Методология создания и эксплуатации технических объектов и их систем управления на основе объединенной стратегии многокритериальной оптимизации, моделирования и интеллектуального анализа данных тема диссертации и автореферата по ВАК РФ 00.00.00, доктор наук Романова-Большакова Ирина Константиновна

• Романова-Большакова Ирина Константиновна
• доктор наук
• 2023

Оглавление диссертации доктор наук Романова-Большакова Ирина Константиновна

ВВЕДЕНИЕ

ГЛАВА 1 Анализ существующих методов, методических и алгоритмических средств многокритериальной оптимизации и моделирования технических объектов, их систем управления и новых технологий интеллектуального анализа

данных. Постановка задачи и анализ предмета исследований

Выводы к Главе

ГЛАВА 2 Постановка задачи разработки объединенной стратегии многокритериальной оптимизации, моделирования и интеллектуального анализа данных как основы методологии создания и эксплуатации технических объектов и их систем управления и определения ее основных составляющих

2.1 Формулировка фундаментальной проблемы установления причинно-следственных связей в сложной системе применительно к цели диссертационных исследований

2.2 Сравнительные исследования интеллектуального анализа данных Data Mining и моделирования технических систем

2.3 Принципы и основные составляющие разрабатываемой методологии

2.4 Основные компоненты разрабатываемой методологии

2.5 Общая структура моделирования и многокритериальной оптимизации с учетом возможностей интеллектуального анализа данных

2.6 Конкретизация задач и структуры исследований

2.7 Проблема формирования и размерности пространства входных и выходных параметров и место многокритериальной оптимизации в рамках решения фундаментальной и прикладной научных проблем. Формирование ансамбля критериев качества, соответствующих новым задачам и классификация

критериев

2.7 Механизм формирования новых внутренних связей между составляющими

стратегии

Выводы к Главе

ГЛАВА 3 Разработка общих теоретических методов многокритериальной оптимизации, моделирования и прогнозирования, применяемых для создания и эксплуатации систем, как задач управления

3.1 Постановка задачи разработки общих теоретических методов и обоснование необходимости разработки новых подходов и формулировка общего подхода

3.2 Применение аналитических методов к задаче многокритериальной оптимизации

3.3 Постановка задачи управления фронтом Парето в рамках проблемы многокритериальной оптимизации

3.4 Фронт Парето как объект многокритериальной оптимизации и управления

3.5 Разработка методов редукции систем как одного из подходов к формированию моделей в рамках решения научно-практической и фундаментальной проблем исследований

3.6 Проблема устойчивости в теории и практике формирования моделей динамических систем

3.7 Обзор состояния исследований и модификация методов оптимальной

линеаризации

3.7 Решение задачи линеаризации путем приведения к задаче управления

3.9 Анализ полученных результатов по разработанным методам линеаризации. Оценка влияния ошибок линеаризации на результаты редукции

3.10 Методика применения подходов к редукции нелинейных систем для формирования областей исследований

3.11 Методика применения подходов оптимального управления в задачах формирования моделей с оптимальными областями адекватности

3.12 Методика применения алгоритмов многокритериальной оптимизации в задачах построения и оценки областей адекватности

3.13 Методика применения подходов в редукции нелинейных управляемых систем к анализу критериев их качества

3.14 Методика переноса методов оценки устойчивости систем на проблемы

устойчивости критериев

Выводы к Главе

ГЛАВА 4 Разработка новых стратегий организации моделирования для решения фундаментальной и научно-прикладной проблем исследований в рамках создания систем

4.1 Постановка задачи формирования нового ансамбля критериев качества моделирования с позиций общей задачи создания и эксплуатации технических систем

4.2 Формирование новых стратегий организации процесса моделирования

4.3 Повышение эффективности вычислительных экспериментов при моделировании управляемого движения летательных аппаратов

4.4 Проблемы адекватности и искажения моделей. Области адекватности, их изменения, индикаторы и критерии оценки

4.5 Фундаментальная проблема новой трактовки метода аналогий для решения задач моделирования и создание на ее основе конкретных методов исследований

4.6 Новые методы визуализации многомерных систем

Выводы к Главе

ГЛАВА 5 Развитие и практическое применение разработанной общей методологии для решения фундаментальной и научно-прикладной проблем в рамках создания и эксплуатации систем

5.1 Разработка классификации индикаторов состояния технической системы, используемых на этапах создания и эксплуатации систем в соответствии с решениями фундаментальной и научно-прикладной проблем

5.2 Введение в рассмотрение новых индикаторов

5.3 Формулировка задачи многокритериальной оптимизации индикаторов состояния и критериев качества

5.4 Связь индикаторов состояния и критериев качества функционирования системы

5.5 Задача выбора критериев и индикаторов надежности и их многокритериальной оптимизации

5.6 Процесс исследования повреждений

5.7 Исследования физических основ динамики некоторых видов деформированных тел

5.8 Разработка матричного метода описания геометрии и расчета аэродинамических характеристик тел с произвольно искривленной осью

5.9 Параметрические исследования динамики движения некоторых видов деформированных тел

5.10 Моделирование устойчивости движения деформированных удлиненных тел на основе вариаций угловых скоростей крена

5.11 Исследование влияния деформаций и асимметрии на параметрический резонанс продольных и боковых колебаний деформированного тела

5.12 Современные подходы к выявлению изменения формы летательных аппаратов в процессе движения

5.13 Применение технологий интеллектуального анализа данных в задачах выявления повреждений беспилотных летательных аппаратов

5.14 Интеграция концепций безопасности интернета вещей и диагностики технических систем

5.15 Формирование новых критериев качества системы в целом

Выводы к Главе

ГЛАВА 6 Практическое применение методологии к созданию и эксплуатации технических объектов и их составных частей и оценка технико-экономических показателей эффективности методологии

6.1 Исследуемые технические объекты (сквозные примеры)

6.2 Реализация методологии в задача группового управления (реализация специальной программы магистраты по ПНР групповое управление гетерогенными роботами)

6.3 Расчет технико-экономической эффективности внедрения методологии .. 318 Выводы к Главе

Заключение

Список основных публикация по диссертационной работе

Список сокращений

Список литературы

Приложение

Введение диссертации (часть автореферата) на тему «Методология создания и эксплуатации технических объектов и их систем управления на основе объединенной стратегии многокритериальной оптимизации, моделирования и интеллектуального анализа данных»

Введение

Актуальность темы исследований. Повышение технического уровня, эффективности и качества функционирования технических объектов и их систем управления является традиционно актуальной проблемой, однако в последние годы формируются процессы, связанные с усложнением их структуры, условий эксплуатации, усилений требований качества функционирования и экономичности, что является проявлением действия фундаментального закона усложнения системной организации управляемых технических систем. Проблема прогнозирования и поддержки принятия решений в области создания и эксплуатации этих систем, сформулированная как одна из основных задач интеллектуального анализа данных, должна быть решена с учетом совершенствования методов многокритериальной оптимизации и моделирования и формирования новых перспективных направлений развития теории и практики применения этих трех направлений.

