Открытый доступ Открытый доступ  Доступ закрыт Доступ предоставлен  Доступ закрыт Только для подписчиков

№ 1 (2023)

Обложка

Весь выпуск

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Нелинейные системы

Анализ устойчивости механических систем с существенно нелинейными позиционными силами при наличии распределенного запаздывания

Александров А.Ю., Тихонов А.А.

Аннотация

Рассматриваются механические системы с линейными скоростными силами и существенно нелинейными позиционными силами, содержащими слагаемые с распределенным запаздыванием. С помощью прямого метода Ляпунова и метода декомпозиции устанавливаются условия асимптотической устойчивости положений равновесия изучаемых систем. Разработанные подходы применяются для решения задачи одноосной стабилизации твердого тела. Приводятся результаты численного моделирования, подтверждающие выводы, полученные аналитически.

Автоматика и телемеханика. 2023;(1):3-22
pages 3-22 views

Ослабление условия реализуемости процедуры динамического расширения и смешивания

Глущенко А.И., Ласточкин К.А.

Аннотация

Предлагается обобщение процедуры динамического расширения и смешивания, которое в отличие от базовой процедуры, во-первых, гарантирует убывание ошибки идентификации неизвестных параметров при выполнении условия частичного конечного возбуждения регрессора, а во-вторых, при частичном неисчезающем возбуждении регрессора с рангом не менее единицы обеспечивает экспоненциальную сходимость к нулю ошибки слежения за регрессионной функцией.

Автоматика и телемеханика. 2023;(1):23-62
pages 23-62 views

Стохастические системы

Об одной задаче оптимального удержания траекторий дискретной стохастической системы в трубке

Тарасов А.Н., Азанов В.М., Кибзун А.И.

Аннотация

Исследуется задача оптимального управления стационарной линейной стохастической системой с дискретным временем, скалярным неограниченным управлением, аддитивным шумом и критерием вероятности пребывания ее траекторий в заданной окрестности нуля. С использованием метода динамического программирования и двусторонних оценок функции Беллмана находится аналитическое выражение оптимального управления для двух шагов по времени и субоптимального управления для произвольного горизонта управления. Эффективность найденного управления проверяется на модельном примере.

Автоматика и телемеханика. 2023;(1):63-83
pages 63-83 views

Управление в технических системах

Управление поиском объектов наблюдения из пространственно-временного пуассоновского потока в многоканальной поисковой системе

Хуторцев В.В.

Аннотация

Рассмотрена задача поиска объектов наблюдения для случая, когда последовательность их появления удовлетворяет закономерностям пространственно-временного пуассоновского потока. Ее решение получено без учета ограничений, связанных с существенным превышением интенсивности поисковых усилий над интенсивностью потока объектов наблюдения. В качестве математической модели, используемой для оптимизации поиска, рассмотрена система дифференциальных уравнений, описывающая динамику изменения математического ожидания числа объектов, присутствующих в подобластях области обзора поисковой системы, но до сих пор не обнаруженных. Определена процедура оптимизации распределения интенсивностей поисковых усилий в каналах поисковой системы для динамического и установившегося режимов поиска. Приведены примеры.
Автоматика и телемеханика. 2023;(1):84-97
pages 84-97 views

Интеллектуальные системы управления, aнализ данных

Алгоритмы рандомизированного машинного обучения для прогнозирования эволюции площади термокарстовых озер в зонах вечной мерзлоты

Дубнов Ю.А., Попков А.Ю., Полищук В.Ю., Сокол Е.С., Мельников А.В., Полищук Ю.М., Попков Ю.С.

Аннотация

Рандомизированное машинное обучение ориентировано на задачи, сопровождаемые значительной неопределенностью в данных и моделях. Алгоритмы машинного обучения формулируются в терминах функциональной задачи энтропийно-линейного программирования. Рассматривается методика их адаптации к задачам прогнозирования на примере временной эволюции площади термокарстовых озер в зонах вечной мерзлоты, которые являются генераторами метана - одного из парниковых газов, влияющих на изменения климата. Предлагаются процедуры рандомизированного машинного обучения, использующие модели динамической регрессии со случайными параметрами, и ретроспективные данные климатических параметров и дистанционного зондирования земной поверхности. Развивается алгоритм рандомизированного машинного обучения, позволяющий вычислять оценки функций плотности распределения вероятностей параметров модели и измерительных шумов. Рандомизированное прогнозирование реализовано в виде алгоритмов трансформации оптимальных распределений в соответствующие им случайные последовательности (алгоритмы сэмплирования). Развиваемые процедуры и технологии рандомизированного прогнозирования применены для обучения, тестирования и прогнозирования эволюции площади термокарстовых озер Западной Сибири.

Автоматика и телемеханика. 2023;(1):98-120
pages 98-120 views

Управление с итеративным обучением дискретной системой при запаздывании вдоль траектории повторения и амплитудных ограничениях

Пакшин П.В., Емельянова Ю.П.

Аннотация

Рассматривается линейная дискретная система, функционирующая в повторяющемся режиме, задачей которой является слежение за эталонной траекторией с требуемой точностью при условии, что управление запаздывает вдоль траектории повторения и при амплитудных ограничениях типа насыщения. Предлагается новый метод синтеза управления с итеративным обучением, зависящего от запаздывания и позволяющего обеспечить необходимую точность слежения. Приведен пример, демонстрирующий эффективность метода.

Автоматика и телемеханика. 2023;(1):121-138
pages 121-138 views

Оптимизация, системный анализ и исследование операций

Оптимальное по быстродействию расписание обслуживания требований с прерываниями операций как оптимальная раскраска смешанного графа

Сотсков Ю.Н.

Аннотация

Установлена взаимосвязь задач теории расписаний с критерием минимизации длины расписания и задач поиска оптимальных (строгих) раскрасок вершин смешанного графа, т.е. назначений минимального множества упорядоченных цветов вершинам V = {v1, . . . , v|V |} смешанного графа G = (V,A,E), для которых вершинам vi и vj , инцидентным ребру [vi, vj ] ∈ E, назначаются разные цвета, а для дуги (vk, vl) ∈ A цвет вершины vk не больше (меньше) цвета вершины vl. Показано, что любая задача поиска оптимальной раскраски вершин смешанного графа G может быть представлена как задача GcMPT |[pij], pmtn|Cmax построения оптимального по быстродействию расписания обслуживания частично упорядоченного множества требований с целочисленными длительностями pij операций при допустимости прерываний их выполнения. В отличие от классических задач теории расписаний, в задаче GcMPT |[pij], pmtn|Cmax для выполнения операции может требоваться несколько приборов и помимо двух типов отношений предшествования, заданных на множестве операций, необходимо, чтобы единичные операции заданного подмножества выполнялись одновременно. Задача GcMPT |[pij], pmtn|Cmax псевдополиномиально сводится к задаче поиска оптимальной раскраски вершин смешанного графа G, который определяет исходные данные задачи. В силу доказанных утверждений для результатов, полученных для задачи GcMPT |[pij], pmtn|Cmax, имеются аналоги для соответствующих задач оптимальных раскрасок вершин смешанных графов G, и наоборот.
Автоматика и телемеханика. 2023;(1):139-168
pages 139-168 views

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».