Системный анализ и управление сложными биосистемами на базе нейро-нечетких регуляторов

• Автор: Володин, Александр Андреевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Ставрополь
• Количество страниц: 214 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. Анализ методов и алгоритмов решения задач синтеза интеллектуальных систем управления динамическими объектами биосистем на основе нечетких и нейросетевых технологий
1.1 Анализ общесистемных свойств и видов неопределенности информации, характерных для процесса управления сложными динамическими объектами биосистем
1.2 Анализ методов и алгоритмов решения задач синтеза систем на основе нечеткой логики применительно к управлению динамическими объектами биосистем
1.3 Анализ методов и алгоритмов решения задач синтеза систем на основе нейросетевых технологий применительно к управлению динамическими объектами биосистем

1.4 Цель и задачи диссертационной работы

Выводы по главе

ГЛАВА 2. Синтез и моделирование систем управления процессами биосинтеза с помощью метода аппроксимирующих преобразований
2.1 Разработка критерия эффективности и выбор оптимальных условий управления и моделирования процесса биосинтеза
2.2 Метод аппроксимирующих преобразований в задачах управления и моделирования биосистем
2.3 Синтез нелинейных регуляторов потоков субстрата и продукта в непрерывной биосистеме на основе метода аппроксимирующих преобразований
2.4 Синтез нелинейных регуляторов потоков субстрата и продукта на основе комбинации сигмоидных функций для управления непрерывной биосистемой
Выводы по главе
ГЛАВА 3 Синтез системы управления биосистемой в реакторе непрерывного действия с нечеткими и нейро-нечеткими регуляторами
3.1 Особенности синтеза нечетких и нейросетевых систем управления биопроцессами при априорной неопределенности и нечеткости их моделей
3.2 Построение и исследование нейро-нечетких регуляторов потоков субстрата и продукта для управляемой непрерывной биосистемы
3.3 Модифицированный метод получения уравнений регрессии при неполной ортогональности плана эксперимента для оценки влияния параметров нейронной сети на показатели качества управления

3.4 Нейро-нечеткая система стабилизации температуры ферментационного
процесса
Выводы по главе
ГЛАВА 4. Методика интеллектуальной поддержки принятия решений в задачах многокритериального выбора алгоритмов управления биосистемами
4.1 Сравнительный анализ подходов к решению задач многокритериального выбора алгоритмов управления сложной системой
4.2 Обоснование перечня критериев сравнения нечетких и нейро-нечетких алгоритмов управления биосистемой
4.3 Решение многокритериальной задачи сравнения и выбора алгоритмов управления биосистемой на основе метода анализа иерархий
4.4 Методика многокритериального анализа задачи выбора на основе нечеткой теории принятия решений
4.5 Методика интеллектуальной поддержки при принятии решений в задачах
управления на основе нейросетевой классификации режимов биосистемы
Выводы по главе
Заключение
Список использованных источников
Приложение А. Компьютерное моделирование биотехнологических процессов и систем
Приложение Б. Акт о внедрении и использовании результатов диссертационной работы в ООО «Арнест - ИТ»
Приложение В. Акт о внедрении результатов диссертационной работы в
ООО «Промавтоматика»
Приложение Г. Акт об использовании результатов диссертационной работы в ФГАОУ ВПО «Северо-Кавказский федеральный университет» .... 212 Приложение Д. Свидетельство о регистрации программы для ЭВМ
№2014610
Приложение Е. Свидетельство о регистрации программы для ЭВМ №2013660
Введение
Для повышения конкурентоспособности и снижения импортозависимо-сти по важнейшим традиционным биотехнологическим продуктам — лекарственным препаратам, биологически активным веществам, белкововитаминным концентратам, бактерийным и вирусным препаратам, производимым в Российской Федерации, требуется более широкое использование передовых информационных и интеллектуальных технологий при управлении ферментационной системой, одной из основных составляющих производства, как по сложности реализации, так и по влиянию на его рентабельность [1]. Минэкономразвития России определена важнейшая роль биотехнологических систем, предназначенных для решения задач промышленной микробиологии по производству биологически активных веществ, белкововитаминных концентратов, антибиотиков, бактерийных и вирусных препаратов. Объем производства биотехнологической продукции в России к 2020 году, согласно разработанной Минэкономразвития программе «БИО-2020», возрастет до 800 млрд. рублей в сравнении с 24 млрд. рублей в 2010 году [2]. Для сокращения времени на разработку новых технологий и внедрения их в производство важная роль отводится созданию систем автоматического управления (САУ) на основе интеллектуальных методов построения алгоритмического и математического обеспечения САУ.
Далеко не все процессы, а в особенности процессы живых систем, поддаются формализации, что приводит к необходимости привлечения человека, его способности ориентироваться в слабо структурируемой ситуации и находить решение слабо формализуемых задач в условиях неопределенности. Система определяется как сложная, если для построения ее модели недостаточно информации [3]. На основе принципа подобия [4] биотехнологической и информационной систем сформулируем характерные свойства биотехнологических систем как аналогов свойств сложных автономных систем. К характерным свойствам сложной системы следует отнести [3,5]:

В работе [52] предложен алгоритм синтеза базы знаний нечеткого логического регулятора на основе данных, в результате экспериментов на объекте управления или имитационной модели проектируемой системы управления.
Рассчитанные по известным методам [53] настройки типовых регуляторов для регулирования температуры перегретого пара за парогенератором требуют коррекции при пуско-наладочных работах и в случае действующих на объекты нестационарных шумов и возмущений. В последнее время автоматическую корректировку настроек регуляторов часто производят введением в состав АСР наблюдателя с фильтром Калмана [54], а также нечеткого регулятора [55]. Однако для моделирования технологий в реально существующих условиях производства необходимо учитывать объективную информационную неопределенность, обусловленную нечёткостью характеристик сырьевых компонентов, отсутствием надёжных и недорогих экспресс-анализаторов для определения качественных показателей в цикле «сырьё -полуфабрикат - готовый продукт», большой размерностью технологических задач.
Применение интеллектуальных технологий на базе нечеткой логики (НЛ) обеспечивает решение широкого спектра задач робастного и адаптивного управления в условиях неопределенности [56]. Результаты теоретических и экспериментальных исследований [57-59] показывают, что применение технологии НЛ позволяет создавать высокоэффективные быстродействующие регуляторы для широкого класса технических систем, используемых в промышленной, военной и бытовой технике, обладающих высокой степенью адаптивности, надежности и качества функционирования в условиях случайных возмущений, неопределенности внешней нагрузки.
В [61] разработаны математические модели ИСАУ с НР и обосновано применение метода гармонического баланса для исследования в них периодических колебаний и качества управления.