Для разработки методологии создания и эксплуатации технических объектов и их систем управления в современных условиях необходимо сформулировать цель диссертационных исследований, решить основные задачи для достижения цели и проверить положения разрабатываемой методологии. Полученные результаты могут быть использованы для проектирования и эксплуатации технических систем в целом.

Полученные результаты могут быть использованы для проектирования и эксплуатации технических систем в целом.

Научная проблема, рассматриваемая в работе. Разработка новых научно обоснованных технических решений, внедрение которых вносит значительный вклад в развитие страны за счет повышения эффективности и качества функционирования технических объектов и их систем управления.

Фундаментальная научная проблема. Установление причинно-следственных связей в сложной иерархической системе в рамках жизненного

цикла, в том числе определение связей между проектными и эксплуатационными решениями и повышением технического уровня, эффективности и качества функционирования управляемых технических объектов.

Для решения фундаментальной научной и научно- практической проблем разработана методология создания и эксплуатации технических объектов и их систем управления на основе объединенной стратегии многокритериальной оптимизации, моделирования и интеллектуального анализа данных, созданы и внедрены комплексные методы исследования технических систем, поддержки принятия решений в их проектировании и эксплуатации, причем как в выбранной области исследований объектов ракетно-космической и авиационной техники, так и за ее пределами, на этапах жизненного цикла создания и эксплуатации.

В диссертационной работе принято следующее определение: методология - это совокупность принципов, методов, приёмов, форм и средств организации теоретических и практических направлений деятельности в различных областях.

Проблемы оптимизации и моделирования систем, рассматривались в академических трудах таких ученых, как А.А. Самарский, М.В. Келдыш, Н.Н. Моисеев, А.Н. Тихонов, А.Н. Крылов, А.И. Берг, В.М. Глушков, Д.А. Поспелов, Л.В. Канторович, Л.С. Понтрягин, А.А. Дородницын, Ю.Г. Евтушенко, А.В. Лотов, И.М. Соболь, Р.Б. Статников, Н.Н. Красовский, Е.М. Воронов, В.Д. Ногин, В.В. Подиновский, И.Г. Черноруцкий, Ф.А. Черноусько и др. Методы теории управления техническими системами развивались такими учеными, как В.В. Солодовников, А.А. Воронов, Е.П. Попов, В.А. Бесекерский, Е.Н. Розенвассен, В.И. Зубов, Я.З. Цыпкин,

A.А. Вавилов, Р.М. Юсупов, А.А. Красовский, Е.М. Воронов, Л.А. Растригин и др. В области методов интеллектуального анализа данных свой вклад внесли такие ученые как М.А. Айзерман, В.Н. Вапник, А.Я. Червоненкис,

B.Д. Мазуров, Б.В. Соколов, А.Г. Ивахненко, Г.С. Лбов, Ю.И. Журавлев, В.В. Рязанов, Х.А. Таха, А. Гилл, Р.Е. Гудсон, М.П. Поулис, О. Балчи, Т. Нейлор, А Прицкер, Дж. Форрестер, Р. Шеннон, В.А. Штофф, Г. Клаус,

Ф. Гилл, У. Мюррей, М. Райт, Д. Касти, Г. Кун, А. Таккер, Дж. Данциг, Д. Гейл, Р.Т. Рокафеллар, Р. Курант и др.

Объектом диссертационного исследования являются сложные технические объекты и их системы управления.

Предмет исследования - принципы, методы, методическое и алгоритмическое обеспечение многокритериальной оптимизации и моделирования технических объектов и их систем управления, методы и алгоритмы интеллектуальной поддержки принятия проектных и эксплуатационных решений, прогнозирования, оценки эффективности и качества сложных технических систем, визуализация, трансформация и анализ информации на основе компьютерных методов обработки информации, включая методы интеллектуального анализа данных.

Методы исследования основываются на использовании системного анализа, теории управления, методов оптимизации, идентификации и интеллектуального анализа данных, включая аналитические, численные и экспериментальные методы исследований технических систем.

Целью исследований является повышение эффективности и качества управляемых технических объектов на этапах их жизненного цикла с помощью разработанной методологии создания и эксплуатации технических объектов и их систем управления на основе объединенной стратегии многокритериальной оптимизации, моделирования и интеллектуального анализа данных, а также создание комплексных методов и методик исследования, прогнозирования, поддержки принятия решений как в выбранной области практического применения, так и за ее пределами на этапах жизненного цикла создания и эксплуатации технических систем.

Для достижения указанной цели сформированы следующие задачи:

1. Проведение анализа существующих методов, методических и алгоритмических средств многокритериальной оптимизации, моделирования технических объектов и их систем управления и новых технологий

интеллектуального анализа данных, для выявления проблем и определения направления исследований.

2. Формулировка фундаментальной проблемы установления причинно-следственных связей в сложной иерархической системе, применительно к поставленной цели исследований.

3. Разработка новой методологии создания и эксплуатации технических объектов и их систем управления, ее принципов, положений и основных составляющих на основе объединенной стратегии многокритериальной оптимизации, моделирования и интеллектуального анализа данных, для решения фундаментальной научной и научно-прикладной проблем, включая поддержку принятия решений в проектировании и эксплуатации технических объектов как новую формулировку проблем многокритериальной оптимизации и моделирования с учетом возможностей интеллектуального анализа данных и связи с жизненным циклом и создание механизмов формирования и реализации новых внутренних связей между тремя направлениями.

4. Формулировка и решение проблемы формирования и размерности пространства входных и выходных параметров технического объекта и его системы управления, определение места методов многокритериальной оптимизации в решении фундаментальной научной и научно-прикладной проблем. Постановка и решение задач разработки ансамблей критериев качества технических систем, оценки их состояния, прогнозирования, исследования, включая метакритерии качества перечисленных критериев.

5. Разработка обобщенной структурной схемы исследования технических систем в соответствии с задачами диссертации и направлениями решения фундаментальной научной и научно-прикладной проблем.

6. Постановка задачи и разработка общего теоретического подхода к созданию методов многокритериальной оптимизации, моделирования и прогнозирования, применяемых для проектирования и эксплуатации технических систем, как задач управления.

