Интеллектуальные системы управления и нейронные сети
内容描述: Дисциплина посвящена изучению вопросов, связанных с построением интеллектуальных систем управления сложными динамическими объектами в классе многоуровневых иерархических систем. Рассматриваются теоретические основы построения интеллектуальных систем управления с использованием нечеткой логики, нейронных сетей. Описаны нейросетевые технологии в системах управления, синтез управляющих систем на основе нечеткой логики. Рассмотрены основные задачи и примеры их решения в интеллектуальных системах управления.
贷款数: 5
Пререквизиты:
- Автоматизация технических систем
*СomplexityDiscipline(zh-CN)*:
| *TypesOfClasses(zh-CN)* | *hours(zh-CN)* |
|---|---|
| *Lectures(zh-CN)* | 15 |
| *PracticalWork(zh-CN)* | |
| *LaboratoryWork(zh-CN)* | 30 |
| *srop(zh-CN)* | 30 |
| *sro(zh-CN)* | 75 |
| *FormOfFinalControl(zh-CN)* | экзамен |
| *FinalAssessment(zh-CN)* | устный экзамен |
零件: Компонент по выбору
循环次数: Профилирующие дисциплины
Цель
- подготовка высококвалифицированного специалиста, глубоко знающего теорию и практику построения интеллектуальных систем управления на основе новейших инновационных технологий, умеющего выполнять расчеты систем автоматизации с широким использованием современной компьютерной техники.
Задача
- освоение основных принципов организации интеллектуальных систем управления, методов и технологий при их использовании;
- овладение аппаратом нечеткой логики, теории нечетких множеств, нейронных сетей для решения задач прикладной математики, а также построения и исследования соответствующих нечетких и нейросетевых моделей систем управления;
- формирование научных представлений о принципах и методах проектирования, разработки и эксплуатации интеллектуальных систем управления применяемых в области автоматизации управления техническими системами;
- овладение способностью к организации и проведению экспериментальных исследований и компьютерного моделирования с применением современных средств и методов.
Результат обучения: знание и понимание
- описывать технологии, методы и средства синтеза систем интеллектуального управления;
Результат обучения: применение знаний и пониманий
- выбирать информационные технологии для построения интеллектуальных систем управления техническими системами и технологическими процессами;
Результат обучения: формирование суждений
- анализировать данные по расчету устойчивости, оценивать точность и качество интеллектуальных систем управления;
Результат обучения: коммуникативные способности
- применять результаты освоения дисциплины в профессиональной деятельности;
Результат обучения: навыки обучения или способности к учебе
- применять аппарат нечеткой логики, теории нечетких множеств, нейронных сетей для построения и исследования моделей интеллектуальных систем управления;
- применять пакет прикладных программ MATLAB для исследования и моделирования интеллектуальных систем управления.
*TeachingMethods(zh-CN)*
интерактивная лекция (применение следующих активных форм обучения: ведомая (управляемая) дискуссия или беседа; модерация; демонстрация слайдов или учебных фильмов; мозговой штурм; мотивационная речь);
построение сценариев развития различных ситуаций на основе заданных условий;
информационно-коммуникационная (занятия в компьютерном классе с использованием профессиональных пакетов прикладных программ);
поисково-исследовательская (самостоятельная исследовательская деятельность в процессе обучения);
*AssessmentKnowledge(zh-CN)*
Преподаватель проводит все виды работ текущего контроля и выводит соответствующую оценку текущей успеваемости обучающихся два раза в академический период. По результатам текущего контроля формируется рейтинг 1 и 2. Учебные достижения обучающегося оцениваются по 100-балльной шкале, итоговая оценка Р1 и Р2 выводится как средняя арифметическая из оценок текущей успеваемости. Оценка работы обучающегося в академическом периоде осуществляется преподавателем в соответствии с графиком сдачи заданий по дисциплине. Система контроля может сочетать письменные и устные, групповые и индивидуальные формы.
