Конспекты лекций по дисциплине “Основы теории управления” Кафедра Техничнской физики Физико-технолгического института Екатеринбург 2012 г. Содержание Раздел №1

Оптимизация настройки систем управления Место процедуры настройки при разработке, вводе в действии и эксплуатации систем управления Особенности настройки систем регулирования при вводе их в действие и во время эксплуатации Адаптивная настройка систем управления Поисковые адаптивные системы управления Адаптация с оценкой модели объекта Качество управления в замкнутой системе определяется главным образом, качеством настройки регулятора. На рис.1. приведены кривые изменения отклонения x регулируемой величины Х во времени при использовании одного и того же, но различно настроенного регулятора. Рис. 1. Зависимость отклонения регулируемой величины от настройки регулятора. Очевидно, удовлетворительной следует считать настройку 1, поскольку здесь как максимальное отклонение, так и длительность процесса регулирования существенно меньше, чем при ручном регулировании (кривая 4). Настройка 2 не может быть признана удовлетворительной, вследствие большего отклонения регулируемой величины. И совершенно не приемлемой должна считаться настройка 3, т.к. процесс регулирования величины Х имеет характер расходящихся колебаний и ведет к неустойчивой работе системы регулирования. Физически появление расходящихся колебаний объясняется наличием инерции и запаздывания, с которыми изменение выходного сигнала U(t) регулятора приводит к изменению регулируемой величины Х. Это обстоятельство требует от регулятора умения предсказывать ход изменения величины Х на некоторое время вперед и осуществлять изменения сигнала U(t) с учетом этого прогноза. Рассмотрим, как обычно действует человек-оператор, которому сравнительно быстро и без колебаний удается возвратить регулируемую величину Х к ее заданному значению Хзад (кривая 4 на рис. 1.). При появлении отклонения Х от заданного значения (точка t1) оператор начинает «прикрывать» регулируемый орган, однако делать это он будет с определенной осмотрительностью, прогнозируя возможность изменения на будущее. По-видимому, он будет перемещать регулируемый орган тем быстрее, чем дольше будет величина Х, но при этом будет также оценивать и скорость изменения величины Х, имея в виду, что чем больше эта скорость, тем больше отклонение Х следует ожидать в будущем. Особенную осторожность он будет проявлять, начиная с момента t2, когда отклонение регулируемой величины достигнет максимума, и начнет уменьшаться. Скорость изменения величины Х становиться отрицательной и, следовательно, нужно ждать дальнейшего уменьшения Х, причем не исключена возможность того, что величина Х станет меньше Хзад, и возникнет новое отклонение Х, но уже в отрицательную сторону (явление перерегулирования), поэтому с момента t2 оператор будет «прикрывать» регулируемый орган, а в некоторый момент t3 он вообще изменит направление движения регулирующего органа, с тем чтобы приостановить падение величины Х и поддерживать ее на заданном уровне. Таким образом, человек-оператор в процессе регулирования пользуется (возможно, даже бессознательно) некоторым выработанным практикой эвристическим законом (алгоритмом) регулирования, в соответствии с которым он перемещает регулирующий орган в зависимости от отклонения регулируемой величины и ее скорости изменения во времени. Автоматический регулятор чаще всего работает по некоторым типовым линейным законам регулирования. , . Правильно спроектировать систему автоматического регулирования – это значит правильно выбрать численные значения коэффициентов Kp, Tд, Tи, так чтобы качество работы системы было наилучшим. Эти коэффициенты называются параметрами настройки регулятора, а процесс определения численных значений параметров настройки, при которых регулирование в некотором смысле будет оптимальным, - динамической настройкой, или настройкой регулятора. Задачу динамической настройки регуляторов приходится решать на разных стадиях создания систем управления Впервые эта задача возникает в процессе проектирования системы и ставится как задача выбора из типовых структур и алгоритмов и определению оптимальных численных значений коэффициентов этих алгоритмов в каждом варианте для выбора наилучшего из них. Второй раз с задачей настройки приходится сталкиваться на стадии внедрения после выполнения монтажа запроектированной системы в процессе пусконаладочных работ. С первого взгляда может показаться, что система настройки на этом этапе должна состоять только в уточнении результатов полученных на стадии проектирования, реально объем работ здесь как показывает опыт, оказывается достаточно большим. Наладочные работы иногда перерастают в серьезные исследования, в процессе выполнения которых не только уточняются параметры настройки, но и изменяется структура системы регулирования. Нужна ли такая двухступенчатая процедура настройки? Не является ли она следствием некачественного проектирования? Ответы на эти вопросы заложены в самой методике решения задачи синтеза системы управления. На стадии проектирования в процедуре синтеза можно выделить следующие этапы: Выбираются варианты возможных структур системы, т.