Научный архив: статьи

Повышение эффективности и безопасности летательных аппаратов напрямую связано с совершенствованием систем автоматического управления (САУ) их газотурбинных двигателей (ГТД). Ключевая проблема при этом состоит в том, что ГТД является переопределенным объектом, где количество управляющих воздействий (расход топлива) меньше числа регулируемых выходных параметров (частота вращения, температура и др.). Традиционным решением данной проблемы является использование селектора – функционального элемента, выбирающего в каждый момент времени один, наиболее критичный канал управления. Однако этот подход обладает недостатками: скачкообразным переключением между каналами, явлением «дребезга», ухудшением качества переходных процессов и невозможностью учета требований всех контуров одновременно. В статье проводится сравнительный анализ эволюции методов, направленных на преодоление недостатков селекторного управления. Рассматриваются адаптивный селектор, в котором введены дополнительные контуры сигнальной самонастройки для согласования моментов переключения, и адаптивный нечеткий групповой регулятор (АНГР), заменяющий дискретную логику на нечеткую. В качестве принципиально нового подхода предлагается использование пороговой модели коллективного поведения (ПМКП). Данная модель интерпретирует каждый контролируемый параметр как автономного агента, принимающего бинарное решение на основе влияния соседних агентов и собственного порога. Это позволяет перейти от селектирования к кооперативному взаимодействию, одновременно учитывая требования всех каналов управления. Результаты моделирования, проведенного в среде MATLAB Simulink, демонстрируют преимущества ПМКП перед традиционными методами по таким показателям качества, как перерегулирование и время переходного процесса. Делается вывод о перспективности применения мультиагентных пороговых моделей для построения интеллектуальных групповых регуляторов ГТД

Рассмотрены основные принципы распознавания образов на основе сети неокогнитрон, а также общая структура сети и принципы ее функционирования. Приведены примеры ее работы и анализ полученных результатов.

Представлен алгоритм работы дополнительного преобразующего слоя в сети на основе “неокогнитрона”. Ранее авторы рассматривали общий принцип работы данного вида сети. Описанный метод улучшает работу сети путем дополнительного преобразования данных. Проведен анализ входных данных при распознавании. Разработан алгоритм, который преобразует данные для более удобного распознавания сети.