7. Разработка аналитических методов построения фронта Парето. Постановка и решение задачи активного управления фронтом Парето. Формулировка подхода к фронту Парето как объекту многокритериальной оптимизации и управления, определение критериев качества фронта и решение задачи с позиций теории оптимального управления.

8. Разработка новых стратегий организации моделирования в том числе, имитационного для решения фундаментальной научной и научно-прикладной проблем установления причинно-следственных связей в сложной иерархической системе в рамках жизненного цикла, в том числе определение связей между проектными и эксплуатационными решениями и повышением технического уровня, эффективности и качества функционирования управляемых технических объектов

9. Постановка и решение задачи новой трактовки метода аналогий, разработка методологических аспектов новой формулировки для решения задач моделирования технических объектов и их систем управления и создание на ее основе конкретных методов планирования и проведения моделирования этих систем.

10. Постановка и решение задачи формирования и многокритериальной оптимизации индикаторов состояния, качества функционирования и прогнозирования состояния технических объектов предметной области -ракетно-космической и авиационной техники, на этапе создания и эксплуатации систем.

11. Разработка новых методов исследования, установления причинно-следственных связей, диагностики и прогнозирования функционирования технических объектов предметной области - ракетно-космической и авиационной техники, включая аналитические методы, на этапе их создания и эксплуатации.

12. Разработка методов решения задач исследования и диагностики технических объектов и их систем управления на основе интеллектуального анализа данных в процессе создания и эксплуатации систем.

13. Апробация методологии к созданию и эксплуатации технических объектов, их систем управления и составных частей и выполнение оценки технико-экономических показателей эффективности методологии и ее частей.

Научная новизна заключается в следующем:

1. Разработана новая методология создания и эксплуатации технических объектов и их систем управления и ее основные принципы, положения и составляющие на основе объединенной стратегии многокритериальной оптимизации, моделирования и интеллектуального анализа данных, являющаяся научно-практической базой повышения эффективности и качества функционирования управляемых технических систем, разработки и внедрения комплексных методов их исследования, проектирования, оценки состояния и прогнозирования. Методология отличается от известных методов исследований наличием разработанных механизмов формирования и реализации новых внутренних связей между тремя направлениями, и общего теоретического подхода к созданию методов в указанных направлениях, как задач управления, а также разработанных конкретных методов и методик исследования. Разработанные основные принципы и положения новой методологии включают формулировку и установление причинно-следственных связей в сложной иерархической системе применительно к поставленной цели исследований, поддержку принятия в проектировании и эксплуатации технических объектов как новую формулировку проблем многокритериальной оптимизации и моделирования с учетом возможностей интеллектуального анализа данных, чем было достигнуто продвижение на следующий уровень в исследовании технических систем, в котором усилена обоснованность принятия решений на всех стадиях жизненного цикла технического объекта.

2. Сформулирована и решена проблема определения структуры и размерности пространства входных и выходных параметров технического объекта и его системы управления, что позволило создавать наборы моделей, определять оптимальный состав указанных параметров, необходимый и достаточный для выявления причинно-следственных связей, соответствующих

задаче. Определено место многокритериальной оптимизации в решении фундаментальной научной и научно-прикладной проблем.

3. На основе стратегии объединения трех основных направлений поставлена и решена задача разработки новых ансамблей критериев качества, включая метакритерии, позволившая создать и оптимизировать конкретные ансамбли, соответствующие этапам исследования, проектирования и эксплуатации управляемых технических систем и отличающиеся своим составом от ранее разработанных.

4. Разработана обобщенная структурная схема процесса исследования управляемых технических систем в соответствии с задачами диссертации и направлениями решения фундаментальной научной и научно-прикладной проблем, позволившая решить проблему организации непрерывного цикла создания и эксплуатации систем.

5. Поставлена и решена новая задача разработки нового общего теоретического подхода к созданию методов многокритериальной оптимизации, моделирования и интеллектуального анализа данных, как задач управления, состоящего в переходе от пространства состояний системы к пространству критериев, параметров новых моделей технического объекта с определением соответствующих управлений. На основе подхода разработаны методы многокритериальной оптимизации, редукции, линеаризации.

6. Разработаны аналитические методы решения задачи многокритериальной оптимизации на основе выдвинутых и доказанных утверждений. Поставлена и решена новая задача активного управления фронтом Парето, новизна состоит как в формулировке проблемы управления фронтом, так в разработанных конкретных методах решений.

7. Разработана новая формулировка подхода к фронту Парето как объекту многокритериальной оптимизации и оптимального управления и определение критериев его качества, разработаны методы поддержания его робастности. Установлен факт порождения новых «вложенных» фронтов.

8. Разработаны новые стратегии организации моделирования в том числе, имитационного, технических объектов и их систем управления, для решения фундаментальной научной и научно-прикладной проблем, позволившие на основе объединения трех направлений исследований повысить качество проводимых исследований, обоснованно выбирать перспективные области, обеспечивающие качество разрабатываемой технической системы, сократить вычислительные затраты при решении задач моделирования на этапе проектирования и оценки состояния в процессе эксплуатации за счет:

• формирования ансамбля критериев качества моделирования для задач построения моделей и численных моделирования технических объектов, в том числе объектов ракетно-космической и авиационной техники;

• формирования областей исследований пространства входных и выходных параметров, включая детерминированные, нерегулярные и стохастические переменные, описывающие внутреннее состояние технических объектов и внешние воздействия;

• разработки методов повышения эффективности вычислительных экспериментов при многовариантном анализе с учетом изменения параметров технических объектов, внешних и внутренних возмущений в задачах их проектирования, определения индикаторов состояния и прогнозирования для последующего применения в процессе эксплуатации в соответствии с критериями качества моделирования для численных расчетов, для чего использовались полученные решения формирования переменных оптимальных сеток, адаптированных к динамически изменяющимся параметром системы;

• создания методов решения задачи формирования областей адекватности моделей движения технических объектов в динамической постановке, удовлетворяющих разработанным критериям качества моделей.

9. Разработана новая трактовка метода аналогий, а именно, перенос особенностей процессов функционирования одних систем на процесс организации исследований других систем, в том числе перенос идей управления объектами на управление моделями и критериями. Разработаны

методологические аспекты для решения задач моделирования и созданы конкретные методы.

10. Поставлена и решена задача формирования и многокритериальной оптимизации индикаторов состояния, качества функционирования и прогнозирования состояния технических объектов предметной области на этапе создания и эксплуатации систем, позволившая повысить обоснованность оценок состояния и принятия решений.