е. определяются сигналы, которые предполагается подавать на регуляторы, а также регулирующие воздействия и составляется (аналитически) или определяется для выбранных входных и выходных сигналов. По этой модели отыскивается оптимальные (в смысле принятого критерия оптимальность) алгоритмы функционирования регуляторов. Основным уязвимым местом этой процедуры является то, что модель регулирования отражает действительные свойства объекта приближенно. Степень приближения определяется выбранным критерием приближения модели к объекту, выбор которого определяется не его целесообразностью, а удобством математических выкладок и вычислений (как правило, это всякого рода интегральные квадратичные критерии). Помимо неопределенности выбора критерия приближения следует отметить две особенности построения моделей: Малая погрешность математической модели объекта не гарантируют, что отклонение интегральной системы управления от оптимальной также будет малым. Выбрав некоторый критерий приближения, заранее нельзя сказать, какое конкретное малое численное значение погрешности модели объекта должно быть достигнуто, чтобы можно было считать эту модель удовлетворительной. Из этого следует, что задача построения математической модели объекта является системной задачей, требующей для своего решения системного подхода. Это значит, что выбор критерия приближения модели к реальному объекту должен зависить от алгоритма функционирования регулятора, для отыскания которого и строиться модель объекта. Таким образом, задача построения модели объекта оказывается противоречивой уже в своей постановке: для построения модели объекта требуется знать алгоритм функционирования регулятора, для определения которого нужна модель («парадокс модели» объекта). Наряду с погрешностями математических моделей объектов следует учитывать: погрешности математического описания промышленных регуляторов, паспортный закон регулирования которых характеризуется определенной степенью приближения; свойства реальных объектов, как и свойства аппаратуры управления ими, обладают определенной нестабильностью во времени. Таким образом, настройка системы при выполнении пусконаладочных работ оказывается необходимой даже тогда, когда свойства объекта не меняются во времени. Реально же из-за нестабильности свойств объекта и др. элементов системы необходимость в периодической настройке возникает и во время эксплуатации системы Большое число упрошенных (инженерных) методов расчета параметров настройки использую следующую схему реализации: сначала определяется модель объекта; затем рассчитываются оптимальные параметры настройки регулятора. С этой целью модель объекта отыскивается в виде его экспериментальной переходной характеристики. Например, вычислив по переходной характеристике отношение a/Ta (рис.2,3) по графикам (рис. 4) находятся оптимальные значения Кu, и ,что при известных значениях Ku и a позволяют легко найти , . Рис. 3. Переходная характеристика объекта. Требования к методам автоматической настройки: должны гарантировать получение результата с необходимой точностью; процедура настройка не должна быть связана с отклонением регулятора; процедура настройки не должна сильно нарушать нормальный режим работы объекта; процесс настройки должен обеспечивать частичную или полную автоматизацию. Этим требованиям отвечают методы адаптивной настройки, их отличие от традиционных методов настройки объясняются схемами их реализации (рис. 5.). Рис. 5. Схемы реализации традиционных и адаптивных методов настройки. Традиционные методы (схема а): Экспериментальное исследование объекта. Расчет оптимальной параметров настройки регулятора. Установка в регуляторах найденных параметров настройки. Включение системы регулиров. в работу. Испытание действующей системы регулирования. 