего касается обработки изображений, радиолокационных сигналов,  информации спутниковой связи и спутникового радиовещания, управления физическим экспериментом на борту космических аппаратов.

Энергетика.

Применение нейрокомпьютеров в энергетике в настоящее время очень широко распространено. Основные задачам применения нейрокомпьютеров в энергетике: прогнозирование нагрузки в электросетях, управление потокораспределением электрической энергии, диагностика энергосистем и стабилизация напряжения с помощью нейрокомпьютеров.

Атомная энергетика.

Характерным для этой области является пример работы под названием «Опыт семилетнего применения нейрокомпьютеров на атомных станциях Южной Кореи». Нейрокомпьютеры применяются для решении таких задач, контроль установок и слежение за безопасностью АЭС, управление отдельными блоками, моделирование отдельных элементов АЭС.

Химическое машиностроение.

В химическом машиностроении нейрокомпьютеры применяются  для создания систем управления химическими реакторами, ректификационными колоннами и другими объектами химического машиностроения.

Электронная промышленность.

Применение нейрокомпьютеров в электронной промышленности весьма широка.

Нейрокомпьютеры применяются при диагностике печатных плат и микросхем в качестве встроенных устройств прогнозирования отказов микросхем и элементов питания. Известно применение нейрокомпьютеров при определении деформаций штырьковых выводов интегральных схем. Ведутся исследования и разработки нейрокомпьютерных систем для управления иглой сканирующего туннельного микроскопа при изготовлении с его помощью наноэлементов и наносхем.

Нефтегазодобывающая промышленность.

Применение нейрокомпьютеров в нефтегазодобывающей промышленности касается решения следующих задач: обработка данных сейсморазведки; контроль и управление технологическими объектами нефтегазодобычи; диагностика насосного оборудования скважин.

Черная металлургия.

Нейрокомпьютеры применяются в черной металлургии и решают разнообразные сложные задачи: предсказание дефектов в ходе формовки металлов; обработка изображений микроструктур; локализация утечек тепла в доменных печах и тд.

Основной принцип применения нейрокомпьютеров в системах управления нелинейными динамическими объектами заключается в полном отказе от необходимости формализации поведения объекта в виде системы нелинейных обыкновенных дифференциальных уравнений и, как следствие, в разработке методов их решения. В случае применения нейрокомпьютеров для решения задач идентификации нелинейного объекта управления и разработки корректирующих динамику фильтров используются нейронные сети определенной структуры. В этом случае нейронные сети с обратными связями применяются, например, для идентификации нелинейных объектов и являются более гибким средством, использующим меньшее количество информации, чем системы нелинейных обыкновенных дифференциальных уравнений.

Выше было сказано о применении нейрокомпьютеров в машиностроении.

Ниже представлено еще несколько сфер применения нейрокомпьютеров в управлении реальными динамическими системами.

Управление роботами.

Многие ученые реализовали свои попытки применения нейрокомпьютеров для управления роботами. Например такие, как управления многозвенным жестким и гибким манипуляторами, задачи обработки информации в системе «глаз-рука», управление мягким схватом и других.

Управление прокатными станами.

Прокатный стан –сложная динамическая система, требующая эффективного управления с целью повышения качества продукции. Не смотря на это нейрокомпьютеры успешно применяются для получения стабильно требуемой толщины листа при прокате, получения листа заданного профиля, управления скоростью подачи листов, диагностики состояния прокатных роликов, предсказания аварий на прокатном стане и других задач.

Управление электроэрозионными станками.

Электроэрозионная обработка необходима для получения поверхностей сложной формы высокой чистоты. Это достигается высокоточным управлением электроискровым устройством, осуществляемым нейрокомпьютером. Данный принцип управления в настоящее время реализован в электроэрозионных станках японского производства, в частности поставляемых в Россию.

Управление электродвигателями.

Электродвигатель является существенно нелинейной динамической системой, для управления которой ведутся разработки на базе нейрокомпьютеров.

Управление дорожным движением.

Управление дорожным движением осуществляется адаптивной компьютерной системой, которая, измеряя реальные потоки транспорта на дороге, оптимизирует процесс переключения светофоров.

Кроме анализа транспортных потоков, внутри системы решаются многие другие задачи, в частности задача предсказания параметров транспортного потока.