11. Разработаны новые методы исследования, диагностики и прогнозирования функционирования технических объектов предметной области, реализующие решение фундаментальной проблемы установления причинно-следственных связей в технических системах, включая аналитические методы и методы на основе интеллектуального анализа данных. Новизна заключается в формировании новых ранее не существовавших аналитических моделей объектов ракетно-космической и авиационной техники, претерпевших повреждения. Новые модели являются основой для установления характера влияния повреждений на функционирование объектов, определения степеней их допустимости, по достижению которых состояние повреждения переходит в состояние критичного или катастрофического отказа. Новизна также состоит в разработке новых индикаторов, например, формирования Граммиана управляемости, ранжирования системы индикаторов для разных технических объектов.

Научная и практическая ценность работы состоит в разработке методологии создания и эксплуатации технических объектов и их систем управления на основе объединения многокритериальной оптимизации, моделирования и интеллектуального анализа данных через механизмы формирования и реализации новых внутренних связей между тремя направлениями и решения фундаментальной проблемы установления причинно-следственных связей в сложной иерархической системе в рамках жизненного цикла, в том числе определения связей между проектными и эксплуатационными решениями и повышением технического уровня, эффективности и качества

функционирования управляемых технических объектов, и определяется возможностью использования разработанных методов, моделей и программ для комплексной поддержки принятия решений при разработке технических объектов и их систем управления и повышения качества принимаемых научно -технических решений.

К основным практически значимым результата относятся:

1. Повышение качества технических объектов и их систем управления за счет совершенствования моделей, в том числе, используемых для диагностики повреждений, прогнозного обслуживания и адаптивного управления в технических системах, многокритериальной оптимизации критериев качества и индикаторов состояния систем.

2. Ускорение процесса решения научных и технических проблем создания и эксплуатации технических объектов и их систем управления, за счет сокращения времени и трудозатрат на разработку и диагностику объектов ракетно-космической и авиационной техники. Так удалось добиться для рассматриваемых объектов сокращения объема хранимой информации в 4 раза. Количество обращений к обновленной информации сократилось в 2-4 раза.

3. Повышение качества функционирования технических объектов за счет усиления обоснованности принимаемых решений в процессе создания и эксплуатации на этапах жизненного цикла, в том числе получения более точных моделей (ошибки расчетов по оптимальным переменным сеткам снизились на 10-20%, применение более совершенных методов линеаризации позволило сократить ошибки модели до 10%)

4. Сокращение энергетических затрат на функционирование систем управления техническими объектами за счет улучшения качества моделей, используемых для создания систем управления техническими объектами. Так интегральные затраты на управление сократились от 2 до 5 раз.

5. Применение разработанных алгоритмов и комплексов компьютерных программ формирования моделей, критериев качеств а моделей и управления процессами моделирования позволило проводить

многовариантные анализы особенностей функционирования объектов ракетно-космической и авиационной техники в условиях действия внешних и внутренних возмущений детерминированного и стохастического характера, в том числе: БПЛА самолетного типа, БПЛА роторного типа; деформированный ЛА с базовой осесимметричностью, ЛА с базовой осесимметричностью и блоком управления, модели в НКО МКС, многокритериальная оптимизации в композитных материалах ракетно-космической отрасли и др.

Основные положения, выносимые на защиту:

1. Новая методология создания и эксплуатации технических объектов и их систем управления на основе объединенной стратегии многокритериальной оптимизации, моделирования и интеллектуального анализа данных, и ее основные принципы, положения и составляющие, являющаяся научно-практической базой повышения эффективности и качества функционирования управляемых технических систем, разработки и внедрения комплексных методов исследования, прогнозирования, поддержки принятия решений в проектировании и эксплуатации технических объектов. Разработанный механизм формирования и реализации новых внутренних связей между тремя направлениями: многокритериальной оптимизацией, моделированием и интеллектуальным анализом данных.

2. Постановка и решение на основе стратегии объединения трех основных направлений задачи разработки новых ансамблей критериев качества, включая метакритерии, позволившее создать и оптимизировать конкретные ансамбли, соответствующие этапам исследования, проектирования и эксплуатации управляемых технических систем.

3. Постановка и решение задачи разработки нового общего теоретического подхода к созданию методов многокритериальной оптимизации, моделирования и интеллектуального анализа данных, как задач управления, состоящего в переходе от пространства состояний системы к пространству критериев, параметров новых моделей технического объекта с определением соответствующих управлений, и разработка соответствующих методов

исследований, в том числе, методов многокритериальной оптимизации, редукции, линеаризации.

4. Аналитические методы решения задачи многокритериальной оптимизации на основе выдвинутых и доказанных утверждений. Постановка и решение новой задачи активного управления фронтом Парето, позволившая определить конкретные направления изменения параметров системы и более обоснованно формировать требования к критериям в задаче многокритериальной оптимизации. Формулировка нового подхода к фронту Парето как объекту многокритериальной оптимизации и управления и определение критериев его качества.

5. Новые стратегии организации моделирования в том числе, имитационного, технических объектов и их систем управления, для решения фундаментальной научной и научно-прикладной проблем.

6. Новая трактовка метода аналогий, а именно, перенос особенностей процессов функционирования одних систем на процесс организации исследований других систем, в том числе перенос идей управления объектами на управление моделями и критериями. Разработанные методологические аспекты для решения задач моделирования и созданные конкретные методы.

7. Решение задачи формирования и многокритериальной оптимизации индикаторов состояния, качества функционирования и прогнозирования состояния технических объектов предметной области на этапе создания и эксплуатации систем. Разработанные новые методы исследования, диагностики и прогнозирования функционирования технических объектов предметной области, реализующие решение фундаментальной проблемы установления причинно-следственных связей в системах, включая аналитические методы для формирования новых ранее не существовавших аналитических моделей объектов ракетно-космической и авиационной техники, претерпевших повреждения и методы на основе интеллектуального анализа данных. Новые модели как основа для установления характера влияния повреждений на функционирование объектов, определения степеней их допустимости, по

достижению которых состояние повреждения переходит в состояние критичного или катастрофического отказа.