1 Адаптивные методы (схема б): Включение системы в работу. Установка начальных параметров настройки. Экспериментальное исследование системы. Проверка качества регулирования системы. Расчет новых параметров настройки. Наиболее важные различия между этими методами: В традиционных методах настройка осуществляется однократно (схема разомкнутая), а в адаптивных методах настройка осуществляется многократно (схема замкнутая). Эксперимент осуществляется над отдельно взятым объектом регулирования (Традиционные методы регулирования), при адаптивных методах эксперимент осуществляется над всей системой регулирования (включающий в себя объект и действующий регулятор). Адаптивные (самонастраивающиеся) системы обладают способностью самостоятельно уточнять параметры при первоначально неизвестных, а также непредвиденно меняющихся во времени свойствах объекта управления. Практически все существовавшие и существующие системы управления являются адаптивными. Только их адаптация не автоматизирована и ее фактически всегда осуществлял человек оператор, который интуитивно действовал по схеме б) рис. 5. и добивался лучих результатов, чем настройка регулятора по инженерным методикам (схема а) рис.5.). Необходимо отметить, что адаптивные системы за счет изучения объекта ухудшают качество управления объектом по сравнению с качеством управления, достигаемым при известных свойствах объекта. Реально это появляется в том, что управляющее воздействие адаптивного регулятора должно содержать специальную идентифицирующую (изучающую) составляющую, нарушающую нормальный ход процесса. Поэтому непрерывная адаптация не только нецелесообразна, но и вредна. Адаптивные системы могут быть классифицированы следующим образом: С точки зрения участия человека-оператора в процессе адаптации: системы автоматической адаптации, работающие без человека оператора; системы автоматизированной адаптации (с ЭВМ); системы ручной адаптации (без ЭВМ). С точки зрения периодичности адаптации: системы с непрерывной адаптацией; системы с периодической адаптацией. По принципу организации поиска оптимума настройки адаптивные системы делятся на два класса: Системы, в которых поиск оптимальных параметров настройки осуществляется путем изменения этих параметров и контроля их влияния на показатель качества работы настраиваемой системы (поисковые системы). Системы, в которых оптимальные параметры настройки находятся расчетным путем по определяемой в процессе адаптации математической модели объекта (беспоисковые системы). Поисковый подход к оптимизации параметров настройки состоит в следующем. Критерий оптимальной настройки – выпуклая функция параметров настройки и необходимом условием экстремума является равенство нулю частных производных от критерия оптимальности по всем параметрам настройки. Для ПИ – регулятора и . Параметры настройки регулятора на каждом очередном i+1 шаге вычисляются по результатам экспериментов на предыдущем i шаге по формулам: (1) где к, т – коэффициенты пропорциональности, выбираемые из условия сходимости итерационной процедуры. Содержание блоков в схеме б (рис. 5) в этом случае: блок 3 - оценка частных производных критерия оптимальности по параметрам настройки; блок 4 – выяснение равны ли 0 частные производные; блок 5 - расчет по формулам (1) новых значений параметров; блок 2 – установка этих значений параметров в регуляторе. Следует отметить, что поисковые методы нарушают нормальный режим функционирования объекта, т.к. значения варьирования параметров настройки неизвестны и выбирается случайным образом. Воздействие на систему путем изменения ее параметров называется параметрическим воздействием. Кроме параметрических воздействий при поисковых методах применяются и сигнальные воздействия (специально организованные воздействия). В этом случае на каждом шаге осуществляется двойное активное воздействие на систему – параметрическое и сигнальное. При первоначальной настройке на вход системы подается ступенчатое возмущающее воздействие – изменение отклонение регулируемой величины (рис. 6 (а)). Рис. 6. Реакции системы на ступенчатое воздействие при разных настройках регулятора. После этого производится некоторое изменение параметров, а затем снова подается такое же воздействие (рис. 6 (b)). В качестве критерия оптимальности настройки можно использовать площадь под кривой процесса регулирования, что позволит определить направление дальнейшего изменения параметров настройки. На практике поисковая процедура оптимальной настройки находит ограниченное применение из-за того, что: экспериментальная оценка критерия оптимальности занимает слишком большое время, так что скорость движения к оптимуму оказывается недопустимо малой; существенно