Разработка и исследование модели нейроподобной адаптивной обучаемой системы с применением генетического поиска

• Автор: Коберси Искандер Сулейман
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2010
• Место защиты: Таганрог
• Количество страниц: 178 с. : ил.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ

1. АНАЛИЗ ЗАДАЧ СИНТЕЗА АДАПТИВНЫХ СИСТЕМ УПРАВЛЕНИЯ С ПРИМЕНЕНИЕМ

МЕТОДОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

1.1. Классификация и анализ неопределенностей для процесса управления сложными системами

1.2. Особенности применения искусственного интеллекта в системах управления

1.3. Применение адаптивных обучаемых систем для управления транспортными средствами

1.4. Нейроподобные системы управления транспортными

средствами

1.5. Применение нечетких обучаемых систем управления транспортными средствами

1.6. Метод построения гибридной адаптивной обучаемой системы управления

1.6.1. Виды нейронечетких систем.
1.6.2. Принцип построения нейронной нечеткой системы
1.7. Классификация алгоритмов обучения гибридных систем
управления
1.8. Выводы.
2. РАЗРАБОТКА МЕТОДА СИНТЕЗА ИНТЕЛЛЕКТУАЛЬНОЙ АДАПТИВНОЙ ОБУЧАЕМОЙ ГИБРИДНОЙ СИСТЕМЫ УПРАВЛЕНИЯ.
2.1. Структурные особенности адаптивной обучаемой
системы управления
2.2. Разработка структуры и модели модуля управления
направлением движения транспортного средства
2.3. Разработка структуры и модели модуля управления
скоростью движения транспортного средства.
2.4. Разработка структуры и модели модуля управления состоянием движения транспортного средства.
2.5. Синтез структуры интеллектуальной адаптивной обучаемой гибридной системы управления
2.6. Выводы.
3. РАЗРАБОТКА МЕТОДА ОБУЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ АДАПТИВНОЙ ГИБРИДНОЙ
СИСТЕМЫ УПРАВЛЕНИЯ
3.1. Исследование возможностей известных алгоритмов обучения нейронечетких систем управления
3.2. Применение генетических алгоритмов
для обучения нейронечетких систем управления.
3.3. Разработка и анализ генетического алгоритма обучения модуля
управления направлением транспортных средств.
3.4. Разработка и анализ генетического алгоритма обучения модулей управления скоростью и состоянием транспортных средств.
3.5. Разработка и анализ генетического алгоритма обучения интеллектуальной гибридной адаптивной
обучаемой системы управления
3.6. Выводы.
4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ ГИБРИДНОЙ ИНТЕЛЛЕКТУАЛЬНОЙ АДАПТИВНОЙ
ОБУЧАЕМОЙ СИСТЕМЫ УПРАВЛЕНИЯ.
4.1. Основные характеристики разработанного программного
комплекса.
4.2. Планирование экспериментального исследования
4.2.1. Цель исследования
4.2.2. План эксперимента
4.3. Результаты экспериментальных исследований
4.4. Выводы.
Заключение
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
ВВЕДЕНИЕ
Решение задач при управлении техническими объектами и производством в случае неполного объема информации неопределенности требует создания
новых методов и структур систем управления с целью эффективного принятия
решении.
Актуальность


Итогом проделанной работы является синтезированная структурная схема адаптивной обучаемой нейроподобной системы принятия решений для управления транспортного средства. В третьем разделе диссертации разработан метод обучения нейроподобной адаптивной системы управления. Осуществлено исследование возможностей известных алгоритмов обучения нейро-нечетких систем управления. Приведены схемы алгоритмов и выполнено их сравнение по основным критериям: среднеквадратическое отклонение; количество итерации и время обучения. Исследованы возможности применения генетических алгоритмов для обучения нейро-нечетких систем управления и решающих задачу поиска в пространстве решений с целью определения оптимального решения. Приведены основные определения и понятия. Предложена структура системы управления с применением эволюционного генетического алгоритма. Разработаны каждый в отдельности генетический алгоритм обучения модуля управления направлением движения, модулей управления скоростью и состоянием транспортных средств. Разработан генетический алгоритм обучения адаптивной обучаемой системы управления в целом. Определены основные требования к разработке нейроподобных адаптивных обучаемых систем управления и принятия решений. Разработан программный комплекс «NeuroAndFuzzy», позволяющий исследовать систему управления и ее алгоритм обучения, реализованный на языке высокого уровня C# в среде программирования Microsoft Visual Studio. NET . Описана структура программного комплекса «NeuroAndFuzzy», состав и принцип действия основных блоков программного комплекса. Выполнены эксперименты и получены основные графические и численные результаты работы разработанной системы. При сравнении результатов работы системы с теоретической оценкой погрешности системы отмечено, что разработанная система с допустимой погрешностью 0,5 % от значения желаемого управляющего воздействия следует, что полученные в результате моделирования значения среднеквадратической ошибки в большинстве случаев значительно меньше теоретической оценки. Разработанная нейроцодобная адаптивная обучаемая система рекомендуется к применению для решения задач принятия решений в системах управления транспортными средствами в условиях неполной априорной информации. Заключение содержит выводы о работе. Технологического института Южного федерального университета в г. Таганроге. Основные результаты докладывались и обсуждались на международной научно-технической конференции (AIS’) и ««Интеллектуальные системы, «Интеллектуальные САПР» (CAD-); 6-ой всероссийской научно-практической конференции студентов, аспирантов и молодых ученых «Молодежь XXI века - будущее Российской науки» . Системы и модели в информационном мире», (СМИ-), Таганрог: ; ежегодной научной конференции студентов и аспирантов базовых кафедр ЮНЦ РАН, Ростов н/Д, ; межрегиональной НТК студентов, аспирантов и молодых ученых Южного федерального округа. Новочеркасск, ЮРГТУ (НИИ), ; 7-й всероссийской научно-практической конференции студентов, аспирантов и молодых ученых «Молодежь XXI века - будущее российской науки», Ростов н/Д, ; VII-й всероссийской конференции молодых ученых, аспирантов и студентов, «Информационные технологии, системный анализ и управление», Таганрог: ТТИ ЮФУ, ; международной научной конференции «Методы и алгоритмы принятия эффективных решений», (МАПР-), Таганрог: ТТИ ЮФУ, ; VI ежегодной научной конференции студентов и аспирантов базовых кафедр Южного научного центра РАН: Тезисы докладов. Молодежь и современные информационные технологии». Научные исследования и разработки в области авиационных, космических и транспортных систем», АКТ (). Москва, . По теме диссертации опубликованы десять статей из них четыре публикации, в изданиях, относящихся к перечню ВАК и шестнадцать тезисов докладов в открытой печати. Все результаты, представленные в диссертационной работе, получены автором лично. В совместных научных публикациях имеет место неделимое соавторство. Диссертация содержит 9 страниц машинописного текста, включая введение, четыре раздела, заключение, список литературы из 6-ти наименований, рисунка, таблиц.