Внедрение результатов работы. Результаты диссертации использованы в опытно-конструкторских работах, руководимых автором в рамках государственных контрактов с ПАО «РКК «Энергия» (результаты интеллектуальной деятельности - акт РИД договора 1922730301751217000241351/ММП93 от 28.04.2020 г., используемые для формирования структуры и реализации аппаратно-программных средств автоматизированного рабочего места широкополосной системы связи; результаты интеллектуальной деятельности - акт РИД договора 1922730301751217000241351/ММП-91 от 16 сентября 2020 года, используемые для создания аппаратно-программных средств для отработки суточных программ полета и полетной документации при полете модуля МЛМ в составе РС МКС); в разработке новых композитных материалов в АО «НИИграфит» им. С.Е. Вяткина (Акт использования в производстве изделий из углерод-углеродных композиционных материалов (УУКМ). Основные алгоритмы и программы зарегистрированы и имеются свидетельства о государственной регистрации (8 свидетельств).

Материалы диссертации использованы в курсах лекций «Интеллектуальный анализ данных», «Автоматизированное проектирование мехатронных систем», «Методы оптимизации и их применение в проектировании систем управления объектов мехатроники и робототехники», «Моделирование и исследование мехатронных систем», «Применение методов искусственного интеллекта в проектировании и эксплуатации систем мехатроники и робототехники» магистрантов 1 и 2 курсов кафедры робототехнические системы и мехатроника МГТУ им. Н.Э. Баумана, «Управление техническими системами» специалистов для 5 курса кафедры ракетные и импульсные системы МГТУ им. Н.Э. Баумана.

Список литературы диссертационного исследования доктор наук Романова-Большакова Ирина Константиновна, 2023 год

Список литературы

1. Бусленко Н. П. Моделирование сложных систем. М.: Наука. 1978. 400

с.

2. Васильев Ф. П. Численные методы решения экстремальных задач: Учеб. пособие для вузов. 2-изд., перераб. М.: Наука. 1988. 552 с.

3. Кемени Дж., Снелл Дж. Кибернетическое моделирование: Некоторые приложения. М.: Сов. радио. 1972. 192 с.

4. Краснощеков П. С, Петров А. А. Принципы построения моделей. М.: Изд-во МГУ. 1983. 264 с.

5. Морозов К. Е. Математическое моделирование в научном познании. М.: Мысль. 1969.212 с.

6. Новик И. Б. О моделировании сложных систем. М.: Мысль. 1965. 335

с.

7. Седов Л.И. Методы подобия и размерности в механике. М.: Наука. 1987. 432 с.

8. Хемминг Р. В. Численные методы для научных работников и инженеров. М.: Наука. 1972. 400 с.

9. Хорафас Д. Н. Системы и моделирование. М.: Мир. 1967. 420 с.

10. Чавчанидзе В. В., Гельман О, Я. Моделирование в науке и технике. М.: Знание. 1966. 32 с.

11. Гилл Ф., Мюррей У., Райт М. Практическая оптимизация. Пер. с англ. М.: Мир. 1985. 509 с.

12. Демьянов В. Ф., Рубинов А. М. Приближенные методы решения экстремальных задач. Л.: ЛГУ. 1968. 181 с.

13. Жиглявский А.А., Жилинкас А.Г. Методы поиска глобального экстремума. М.: Наука. Физматлит. 1991. 248 с.

14. Карманов В.Г. Математическое программирование. М.: ФИЗМАТЛИТ. 2004. 264 с.

15. Кини Р. Л., Райфа Х. Принятие решений при многих критериях: предпочтения и замещения. М.: Радио и связь. 1981. 560 с.

16. Многокритериальная оптимизация: Математические аспекты / Б.А. Березовский, Ю.М. Барышников, В.И. Борзенко, Л.М. Кемпнер. М.: Наука. 1989. 128 с.

17. Моисеев Н. Н., Иванилов Ю. П., Столярова Е. М. Методы оптимизации. М.: Наука. 1978. 352 с.

18. Растригин Л. А. Системы экстремального управления. М.: Наука. 1974.

632 с.

19. Растригин Л.А. Статистические методы поиска. М.: Наука. 1968. 376 с.

20. Химмельблау Д. Прикладное нелинейное программирование. М.: Мир. 1975. 535 с.

21. Численные методы условной оптимизации / Под ред. Ф. Гилла, У. Мюррея. М.: Мир. 1977. 590 с.

22. Лотов А.В., Поспелова И.И. Многокритериальные задачи принятия решений. М.: Изд. МГУ им. М.В. Ломоносова. 2008. 197 с.

23. Соболь И.М., Статников Р.Б. Выбор оптимальных параметров в задачах со многими критериями. М.: Дрофа. 2006. 175 с.

24. Воронов Е.М. Методы оптимизации управления многообъектными многокритериальными системами на основе стабильно-эффективных игровых решений. М.: МГТУ им. Н.Э. Баумана. 2001. 576 с.

25. Ногин В.Д. Проблема сужения множества Парето: подходы к решению // Искусственный интеллект и принятие решений. 2008. № 1. С. 98-112.

26. Ногин В.Д. Принятие решений при многих критериях. СПб: Изд-во Ютас. 2007. 104 с.

27. Подиновский В.В. Введение в теорию важности критериев в многокритериальных задачах принятия решений. М.: ФИЗМАТЛИТ. 2007. 64 с.

28. Романова И.К. Программный комплекс «Многокритериальная оптимизация систем управления». Свидетельство о государственной регистрации

№ 2012610400 Федеральной службы по интеллектуальной собственности, патентным и товарным знакам от 10.01.2012 г.

29. Черноруцкий И.Г. Методы принятия решений. СПб: Изд-во БХВ-Петербург. 2005. 416 с.

30. Романова И.К. Методы теории оптимального управления в проектировании технических систем. М.: Издательство МГТУ им. Н. Э. Баумана. 2017. 152 c.

31. Стабилизация, наведение, групповое управление и системное моделирование беспилотных летательных аппаратов. Современные подходы и методы : [монография] : в 2 т. / Обносов Б. В., Воронов Е. М., Микрин Е. А. [и др.] ; ред. Воронов Е. М., Микрин Е. А., Обносов Б. В. - М. : Изд-во МГТУ им. Н. Э. Баумана, 2018.

32. Толстых С.С., Подольский В.Е., Бучнева В.В. Современное состояние теории сложности и возможности ее применения в сфере телекоммуникаций. Тамбовский государственный технический университет. 2008. 46 с.

33. Николис Г., Пригожин И. Познание сложного. М.: Мир. 1990. 343 с.

34. Черноруцкий И.Г. Методы оптимизации в теории управления. СПб.: ПИТЕР. 2004. 272 с.

35. Солодовников В.В. Принцип сложности в теории управления: О проектировании оптимальных систем и проблеме корректности / В.В. Солодовников, В.Ф. Бирюков, В.И. Тумаркин. М.: Наука. 1977. 344 с.

36. Солодовников В.В. Тумаркин В.И. Теория сложности и проектирование систем управления. М.: Наука. 1990. 168 с.