нарушается работа объекта, особенно при подаче как параметрических, та и сигнальных воздействий. Поэтому эффективной оказывается процедура адаптации с промежуточной оценкой сю модели объекта и последующим расчетом по ней параметров настройки (здесь не вычисляется значения критерия оптимальности). Блок-схема такой процедуры адаптации приведена на рис.7.: Рис. 7. Схема процедуры адаптпции с промежуточной оценкой модели объекта. Содержание блоков: включение в работу; установка параметров настройки; идентификация объекта; расчет оптимальных параметров; сравнение найденных параметров с уже установленными. Если они окажутся близкими друг к другу, то настройка окончена, в противном случае возврат к блоку 2 (установка новых параметров настройки). Оценка модели может осуществляться либо путем пассивного наблюдения (без нарушения нормально работы объекта), либо путем постановки активного эксперимента Во втором случае процедура настройки во многом совпадает с поисковой, отличие заключается только в информации, которая извлекается из результатов наблюдения за поведением системы до подачи параметрического воздействия и после его подачи. При поисковой процедуре по полученным реализациям вычисляется приращение критерия оптимальности, при адаптации с идентификацией определяется модель объекта Одним из существенных недостатков беспоисковой процедуры является то, что не контролируется показатель конечной цели – критерий оптимального функционирования настраиваемой системы управления. Оценка качества регулирования линейных систем Методы оценки качества регулирования Повышение точности в установленном режиме Сравнительная оценка особенности непрерывных и цифровых систем Методы оценки качества регулирования. При исследовании САУ приходится решать задачу обеспечения требуемых показателей качества переходного процесса: быстродействия, колебательности, перерегулирования, характеризующих точность и плавность протекания процесса. Будем считать, что САУ описывается системой дифференциальных уравнений с постоянными коэффициентами. При изменении воздействия U(t) на входе выходную величину можно записать так: x(t) = xсв(t) + xв(t), где: x(t) – решение дифференциального уравнения, описывающего САУ, xсв(t) – свободная составляющая переходного процесса (соответствующая общему решению однородного дифференциального уравнения), xв(t) – вынужденная состовляющая переходного процесса, обусловленная законом изменения U(t) и определяющая точность САУ. Оценка качества регулирования в установившемся режиме. Установившаяся ошибка регулирования САУ в(t) = U(t) – xв(t), которую можно представить в виде ряда: , где C0 … Cm - коэффициенты ошибок, при этом: С0 = W(0) - коэфф. статической и позиционной ошибки; - коэффициент скоростной ошибки; коэфф. ошибки от ускорения; W - передаточная функция замкнутой САУ. В статических системах С0  0, в САУ с астатизмом 1-го порядка С0 = 0 , С1  0, в САУ с астатизмом 2-го порядка С0 = C1 = 0, С2  0. Увеличение числа интегрирующих звеньев повышает порядок астатизма, что ведет к уменьшению ошибки, но при этом усложняется обеспечение устойчивости системы. Оценка качества переходного процесса при воздействии ступенчатой функции. Пусть U(t) = 1(t) , тогда по кривой переходной характеристики можно получить прямые оценки качества переходного процесса: время регулирования tр –минимальное время по истечении которого регулируемая величина будет оставаться близкой к устанавливаемому значению с, заданной точностью  = | h(t) – hуст |, значение  нужно оговаривать в процентах oт hуст; перерегулирование  - максимальное отклонение h(t) от hуст в относительных единицах или процентах от hуст; Частота колебаний =2/T; Число колебаний n, которое имеет переходная характеристика за время tр чаще всего n =12 иногда 34; время достижения первого максимума tmax; время нарастания переходного процесса tн; декремент затухания: . Переходные процессы делят на три группы: монотонные (a); апериодические (b); колебательные (c). Оценка качества регулирования при гармонических воздействиях, ощуществляющихся по АЧХ. А3 - АЧХ замкнутой САУ. Для оценки качества переходного процесса используются следующие характеристики. - показатель колебательности. Чем выше М, тем менее качественна САУ. Считается допустимым 1,1 р - резонансная частота СДУ; полоса пропускания САУ - это интервал 0<<0; частота среза ср - косвенно характеризует длительность переходного процесса. . Повышение точности в установившемся режиме. Проблема обеспечения требуемых свойств линейных систем требует решения следующих задач: обеспечение устойчивости (стабилизация); повышение запаса устойчивости (демпфирование); повышение точности регулирования в установившемся режиме (уменьшение или устранение статической ошибки воспроизведения задающего воздействия, уменьшение или устранение влияния возмущающих воздействий); улучшение переходных процессов (увеличение быстродействия, максимальное уменьшение динамических ошибок воспроизведения, воздействия). Если для анализа цифровых систем используется Z - преобразование или уравнение состояния в дискретной форме, то их реакции представляются только в моменты квантования. Поэтому к дискретным данным нужно подходить осторожно, т.