| *Period2(zh-CN)* | *TypeOfTask(zh-CN)* | *Total(zh-CN)* |
|---|---|---|
| 1 *Rating(zh-CN)* | Лабораторная работа "Синтез функций принадлежности" | 0-100 |
| Лабораторная работа "Синтез нечеткой импликации". | ||
| Лабораторная работа "Дефаззификация". | ||
| Лабораторная работа "Синтез базы правил" | ||
| Лабораторная работа "Синтез регуляторов с нечеткой логикой" | ||
| Лабораторная работа "Проектирование систем управления на основе нечеткой логики" | ||
| Рубежный контроль 1 | ||
| 2 *Rating(zh-CN)* | Лабораторная работа "Нейросетевая аппроксимация и прогнозирование функций" | 0-100 |
| Лабораторная работа "Классификация, кластеризация и распознавание на нейронных сетях" | ||
| Лабораторная работа "Нейронные сети в среде Simulink пакета MatLab" | ||
| Лабораторная работа "Сеть Кохонена, самоорганизующаяся нейронная сеть". | ||
| Лабораторная работа "Сеть Хопфилда". | ||
| Рубежный контроль 2 | ||
| *TotalControl(zh-CN)* | экзамен | 0-100 |
*PolicyAssignmentTask(zh-CN)*
| *TypeOfTask(zh-CN)* | 90-100 | 70-89 | 50-69 | 0-49 |
|---|---|---|---|---|
| Excellent | *Grade4(zh-CN)* | *Grade3(zh-CN)* | *Grade2(zh-CN)* | |
| Работа на лабораторных занятиях | Проявлена превосходная теоретическая подготовка. Необходимые навыки и умения полностью освоены. Результат лабораторной работы полностью соответствует её целям. | Проявлена хорошая теоретическая подготовка. Необходимые навыки и умения в основном освоены. Результат лабораторной работы в основном соответствует её целям. | Проявлена удовлетворительная теоретическая подготовка. Необходимые навыки и умения частично освоены. Результат лабораторной работы частично соответствует её целям. | Проявлена неудовлетворительная теоретическая подготовка. Необходимые навыки и умения не освоены. Результат лабораторной работы не соответствует её целям. |
| Собеседование по контрольным вопросам | В ответе качественно раскрыто содержание темы. Ответ хорошо структурирован. Прекрасно освоен понятийный аппарат. Продемонстрирован высокий уровень понимания материала. Превосходное умение формулировать свои мысли, обсуждать дискуссионные положения. | Основные вопросы темы раскрыты. Структура ответа в целом адекватна теме. Хорошо освоен понятийный аппарат. Продемонстрирован хороший уровень понимания материала. Хорошее умение формулировать свои мысли, обсуждать дискуссионные положения. | Тема частично раскрыта. Ответ слабо структурирован. Понятийный аппарат освоен частично. Понимание отдельных положений из материала по теме. Удовлетворительное умение формулировать свои мысли, обсуждать дискуссионные положения. | Тема не раскрыта. Понятийный аппарат освоен неудовлетворительно. Понимание материала фрагментарное или отсутствует. Неумение формулировать свои мысли, обсуждать дискуссионные положения. |
*EvaluationForm(zh-CN)*
Итоговая оценка знаний обучающего по дисциплине осуществляется по 100 балльной системе и включает:
- 40% результата, полученного на экзамене;
- 60% результатов текущей успеваемости.
Формула подсчета итоговой оценки:
| И= 0,6 | Р1+Р2 | +0,4Э |
| 2 |
где, Р1, Р2 – цифровые эквиваленты оценок первого, второго рейтингов соответственно; Э – цифровой эквивалент оценки на экзамене.
Итоговая буквенная оценка и ее цифровой эквивалент в баллах:
Буквенная система оценки учебных достижений обучающихся, соответствующая цифровому эквиваленту по четырехбалльной системе:
| Оценка по буквенной системе | Цифровой эквивалент | Баллы (%-ное содержание) | Оценка по традиционной системе |
|---|---|---|---|
| A | 4.0 | 95-100 | Отлично |
| A- | 3.67 | 90-94 | |
| B+ | 3.33 | 85-89 | Хорошо |
| B | 3.0 | 80-84 | |
| B- | 2.67 | 75-79 | |
| C+ | 2.33 | 70-74 | |
| C | 2.0 | 65-69 | Удовлетворительно |
| C- | 1.67 | 60-64 | |
| D+ | 1.33 | 55-59 | |
| D | 1.0 | 50-54 | |
| FX | 0.5 | 25-49 | Неудовлетворительно |
| F | 0 | 0-24 |
Темы лекционных занятий
- Интеллектуальные системы и технологии в инженерии знаний. Интеллектуальные системы и технологии в процессе решения трудноформализуемых задач. Классификация интеллектуальных систем. Архитектура интеллектуальных систем. Интеллектуальные технологии и их применения. Развитие интеллектуальных технологий.
- Цели и задачи интеллектуального управления. Иерархическая организация интеллектуальных систем управления. Разработка интеллектуальных систем. Энтропия как мера качества процессов управления. Оптимизация процессов управления и принятия решений на различных уровнях иерархии интеллектуальных систем управления.