37. Барсегян А.А., Степаненко В.В., Холод И.И., Куприянов М.С. Технологии анализа данных: Data Mining, Visual Mining, Text Mining, OLAP. СПб.: БХВ-Петербург. 2007. 383 с.

38. Грас Дж. Data Science. Наука о данных с нуля: Пер. с англ. СПб. БХВ-Петербург. 2017. 336 с.

39. Каляев И., Заборовский В. Искусственный интеллект: от метафоры к техническим решениям // CONTROL ENGINEERING РОССИЯ. 2019.№ 5 (83). С. 26-31.

40. Мусаев А.А. Интеллектуальный анализ данных: Учебное пособие. СПб. СПб ГТИ (ТУ). 2018. 56 с.

41. Остроух А.В., Суркова Н.Е. Интеллектуальные информационные системы и технологии: Монография. Красноярск: Научно-инновационный центр. 2015. 370 с.

42. Рассел С., Норвиг П. Искусственный интеллект. Современный подход, 2-е изд.: Пер. с англ. М.: Издательский дом «Вильямс». 2006. 1408 с.

43. Romanova I.K. Applying Intelligent Data Analysis Technologies for Detecting Damages to UAVs // AIP Conference Proceedings. 2022. Vol. 2383. P.030004-1-030004-8. doi.org/10.1063/5.0074541

44. Чубукова И.А. Data Mining. 2-е издание, исправленное. М.: НОУ «ИНТУИТ». 2016. 471 с.

45. Тарасов В.Б., Федотова А.В., Черепанов Н.В.ОНТОЛОГИИ ЖИЗНЕННОГО ЦИКЛА СЛОЖНОЙ ТЕХНИЧЕСКОЙ СИСТЕМЫ. V Международная научно-техническая конференция «Открытые семантические технологии проектирования интеллектуальных систем» - 20-22 февраля 2014, г.Минск. OSTIS-2014. С. 471-482.

46. Романова И.К. Методология применения интеллектуального анализа данных в технических приложениях // ТЕХНОЛОГИИ РАЗРАБОТКИ И ОТЛАДКИ СЛОЖНЫХ ТЕХНИЧЕСКИХ СИСТЕМ. Сборник трудов V Всероссийской научно-практической конференции. М. 2018. С. 124-133.

47. Романова И.К. Повышение эффективности вычислительных экспериментов при моделировании движения летательных аппаратов // Наука и Образование: Научное Издание. МГТУ им. Н.Э. БАУМАНА. № 7. С. 158-188.

48. The Manager's Guide to Solving the Big Data Conundrum//The Math Works. 2016. 201693067v00_UK_Big_Data_Beyond_Excel_Whitepaper_A4/2016

UPL: https://www.mathworks.com/campaigns/products/offer/big-data-for-

managers.html (дата обращения 02.04.2022)

49. Федоров А., Елманова Н. Введение в OLAP-технологии. М.: Диалог-МИФИ. 2002. 268 с.

50. Mateen M., Chaudhary L. Reduce. The Wastage of Data during Movement in Data Warehouse // International Journal of Computer Applications (0975 - 8887). Volume 152. No.8. October 2016. P. 20-24.

51. Subrahmanyam P. High-Fidelity Aerothermal Engineering Analysis for Planetary Probes Using DOTNET Framework and OLAP Cubes Database // Hindawi Publishing Corporation International Journal of Aerospace Engineering. 2009. Volume 2009. Article ID 326102. 21 p.

52. Проектирование кубов данных. URL: https://intuit.ru/studies/courses/599/455/lecture/10190 (дата обращения 22.05.2022)

53. Многомерные кубы URL: http://kek.ksu.ru/eos/DW OLAP_Microsoft.pdf (дата обращения 23.05.2022)

54. Data Cube-Matlab Interface. User Manual. Berkeley Water Center. 11/10/2008. http://www.fluxdata.org/BWC 20Cube-Matlab Interface.pdf ((дата обращения 20.04.2017)

55. Барковский С.С., Захаров В.М., Лукашов А.М., Нурутдинова А.Р., Шалагин С.В. Многомерный анализ данных методами прикладной статистики. Учебное пособие. Казань: Изд. КГТУ. 2010. 126 с.

56. Романова И.К., Соловьев В.С. Параметрические исследования динамики некоторых видов деформированных тел. Ч.2 // Вопросы оборонной техники. Серия 16. Технические средства противодействия терроризму. 2016. № 78. С. 82 - 89.

57. Романова И.К. Современные методы визуализации многомерных данных: анализ, классификация, реализация, приложения в технических системах // Наука и Образование: Научное Издание МГТУ им. Н.Э. Баумана. 2016. № 3. С. 133-167.

58. Романова И.К. Сравнительный анализ и модификации методов визуализации в параметрических исследованиях систем управления // Наука и Образование: Научное Издание. МГТУ им. Н.Э. Баумана. 2017. № 1. С. 50-76.

59. Романова И.К. Основные подходы к выбору состава материала путем многокритериальной оптимизации // ВСЕ МАТЕРИАЛЫ. Энциклопедический Справочник. 2017. № 7. С. 14-18.

60. Малышева Г.В., Романова И.К. Оптимизация выбора параметров, характеризующих состояние объекта, при решении задач надежности// Ремонт, Восстановление, Модернизация. 2015. № 6. С. 33 - 38.

61. Romanova I.K., Mei Yingfei. Modern Methods for Solving Unmanned Navigation Problems in Unknown Environments // AIP Conference Proceedings. 2022. Vol. 2383. P.030007-1-.030007-10. doi.org/10.1063/5.0074545.

62. Romanova I.K. Development of a New Concept of Modeling Systems Based on the Application and Development of Modern Information Technologies // AIP Conference Proceedings. 2022. Vol. 2383. P.030001-1-030001-9. doi.org/10.1063/5.0074539.

63. Национальная стратегия развития искусственного интеллекта на период до 2030 года. http://publication.pravo.gov.ru/ Document / Text /0001201910110003

64. Романова И.К. Применение аналитических методов к исследованию Парето - оптимальных систем управления // Наука и образование: Научное Издание МГТУ им. Н.Э. Баумана. 2014. № 4. С. 238-266.

65. Березкин В. Е., Каменев Г. К., Лотов А. В. Гибридные адаптивные методы аппроксимации невыпуклой многомерной паретовой границы // ЖВМ и МФ. 2006. Т. 46(11). С. 2009-2023.