к. они могут быть неточным представлением истинной реакции цифровой системы. Из рисунка, на котором изображен типичный выходной сигнал цифровой системы С(t), имеющий максимальное значение Сm и соответствующий ему дискретный сигнал C*(t) видно, что максимальное значение дискретного сигнала: . Чем меньше T, тем меньше различие между и Сm. Но если Т велик, то дискретное представление реакции может быть совершенно ошибочным. Отметим, что выбор Т обычно определяется не правильностью представления её реакции в моменты квантования, а что более важно, соображениями устойчивости, точности и качества системы в целом. Для непрерывных систем известна связь между положением на S - плоскости корней характеристического уравнения и переходной функцией. Например, комплексно-сопряженные корни, расположенные в левой половине S - плоскости, обуславливают экспоненциально затухающие синусоидальные процессы, корни на отрицательной части действительной оси соответствуют монотонно затухающим процессам; простые сопряженные корни на мнимой оси приводят к возникновению незатухающих гармонических колебаний с постоянной амплитудой. Кратные корни на мнимой оси и корни в правой половине S - плоскости соответствуют расходящимся процессам. Сравним характерные особенности непрерывных и цифровых систем, используя в качестве примера систему управления космическим кораблем. Структурная схема упрощенной системы управления по одной координате изображена на рисунке. Kn, Kv –датчики положения и скорости. Предполагается, что корабль имеет жесткую структуру. Поэтому его можно представить чистым моментом инерции J. По положению c(t) и его производной - скорости V(t) - с помощью соответствующих датчиков осуществляется обратная связь. Обратная связь по скорости часто используется для целей стабилизации. Передаточная функция разомкнутой системы: . Передаточная функция замкнутой системы: . Для реального корабля: Kn = 1,65  106, Kv = 3,17  105, J = 41822. Тогда . Характеристическое уравнение системы: p2 + 8,871p + 39,453 = 0. Корни уравнения положительны при любых положительных Kn, Kv, J, следовательно, непрерывная система будет асимптотически устойчива. Структурная схема соответствующей цифровой системы отличается от предыдущей наличием квантователя нулевого порядка с периодом T. Передаточная функция разомкнутой системы: , где Gn(p) - переходная функция экстраполятора, известно, что: . Тогда: , . Тогда: . Передаточная функция замкнутой системы: . При Kn = 1,65  106, Kv = 3,17  105, J = 41822, , где A = 83644, B = 1,65  106  T2 + 6,34  105  T – 167288, C = 1,65  106  T2 - 6,34  105  T + 83644. Качество цифровой системы зависит от параметров Kn, Kv, J и Т. Если применить критерий Джури к характеристическому уравнению системы Az2 + Bz + C = 0, то диапазон устойчивости по параметру Т будет равен: 0  Т < 264 с Корневой годограф, т.е. диаграмма положения корней характериестического уравнения на плоскости Z при изменении Т от нуля до бесконечности, представлен на рисунке: Переходные функции цифровой системы изображены на рисунке: Из рассмотренного примера, по результатам анализа непрерывной и цифровой систем управления, можно сделать выводы: При одних и тех же структуре и параметрах цифровая система менее устойчивая, чем непрерывная. Качество цифровой системы зависит от периода квантования. Его возрастание обычно способствует увеличению выброса переходной функции и, в конечном счете, может привести к неустойчивости системы. При малых значениях Т корни характеристического уравнения располагаются очень близко к точке Z = 1. Это создает практические сложности при анализе цифровых систем, т.