- Интеллектуальные системы управления с использованием нечеткой логики. Нечеткая логика: история проблемы. Нечеткие множества и лингвистические переменные. Операции над нечеткими множествами.
- Нечеткие алгоритмы. Общие принципы построения нечетких алгоритмов управления динамическими объектами.
- Процедура синтеза нечетких регуляторов. Синтез адаптивной САУ с эталонной моделью на основе нечеткой логики. Нечеткий регулятор Такаги - Сугено.
- Устойчивость систем с нечеткими регуляторами. Анализ устойчивости. Методика анализа устойчивости.
- Практические примеры построения интеллектуальных систем управления с нечеткими регуляторами. Задача управления «перевернутым маятником». Управление движением подъемного крана. Управление полетом самолета. Программная и аппаратная реализация нечетких регуляторов.
- Интеллектуальные системы управления с использованием нейронных сетей. Нечеткие нейронные сети. Общие принципы построения нейросетевых систем управления динамическими объектами.
- Применение нейронных сетей в задачах идентификации динамических объектов. Подходы к решению задачи идентификации с помощью нейронных сетей. Нелинейная модель скользящего среднего.
- Синтез структуры многорежимного нейросетевого регулятора. Цель и постановка задачи синтеза. Требования к структуре синтезируемого нейросетевого регулятора. Астатизм. Физическая реализуемость. Устойчивость и заданное качество процессов управления. Критерий минимальной сложности. Пример синтеза нейросетевого регулятора минимальной сложности. Задача синтеза многомерного нейросетевого регулятора.
- Примеры построения нейросетевых систем управления динамическими объектами. Нейросетевая модель системы управления газотурбинного двигателя. Адаптивная нейросетевая система управления полетом летательного аппарата.
- Программная и аппаратная реализация нейронных сетей. Нейрокомпьютеры. Направления в области создания нейрокомпьютеров. Программные и аппаратные средства и системы для реализации.
- Применение интеллектуальных систем и технологий в профессиональной деятельности: организация диалога между человеком и интеллектуальной системой. Диалоговые системы, основанные на распознавании рукописного текста. Диалоговые системы, основанные на распознавании речи. Системы с биологической обратной связью. Системы с семантическим резонансом. Компьютерные технологии и интеллектуальный подсознательный интерфейс. Системы виртуальной реальности. Эффекты присутствия, деперсонализации и модификация сознания пользователя. Системы с дистанционным телекинетическим интерфейсом.
- Разработка сложных предметно-ориентированных интеллектуальных систем на основе естественно-языкового интерфейса. Сравнительный анализ ЕЯ-интерфейсов и традиционных интерфейсов к структурированным источникам данных. Критерии качества ЕЯ-интерфейсов. Критерии стоимости построения и сопровождения ЕЯ-интерфейса. Вопросы портируемости. Основные составные части ЕЯ-интерфейсов.
- Работы с основными объектами, процессами и явлениями, связанными с интеллектуальными системами и использование методов их научного исследования. Структура систем интеллектуального управления. Модели принятия решения в условиях конфликта. Определение оптимальной интеллектуальной системы принятия решения и управления в условиях конфликта.
Основная литература
- Станкевич Л. А. Интеллектуальные системы и технологии: учебник и практикум для вузов. – М.: Изд-во Юрайт, 2023. - 495 с.
- Ясницкий Л.Н. Интеллектуальные системы [Электронный ресурс]: учебник. – М.: Лаборатория знаний, 2016. – 224с. https://archive.org/details/20230506_20230506_0951/page/3/mode/2up
- Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления. Теория и практика; учебное пособие. – М.:Радиотехника, 2009. – 392 с.
Дополнительная литература
- Поляков А.Е., Иванов М.С. Основы теории интеллектуального управления энергосберегающими режимами. – СПб: Лань, 2022. – 284с.
- Евменов В.П. Интеллектуальные системы управления: учебное пособие. – М.: Книжный дом «Либроком», 2009. – 304с.
- Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М.: Горячая линия-Телеком, 2013. – 384 с.
- Тарасян, В.С. Пакет Fuzzy Logic Toolbox for Matlab : учеб. пособие / В.С. Тарасян. – Екатеринбург : Изд-во УрГУПС, 2013. – 112 с
- Николаева С.Г. Нейронные сети. Реализация в Matlab: учебное пособие / С.Г. Николаева. – Казань: Казан. гос. энерг. ун-т, 2015. – 92 с.
- https://dokumen.tips/documents/fuzzy-logic-toolbox-users-guide.html
- https://dokumen.tips/education/neural-network-toolbox-matlab.html
