№ 2 (2023)

Обложка

Весь выпуск

Обзоры, прогнозы

Методы решения задач планирования и регулирования потоков воздушного движения. Ч. 2. Применение методов глубокого обучения с подкреплением

Кулида Е.Л., Лебедев В.Г.

Аннотация

Рассмотрены задачи повышения безопасности и эффективности организации воздушного движения. Главной проблемой при решении задач обнаружения и разрешения конфликтов традиционными методами оптимизации является время вычислений – требуются десятки и даже сотни секунд, но в реальных ситуациях времени на реакцию не так много. В последнее время широкое распространение получило применение глубокого обучения с подкреплением, поскольку с его помощью удается за приемлемое время решать задачи принятия решений с нелинейностью и большой размерности. В последние несколько лет появились исследовательские работы по использованию глубокого обучения с подкреплением для решения задач в области управления воздушным движением. В обзоре уделяется особое внимание применению этого перспективного подхода для решения следующих задач: обнаружения и разрешения конфликтов между воздушными судами, крупномасштабной задачи снижения сложности воздушного движения в воздушном пространстве страны или континента, повышения эффективности использования взлетно-посадочных полос аэропортов на основе улучшенного планирования посадок воздушных судов.
Проблемы управления. 2023;(2):3-18
pages 3-18 views

Анализ и синтез систем управления

Построение интервальных наблюдателей для дискретных линейных стационарных систем с неопределенностями

Жирабок А.Н., Зуев А.В., Ким Ч.И.

Аннотация

Рассматривается задача построения интервальных наблюдателей для систем, описываемых дискретными линейными моделями, при наличии неопределенностей в виде внешних возмущений и шумов измерений, которые представляют собой неизвестные ограниченные функции. Для построения такого наблюдателя используется модель исходной системы минимальной размерности, нечувствительная к возмущениям, матрица динамики которой ищется в идентификационной канонической форме. Приводятся соотношения, позволяющие построить интервальный наблюдатель минимальной сложности, который оценивает множество допустимых значений заданной линейной функции вектора состояния системы. Для случая, когда невозможно построить наблюдатель, нечувствительный к возмущениям, на основе сингулярного разложения матриц, описывающих систему, предложен способ построения наблюдателя, минимально чувствительного к возмущениям. Теоретические результаты иллюстрируются примером построения интервального наблюдателя для электропривода.
Проблемы управления. 2023;(2):19-27
pages 19-27 views

Терминальное управление подвижными объектами в классе кусочно-постоянных и кусочно-непрерывных функций

Завадский В.К., Иванов В.П., Каблова Е.Б., Кленовая Л.Г., Рутковский В.Ю.

Аннотация

Сформулирована задача синтеза терминального управления с разделением координат состояния объекта на два типа: медленно меняющиеся координаты, участвующие в краевых условиях, и координаты контура стабилизации. Для построения управления введена прогнозирующая модель объекта. Получено дифференциальное уравнение для прогнозируемых невязок краевых условий. На его основе произведена дискретизация системы. Задача синтеза рассмотрена поэтапно для управления в классе кусочно-постоянных и кусочно-непрерывных функций. В качестве примера рассмотрена задача управления расходованием топлива ступени жидкостной ракеты-носителя. Актуальность расширения класса функций связана с возможностью учета дополнительных требований к процессу управления. При этом для выбора непрерывных функций на интервалах между разрывами управления используются локальные краевые условия, полученные на этапе синтеза терминального управления в классе кусочно-постоянных функций.
Проблемы управления. 2023;(2):28-36
pages 28-36 views

Управление в социально-экономических системах

Модели совместной динамики мнений и действий в онлайновых социальных сетях. Ч. 1. Исходные данные и первичный анализ

Губанов Д.А., Новиков Д.А.

Аннотация

На примере онлайновой социальной сети ВКонтакте исследуется влияние различных факторов на динамику мнений и действий как на макроуровне («общественное мнение»), так и на микроуровне (мнения и действия отдельных агентов). Описаны исходные данные и ключевые факторы для анализа сетевых взаимодействий. Предложен способ идентификации мнений агентов в сети на основе методов глубокого обучения. Представлены результаты первичного анализа динамики мнений и действий агентов в онлайновой социальной сети, в том числе: выявлен рост поляризации мнений на макроуровне; установлено изменение мнений агентов со временем; определены социально-демографические характеристики агентов, изменивших мнения; определена согласованность мнений и действий агентов между собой; проведена оценка взаимосвязи мнений и действий агентов в социальной сети.
Проблемы управления. 2023;(2):37-53
pages 37-53 views

Управление техническими системами и технологическими процессами

Формирование пространства признаков и авторегрессионных моделей для прогноза отступлений железнодорожного полотна

Владова А.Ю.

Аннотация

Диагностика железнодорожного полотна выявляет отступления параметров рельс в плане и профиле от нормативных значений. Приближение размеров отступлений к предельным значениям требует ограничения скоростей движения поездов. Поэтому прогноз изменений размеров отступлений является актуальной проблемой. Несмотря на значительный объем собираемых данных, эксплуатирующие организации недостаточно применяют методы машинного обучения для повышения качества прогноза параметров отступлений. Предлагаемый метод отличается от известных тем, что позволяет: увеличить размерность пространства признаков путем вычисления отклонений амплитуд отступлений от нормативных значений, площадей отступлений по длинам и амплитудам или отклонениям амплитуд с последующим представлением пространства признаков в виде 3D-матрицы; сформировать множество управляющих параметров (шаг дискретизации по времени, вид сезонных колебаний, количество точек изменения тренда и др.); прогнозировать размеры отступлений в группах, отличающихся видом и положением вдоль железнодорожного полотна. Прогноз ведут в рамках оптимизационной задачи по критерию минимума эмпирического риска и в результате получают семейство авторегрессионных моделей для каждого интервала дискретизации по длине полотна.
Проблемы управления. 2023;(2):54-64
pages 54-64 views

Управление подвижными объектами и навигация

Построение траектории перелета космического аппарата между околоземными эллиптическими орбитами методом перебора значений параметров внутри сетки данных

Саввина Е.В.

Аннотация

Рассматривается задача проектирования оптимальной траектории межорбитального перелета космического аппарата. Приведены алгоритм и результаты реализованного в цикле расчета оптимальных траекторий перелета между околоземными эллиптическими орбитами с различными значениями параметров для космического аппарата с химическим разгонным блоком и фиксированной тягой. Исследование проведено в четыре этапа: формирование первичных диапазонов поиска начальных приближений для типовых оптимизационных задач; интегрирование в цикле с целью нахождения областей сходимости для типовой вариационной задачи; нахождение положения оптимума для каждой постановки задачи внутри принятых диапазонов, реализованное путем расчета невязок конечных условий; анализ полученных результатов. Для решения поставленной задачи применяются численные методы математического анализа, методы математического программирования. Минимизация риска «перешагивания» потенциально оптимального результата достигнута путем варьирования точности на разных этапах расчета. Результатом исследования явилось улучшение первичного решения для «опорного» варианта задачи, выявление областей сходимости, а также наборы векторов начальных приближений, обеспечивающих сходимость, для дальнейшего анализа. Полученные результаты могут быть использованы для дальнейшего развития идеи выстраивания и уточнения алгоритма с целью подбора оптимальных начальных приближений для типовых (оптимизация траектории орбитального перелета космического аппарата) и иных оптимизационных задач.
Проблемы управления. 2023;(2):65-74
pages 65-74 views

Хроника

pages 75-76 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».