к. некоторые параметры (кривые коэффициенты затухания, перерегулирования и. др.) определяются не точно. Раздел № 2. Лекция 1. Введение. Определение: Искусственный интеллект (ИИ) (с лат. «intellectus» - познание) – раздел информатики, изучающий методы, способы моделирования и воспроизведения с помощью ЭВМ различной деятельности человека, связанной с решением каких-либо задач. Цель ИИ – смоделировать разумную деятельность человека, автоматизировать мышление. Разумная деятельность – сложные задачи. Область применения – применяется для решения слабоформализованных задач. Определение: Слабоформализованные задачи – это задачи, которые обладают следующими свойствами: Цели этих задач не могут быть представлены в виде математических функций. Алгоритмы достижения этой цели не могут быть описаны строго математически (не существует алгоритмического решения задачи). В ряде случаев для этих задач алгоритмическое решение существует, но пространство поиска решения очень велико. Для решения задач требуются эвристики – утверждения, основанные на опыте, интуиции. Цель их применения – найти более рациональное решение, а не оптимальное, путем исключения заранее непригодных решений. Данные знания, используемые для решения этих задач обладают следующими свойствами: - не полные; - ошибочные; - разнородные; - неоднозначные; - противоречивые; - динамичные; Пример: К ним относятся – множество задач управления, проектирования в сложных системах. Определение: Сложная система – система, которая характеризуется большим количеством параметров, иерархичностью структуры, разнородностью элементов. Пример: Любая социально-экономическая система. Управление = Планирование + Прогнозирование + Учет + Контроль + Анализ + Принятие решений. Автоматизированная информационная система (АИС) = слабо формализованная задача + сложная система. Свойства естественного интеллекта (ЕИ). Безусловные и условные рефлексы Инстинкты → (Врожденные программы) Безусловные и условные рефлексы Моторика Сенсорика Цель ИИ воспроизвести черты ЕИ. Моторика – процесс возбуждения моторных центров мозга. Мышление – когнитивные процессы (cognitive - познавательные). 3 Мышление (интеллект) 2 Мнемические (хранение, память) 1 Перцептивные (восприятия) Структура когнитивных процессов. Проблемы: Огромный объем информации. Неоднозначность, не полнота, ошибочные знания и др. Большой объем памяти (кратковременная и долговременная). Определения: ЕИ (Солсо) – способность осмысленно приобретать, воспроизводить, использовать знания, понимать конкретные и абстрактные идеи, постигать отношения между идеями и объектами. ИИ (Солсо) – всякий результат работы компьютера, который сочли бы разумным, если бы он был воспроизведен человеком. Свойства ЕИ: Способность к классифицированию паттерны (pattern - шаблон): кластеризация, категоризация, распознавание. (ДН, НС) Адаптивность, обучаемость. (НС, ГА) Способность к дедуктивному мышлению – переход от общего к частному. (ЭС, НЛ) Способность к индуктивному логическому выводу (от частного к общему) (ЭС, НС, НЛ, ГА, ДМ) Анализ и синтез. (case-технологии) Способность разрабатывать концептуальные модели. ( - ) Способность понимать – видеть отношения в задачах и оценивать их в решениях. Лекция 2. НС ЭС НЛ ГА t I II III IV V VI 1956 1963 1969 1979 1989 Тек день Рождение ИИ 1956 Ранний энтузиазм Первое разочарование Новый энтузиазм Приход ИИ в промышленность Победа аккуратистов над неформалами • • • • (ЭС) 1961 (НЛ) 1965 (ГА) 1973 (Сети Копфильда, Кохонена) 1982 (НС) 1943 История развития, исследования в области ИИ. I период: 1943 г. – первая работа по нейронным сетям, авторы: Мак Коллонс, Питс – «Искусственные нейронные сети». 1950 г. – Тьюринг, работа «Вычислительная машина и интеллект». Шеннон – «Программирование компьютера для шахматной игры» 1956 г. – ИИ официально признан самостоятельным научным направлением. II период: Начало работ по ЭС. Ньюэл, Саймон - ill-srtuctured; if-then. 1961 г. – Начата работа по создания GPS (General Problem Solver). III период: 1965 г. – Работа по нечеткой логике – «Нечеткие множества» 1969 г. – «Нечеткие алгоритмы» IV период: Создаются системы DENDRAL – интеллектуальная обработка результатов в области физики. MYCIN – диагностика инфекционных заболеваний в области медицины. HEARSAL – в области лингвистики. V период: Создаются промышленные ЭС. DEC – система управления газопроводом XCON – выявление неисправностей оборудования нефтехимической промышленности. 1982 г. – Сети Копфильда, Кохонена. Возобновились работы по НС. VI период: Аккуратисты – ученые, которые обосновывают работу со строго математическим обоснованием. Неформалы – выдвигают различные идеи, программируя их на компьютере. Резюме: Все направления развития исследований в области ИИ можно объединить в два основных направления, различающихся подходами к моделированию ЕИ: 1-ое направление – нейробионическое. Сущность: моделирование структур и процессов биологического прототипа – головного мозга человека (ГА) 2-ое направление – информационное (черный ящик). Сущность: не нужно моделировать структуру мозга, необходимо познать только внешние проявления работы человеческого мозга (правила, закономерности). (НЛ) Между этими направления существует разрыв, проблема в настоящее время не решена. Направления исследований в области ИИ. ИИ Системы с интеллектуальным интерфейсом Моделирование когнитивных процессов Интегрированные системы производства Интел-ная система в предм-ых областях Программно-аппаратное обеспечение → естественное общение → распознавание и синтез текстов на естественном языке → распознование и синтез речи → машинный перевод → обработка визуальной информации → распознавание образов → интелл-ные БД (при обработке запросов требуется выполнение правил) → гипертекстовые системы (хранится большое кол-во док-ов) → контекстные системы помощи → управление знаниями → технология систем, основанных на знаниях (ЭС) → самообуч-ся системы → НС → ГА → НЛ → адаптивные системы → CASE технологии → компонентные технологии → когнитивная графика → интелл-ные роботы → интелл-ые САПР → реинженеринг бизнеса → ЭС → система поддержки принятия решений → CASE технологии → новые архитектуры компьютеров → новые языки ИИ Примечание: Исследования ученых в последующие годы направлено на ликвидацию разрыва между упомянутыми выше двумя направлениями. В 1994 г. Л. Заде ввел «зонтичный» термин – «мягкие вычисления» (soft computing). Мягкие вычисления – синтез методов (нечеткие системы + НС + ГА + вероятностные вычисления (сети доверия Байеса)).

Похожие:

	Программа по формированию навыков безопасного поведения на дорогах... Фгоу впо сибгути. Раздел 1 Основы теории множеств. Раздел 2 Формулы логики. Раздел 3 Булевы функции. Раздел 4 Предикаты и бинарные...		Рабочая программа учебной дисциплины основы теории управления Дисциплина «Основы теории управления» относится к циклу профессиональных дисциплин, базовая часть. Для изучения дисциплины «Основы...
	Протокол 2 Дата 29. 09. 2012 Председатель: Грамотеева Н. А. Опорные... Опорные конспекты лекций по дисциплине «Риторика» для студентов специальности: 260502 Технология продукции общественного питания....		Программа учебной дисциплины основы менеджмента для бакалавров по... «Основы менеджмента» для бакалавров по направлению подготовки «Юриспруденция» 030900 [Текст] / «Государственный университет управления»,...
	Курс лекций Концептуальные основы теории и практики управления человеческими ресурсами (8 час.)		Фгбоу впо «удмуртский государственный университет» физико-энергетический... Изучение основ теории методов, апаратурного оформления, примеров практического использования, областей применения, достоинств, ограничений...
	Кафедра иностранных языков Профессионально-ориентированное обучение... Утверждено на заседании Совета Института иностранных языков (Протокол №11 от 24. 05. 12)		Кафедра иностранных языков Профессионально-ориентированное обучение... Утверждено на заседании Совета Института иностранных языков (Протокол №11 от 24. 05. 12)
	Конспекты лекций по дисциплине: «социология и политология» Раздел I. Социология Информация о технологии обучения и использовании мультимедийных материалов. Перечень и описание предлагаемых курсов: проектирование...		Вопросы к зачету по дисциплине «Ораторское искусство» для студентов заочного отделения Опорные конспекты лекций по дисциплине «Риторика» для студентов специальности: 260502 Технология продукции общественного питания....
	Конспекты по тематике лекционных занятий и ответы по темам лекций По дисциплине «История психологии» для студентов третьего курса, обучающихся по специальности 030301. 65 «Психология» на 2011-2012...		Рабочая учебная программа по дисциплине «Основы экономики» Фгбоу впо «Уральский государственный педагогический университет» Екатеринбург, 2012. – 53 с
	Национальный проект – производство гениев Опорные конспекты лекций по дисциплине «Риторика» для студентов специальности: 260502 Технология продукции общественного питания....		Рабочая программа По дисциплине: Теория государства и права Для специальности:...
	Урок в 8 классе по теме «Квадратные уравнения» Опорные конспекты лекций по дисциплине «Риторика» для студентов специальности: 260502 Технология продукции общественного питания....		2. Конспекты лекций 32 Теоретический раздел включает в себя основные проблемы бытия, познания, человека, культуры и общества, рассматриваемые как в рефлексивном,...