Управление строительными конструкциями.

Нейроуправление реализовано для таких сложных строительных конструкций, как нефтяная вышка, ферма моста и т.п. При этом на отдельных

элементах конструкции располагаются датчики напряжений и изгибов. Нейрокомпьютерная система, получая на входе измеряемую информацию о состоянии элементов конструкции, вырабатывает сигналы управления на воздействующие активные элементы.

Управление автомобилем.

Большинство крупных автомобильных фирм в мире ведет разработки, связанные с применением нейрокомпьютеров в автомобилестроении. Можно отметить ряд направлений эффективного применения нейрокомпьютеров в автомобиле: управление отношением воздуха и горючего в автомобильном двигателе; калибрование автомобильных двигателей; диагностика автомобилей; регулировка частоты вращения вала в двигателе автомобиля в режиме холостого хода; распознавание дорожных знаков для использования в управлении автомобилем; управление амортизаторами; управление трансмиссией; управление скоростью; оценка повреждений краски и риска возникновения ржавчины на поверхности автомобиля; управление движением большого составного грузовика при парковке.

Управление вычислительными системами

В основном для многих вычислительных систем топологическое проектирование производится с помощью нейросетевых алгоритмов так, чтобы минимизировать стоимость обмена информацией между узлами при некотором числе ограничений на величины задержек и надежность.

Управление дисковыми системами

Обработка информации при записи и воспроизведения информации на  диск требует специальной операции кодирования-декодирования. Использование нейросетевых систем  повышает эффективность этой операции по сравнению с известными системами Витерби. Известны также примеры построения нейросетевого контроллера для управления механизмом позиционирования головок в магнитном дисковом запоминающем устройстве.

В дополнение необходимо отметить кратко некоторые другие известные примеры реализации нейроуправления: в системах теплоснабжения вентиляции; в системах управления сваркой; в управлении пневматическими системами; в управлении гидравлическими системами.

В последние годы сфера применения нейрокомпьютеров интенсивно

расширяется. Это связано c быстрым развитием выcоких технологий в различных облaстях человечeской жизни. Именно развитие высоких технологий в различных областях ставит перед используемой вычислительной техникой задачи, с которыми не может справиться вычислительная техника с фон-неймановской архитектурой, а зачастую и вычислительная техника с архитектурой ЭВМ. Так что мы смело можем сказать, что нейрокомпьютеры все больше и больше используются в нашей жизни. Благодаря им стали решаться многие нерешаемые задачи в различных областях. Выше приведены примеры сфер деятельности, где активно применяются нейрокмпьютеры. Рассмотрев, области применения нейрокомпьютеров мы можем сделать вывод о том, что одной из главных задач данных компьютеров является управление сложными объектами. К таким сложным объектам относятся: вертолеты, космическая техника, роботы и т.п.


Библиографический список
  1. Галушкин А.И., Нейрокомпьютеры. Кн.3. М: ИПРЖР. 2000.
  2. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры: Учеб.пособие для вузов. М.: Изд-во МГТУ им. Н.Э.Баумана, 2004. 400 с.
  3. Vladimir Ruchkin, Vitaliy Romanchuk, Roman Sulitsa. Clustering, Restorability and Designing Of Embedded Computer System Based On Neuroprocessors // Proceedings of the 2nd Mediterranean Conference on Embedded Computing (MECO). – Budva, Montenegro, 2013. – С.58-62.
  4. Романчук В.А. Моделирование нейропроцессорных систем // Отраслевые аспекты технических наук : научно-практический журнал. – Москва : ИНГН, 2013. – №10(34). – С.19-24.
  5. Романчук В.А. Инновационный программный комплекс моделирования вычислительных систем на базе нейропроцессоров “НейроКС” // Современные научные исследования и инновации. – Декабрь, 2012 [Электронный ресурс]. – URL: http://web.snauka.ru/issues/2012/12/19407.
  6. Романчук В.А. Разработка и оптимизация алгоритмического и программного обеспечения нейропроцессорной системы матричных вычислений управляющих воздействий и коэффициентов регуляторов двигателей ног на примере гексапода // Современные научные исследования и инновации. 2015. № 3 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2015/03/49244 (дата обращения: 04.04.2015).


Все статьи автора «Андреева Анастасия Юрьевна»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться: