№ 4 (2024)

Обложка

Весь выпуск

Анализ и синтез систем управления

Синтез робастного регулятора апериодической степени устойчивости системы с аффинной неопределенностью

Гайворонский С.А., Хожаев И.В., Соболь А.В.

Аннотация

Рассматривается характеристический полином системы, в коэффициенты которого линейно входят интервальные параметры объекта управления, образующие параметрический многогранник. Проводится параметрический синтез линейного робастного регулятора, располагающего доминирующий вещественный полюс системы в заданном отрезке отрицательной вещественной полуоси и обеспечивающего в системе апериодический переходный процесс. Процедура синтеза предусматривает использование регулятора пониженного порядка, параметры которого разделяются на зависимые и свободные. Первые гарантируют желаемое положение отрезка доминирующего полюса, а вторые смещают области локализации остальных полюсов за заданную границу. Для определения значений зависимых параметров регулятора на основании сформулированного утверждения у параметрического многогранника объекта определяются прообразы границ отрезка доминирующего полюса. Для выбора свободных параметров регулятора применяется робастное вершинное или реберное D-разбиение в зависимости от вида граничных реберных ветвей областей локализации свободных полюсов системы. Приводится числовой пример параметрического синтеза ПИД-регулятора для обеспечения допустимого времени апериодического переходного процесса грузоподъемной системы при интервальных значениях длины троса и массы груза.
Проблемы управления. 2024;(4):3-12
pages 3-12 views

Информационные технологии в управлении

Исследование многофазных систем массового обслуживания с помощью методов машинного обучения

Вишневский В.М., Ларионов А.А., Мухтаров А.А., Соколов А.М.

Аннотация

Рассматривается многофазная система массового обслуживания с входящим коррелированным МАР-потоком, РН-распределением времени обслуживания и ограничен­ным размером буфера на фазах системы. Приведен краткий исторический обзор по анализу моделей таких систем и методов их исследования. На основании проведенного обзора обосно­­вана новизна постановки задачи, рассматриваемой в статье, методов ее решения и результатов. Дано описание алгоритма точного расчета характеристик производительности многофазных систем малой размерности и оценки сложности этого алгоритма. Для исследо­вания многофазных систем большой размерности предложен подход, основанный на комби­на­ции методов имитационного моделирования и машинного обучения. Приве­дены результа­ты численного анализа, подтвердившие эффективность применения методов машинного обучения для оценки характеристик производительности тандемных систем, адекватно опи­сы­вающих функционирование широкополосных беспроводных сетей.
Проблемы управления. 2024;(4):13-25
pages 13-25 views

Синтез самопроверяемых цифровых устройств на основе логической коррекции сигналов с применением взвешенных кодов Боуза – Лина

Ефанов Д.В., Елина Е.И.

Аннотация

Предложен метод синтеза самопроверяемых цифровых устройств, основанный на использовании логической коррекции сигналов и взвешенных кодов Боуза – Лина. В отличие от предыдущих исследований, разработанный метод подразумевает логическую коррекцию сигналов в схеме встроенного контроля для тех функций, описывающих выходы исходных устройств, которые участвуют в формировании информационных символов взвешенных кодов Боуза – Лина. Так как одному и тому же контрольному вектору у таких кодов, как и у абсолютного большинства равномерных разделимых кодов, соответствует большое количество информационных векторов, это дает возможность выбора способа доопределения функций логической коррекции сигналов. Описан один из алгоритмов, позволяющий доопределить значения этих функций на каждом входном наборе с учетом обеспечения полной проверки тестера и элементов преобразования в схеме встроенного контроля. Предложенный метод основан на использовании так называемой «базовой» структуры для контроля многовыходных устройств по группам выходов. Он позволяет проектировщику самопроверяемого устройства иметь большую вариативность в выборе способа его построения, а значит, и влиять на такие важные показатели, как cтруктурная избыточность, контролепригодность, энергопотребление и др. Эксперимент с тестовыми комбинационными схемами из набора MCNC Benchmarks показал высокую эффективность метода по показателям структурной избыточности в сравнении с широко применяемым на практике методом дублирования. Предложенный метод синтеза самопроверяемых устройств может оказаться эффективным при решении задач синтеза реальных устройств с обнаружением неисправностей, используемых во всех областях техники, в том числе в системах критического применения в промышленности и на транспорте.
Проблемы управления. 2024;(4):26-43
pages 26-43 views

Обобщенная метрика оценки эффективности алгоритмов рекомендательных систем на основе энтропийного метода

Кульшин Р.С., Сидоров А.А.

Аннотация

Рассматривается задача формирования интегрального показателя для оценки эффективности алгоритмов рекомендательных систем, который был создан путем объединения отдельных метрик с использованием энтропийного метода. Работа основывается на исследовании в качестве базы для тестирования набора из 12 алгоритмов, с одной стороны, и трех наборов данных, с другой, для каждой комбинации которых были рассчитаны отдельные критерии, используемые в практике оценки рекомендательных систем. Результаты исследования свидетельствуют о том, что полученный интегральный показатель является эффективным инструментом оценки работы алгоритмов рекомендательных систем. Показано, что качество работы алгоритмов различается в зависимости от размера и иных базовых характеристик набора данных. Обобщенная мера может быть использована для разработки более эффективных алгоритмов, их ансамблей, оптимизации гиперпараметров и улучшения качества рекомендаций.
Проблемы управления. 2024;(4):44-60
pages 44-60 views

Управление техническими системами и технологическими процессами

Способ идентификационного управления мостовым краном с новым расположением совмещенного датчика линейного ускорения и угловой скорости

Круглов С.П., Ковыршин С.В., Буторин Д.В.

Аннотация

Рассмотрен способ автоматизации управления мостовым краном при текущей неопределенности его параметров, параметров переносимого груза и внешних возмущений. Целью управления является перемещение груза в горизонтальной плоскости в точку, обеспечивающую итоговую доставку груза в назначенное место с одновременным парированием угловых колебаний подвеса и обеспечением заданных динамических характеристик. Для этого применен подход, основанный на схеме управления с алгоритмом текущей параметрической идентификации, неявной эталонной модели и «упрощенных» условиях адаптируемости с нацеленностью на непосредственное отслеживание перемещения груза. Закон управления формирует заданную скорость тележки, отрабатываемую сервоприводом. При выборе параметров закона управления используются паспортные данные крановой установки. В отличие от ранее опубликованных работ по этой тематике предлагается решение, которое является более простым, надежным в эксплуатационном плане и менее дорогостоящим. Это достигается расположением совмещенного датчика, включающего акселерометр и датчик угловой скорости, на тросе подвеса около тележки крана, использованием алгоритмического решения, не требующего предварительного вычисления дрейфа датчика угловой скорости, и более эффективной процедуры текущей параметрической идентификации. Приведены результаты компьютерного моделирования, подтверждающие указанное. Аналогичный пример был реализован и на экспериментальной установке.
Проблемы управления. 2024;(4):61-73
pages 61-73 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».