66. Березкин В.Е., Каменев Г.К. Аппроксимация границы Парето двухфазным адаптивным методом с глобальной оптимизацией // Труды VI Московской международной конференции по исследованию операций. М.: Изд-во МГУ. 2010. C.176-178.

67. Г. К. Каменев Оптимальные адаптивные методы полиэдральной аппроксимации выпуклых тел. М.: Изд-во ВЦ РАН. 2007. 226 с.

68. Olga Kurasova, Tomas Petkus, Ernestas Filatovas. Visualization of Pareto Front Points when Solving Multi-objective Optimization Problems // INFORMATION TECHNOLOGY AND CONTROL. 2013. Vol.42, No.4, P. 353-361.

69. Ногин В.Д. Логическое обоснование принципа Эджворта-Парето // Журнал вычислительной математики и математической физики. 2002. т. 42. № 7. С. 950-956.

70. Ogryczak, W. and Lahoda, S. Aspiration/Reservation-based decision Support- a step beyond goal programming // Journal of the Multi-Criteria Decision Analysis. 1992. No 1. P. 101-117.

71. Ringuest J.L. and Downing, C.E. Multiobjective linear programming with context-dependent preferences // The Journal of the Operational Research Society. Vol. 48. No. 7 (Jul. 1997). P. 714-725.

72. Bouchanan, J. T. A naive approach for solving MCDM problems: the GUESS Method // Journal of the Operational Research Society. University of Waikato, Hamilton, New Zealand. 1997 Feb. V. 48, No. 2. P. 202-206.

73. Branke J., Deb K., Miettinen K., Slowinski R. Multiobjective optimization. Interactive and Evolutionary Approaches. Lecture Notes in Computer Science. Springer. 2008. 490 p.

74. P. M. Pardalos, I. Steponavice, A. Zilinskas. Pareto set approximation by the method of adjustable weights and successive lexicographic goal programming // Optimization Letters. 2012. Vol. 6. No. 4. P. 665-678.

75. K. Deb, S. Agrawal, A. Pratap, T. Meyarivan. A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization: NSGA-II // In: Proceedings of the 6 th International Conference on Parallel Problem Solving from Nature. London, UK: Springer-Verlag, 2000. P. 849-858.

76. Miettinen K., Makela M.M. Interactive Bundle-based Method for Nondifferentiable Multiobjective Optimization: NIMBUS // Optimization: A Journal of Mathematical Programming and Operations Research. 1995. Vol. 34. No. 3. P. 231-246.

77. Tomi Haanpaa. Approximation Method for Computationally Expensive Nonconvex Multiobjective Optimization Problems // Jyvaskyla: Jyvaskyla University Printing House. 2012. 188 p.

78. Бесекерский В.А., Е.П. Попов. Теория систем автоматического управления. СПб.: Изд-во «Профессия». 2003. 752 с.

79. George M. Siouris. Missile Guidance and Control Systems. Springer. New York. 2003. 681 p.

80. Paul B. Jackson .Overview of Missile Flight Control Systems // JOHNS HOPKINS APL TECHNICAL DIGEST. VOLUME 29. NUMBER 1 (2010). P. 9-24.

81. Дорф Р., Бишоп Р. Современные системы управления: Пер. с англ. / Пер. Копылов Б.И. М.: Лаборатория Базовых Знаний. 2004. 832 с.[

82. Тягунов О.А. Выбор показателей качества при многокритериальной настройке параметров систем управления // Мехатроника, автоматизация, управление. 2008. № 4. С. 12-16.

83. Проектирование зенитных управляемых ракет. (Изд. 2е) / под ред. Голубева И.С., Светлова В.Г. Москва. Изд-во МАИ. 2001. 732 с.

84. Алипрантис К., Браун Д, Бёркеншо О. Существование и оптимальность конкурентного равновесия: пер. с англ. /под ред. В.И. Аркина и А.В. Бухвалова. М.: Мир. 1995. 384 с.

85. Ногин В.Д., Прасолов А.В. Многокритериальная оценка оптимальной величины импортной пошлины // Труды ин-та Системного Анализа РАН. 2013. Т. 63. Вып. 2. С. 34-44.

86. Романова И.К. Управление сложными техническими объектами. Ч. 3. М.: Изд-во МГТУ им. Н.Э. Баумана, 2010. 80 с.

87. Романова И.К. Постановка задачи управления фронтом Парето и ее решение в анализе и синтезе оптимальных систем // Наука и Образование: Научное Издание МГТУ им. Н.Э. Баумана. 2015. № 8. С. 140-170.

88. Романова И.К. Об одном подходе к определению весовых коэффициентов метода пространства состояний // Наука и Образование: Научное Издание МГТУ им. Н.Э. Баумана. 2015. № 4. С. 105-129.

89. Luke S. Essentials of Metaheuristics. A Set of Undergraduate Lecture Notes. Second Edition. Online Version 2.1. October 2014. 255 р. URL: http ://cs. gmu.edu/~sean/book/metaheuristics.

90. Borodulin A.S., Malysheva G.V., Romanova I.K. Optimization of rheological properties of binders used in vacuum assisted resin transfer molding of fiberglass // Polymer Science. Series D. 2015. Vol. 8. № 4. P. 300-303.

91. Jacob Engwerda. LQ Dynamic Optimization and Differential Games. England. Tilburg University: The Netherlands John Wiley & Sons Ltd. 2005. 511 p.

92. P. Eskelinen and K. Miettinen. Trade-off analysis approach for interactive nonlinear Multiobjective optimization // OR Spectrum. 2012. No. 34(4). P.803-816.

93. K. Miettinen, F. Ruiz, and A. P. Wierzbicki. Introduction to Multiobjective optimization: Interactive approaches // In J. Branke, K. Deb, K. Miettinen, and R. Slowin'ski, editors, Multiobjective Optimization: Interactive and Evolutionary Approaches. Berlin, Heidelberg: Springer-Verlag. 2008. P. 27-57.

94. Martijn Hendriks, Marc Geilen, Twan Basten. Pareto Analysis with Uncertainty. 2011. 8 p. URL: es.ele.tue.nl>esreports/esr-2011-01.pdf.

95. Mahmoud Samadi, Ali Barootiha, Mohsen Rahmani, Ali Taherkhani. Pareto Optimal Robust Feedback Linearization Control of a Nonlinear System with Parametric Uncertainties// J. Basic. Appl. Sci. Res. 2013. No. 19. P. 91-95.

96. Masoud Abbaszadeh, Horacio J. Marquez. Robust Nonlinear L2 Filtering of Uncertain Lipschitz Systems via Pareto Optimization. 2014. 21 р. URL: http: //www.scirp. org/j ournal/PaperInformation. aspx?PaperID=3301

97. Бобцов А.А., Никифоров В.О., Пыркин А.А., Слита О.В., Ушаков А.В. Методы адаптивного и робастного управления нелинейными объектами в приборостроении: учебное пособие для высших учебных заведений. СПб: НИУ ИТМО. 2013. 277 c.

98. Roberto Calandra, Jan Peters, Marc Peter Deisenrothy. Pareto Front Modeling for Sensitivity Analysis in Multi-Objective Bayesian Optimization. 2014. 5 pр. URL: http: //bayesopt .github .io/papers/paper2 .pdf

99. Flor Castillo, Arthur Kordon, and Guido Smits. Robust Pareto Front Genetic Programming Parameter Selection Based on Design of Experiments and Industrial Data. Pр. 18. URL: http://www.cs.bham.ac.uk/~wbl/biblio/gp-html/1144264.html

100. Ajeet Kumar, Alexander Vladimirsky. An efficient method for Multiobjective optimal control and optimal control subject to integral constraints // Journal of Computational Mathematics. 2010. Vol.28. No.4. P. 517-551.

101. Заргарян Ю.А., Косенко О.В., Васильев И.А. Численный метод нахождения Парето-оптимального решения в условиях неполноты исходных данных // Известия ЮФУ. Технические науки Раздел IV. Методы искусственного интеллекта. 2013. С. 137-144.

102. Reddy, P.V.; Engwerda, J.C. Necessary and Sufficient Conditions for Pareto Optimality in Infinite Horizon Cooperative Differential Games // CentER Discussion Paper. 2011. Vol. 2011-041. 26 р.

103. Markus Hartikainen, Kaisa Miettinen, Margaret M. Wiecek. PAINT: Pareto front interpolation for nonlinear Multiobjective optimization // Compute Optim Appl. Springer Science + Business Media, LLC 2011. 23 p.

104. Vadim Azhmyakov and Arturo Enrique Gil Garcrn. On Optimization Techniques for a Class of Hybrid Mechanical Systems // Applications of Nonlinear Control. ISBN: 978-953-51-0656-2, InTech, 2012. P. 147-162.

105. Hans J. F. Moen, Harald Hovland. Spanning the Pareto Front of a Counter Radar Detection Problem// GECCO'11, July 12-16, 2011, Dublin, Ireland. Copyright 2011 ACM 978-1-4503-0557-0/11. 7 p.

106. Пьянков А.А. Методический подход к многокритериальной оценке вариантов развития базовых и критических технологий // Материалы Восьмой Всероссийской научно-практической конференции «Перспективные системы и задачи управления». Таганрог: Изд-во ТТИ ЮФУ. 2013. С. 44-50.

107. А.В. Семенова, Д.В. Чирков, А.Е. Лютов. Целевые функционалы при оптимизации рабочего колеса поворотно-лопастной гидротурбины // Научно-технические ведомости Санкт-Петербургского государственного политехнического университета. 2014. 3(202). C.97-106.

108. Advances in Dynamic Games. Theory, Applications, and Numerical Methods for Differential and Stochastic Games/Mich'ele Breton, Krzysztof Szajowski/Editors. Springer New York Dordrecht Heidelberg London Springer. Science C Business Media, LLC 2011. 612 p.

109. Hiroaki Mukaidani and Hua Xu. Pareto Optimal Strаtеgу for Stochastic Weakly Coupled Large Scale Systems with State Dependent System Noise // IEEE TRANSACTIONS ON АЦТОМАТГС CONTROL. SЕРТЕМВЕR 2009. VOL. 54. NO. 9. P. 2244-2250.

110. Henri Bonnel, Ngoc Sang Pham. Nonsmooth Optimization Over the (Weakly or Properly) Pareto Set Of a Linear-Quadratic Multi-Objective Control Problem: Explicit Optimality Conditions. 2010. October. No. 24. 23 р.

111. Wei Lin. Differential Games For Multi-Agent Systems Under Distributed Information. Fall Term 2013. 127 pp. URL: etd.fcla.edu/CF/.../Dissertationver11.pdf

112. Rehna Nalakath, M. P. Nandakumar. Determination of Compromise Solutions for Linear Steady State Regulator with Vector Valued Performance Index // International Journal of Scientific and Research Publications. November 2013. Volume 3. Issue 11. P. 1-5.

113. Черноруцкий И.Г. Петербургская научная школа жесткой оптимизации (история и обзор основных научных результатов) // Научно-технические ведомости. Информатика. Телекоммуникации. Управление. СПб.: СПб ГПУ. 2013. № 5 (181). С. 29-38.

114. Henri Bonnel. Post-Pareto Analysis For Multiobjective Parabolic Control Systems // Ann. Acad. Rom. Sci. Ser. Math. Appl. 2013. ISSN 2066 - 6594 Vol. 5, No. 1-2. P. 13-34.

115. Карпенко А. П. Современные алгоритмы поисковой оптимизации. Алгоритмы, вдохновленные природой: учебное пособие. Москва: Издательство МГТУ им. Н. Э. Баумана, 2014. 446 с.

116. Romanova I.K. Multi-objective optimization of dynamic systems and problem of the Pareto front control // AIP CONFERENCE PROCEEDING. XLIII Academic Space Conference: Dedicated to the Memory of Academician S.P. Korolev and

Other Outstanding Russian Scientists - Pioneers of Space Exploration. 2019. Vol. 2171. P.110016 - 110016-9. doi.org/10.1063/1.5133250.

117. Романова И.К. Современные методы редукции нелинейных систем и их применение для формирования моделей движущихся объектов // Вестник МГТУ им. Н. Э. Баумана. Серия "Машиностроение". 2012. Спец. выпуск "Специальная робототехника и мехатроника". С. 122 - 133.

118. Moore, B. Principal Component Analysis in Linear Systems: Controllability, Observability, and Model Reduction // IEEE Tran. Automat Control. 1981. Vol. 26. No. 1. P. 17-32.

119. Scherpen, J. Balancing for Nonlinear Systems, Ph.D. thesis, University of Twente.1994.

120. Krener A. The Important State Coordinates of a Nonlinear System // In: Bonivento, C., Marconi, L., Rossi, C., Isidori, A. (eds). Advances in Control Theory and Applications. Lecture Notes in Control and Information Sciences. Springer, Berlin, Heidelberg 2007. Vol 353. P. 161-170.

121. Newman, A.J., and. Krishnaprasad P. S. Computing balanced realizations for nonlinear systems, Proc. of the Math. 2000. Theory of Networks and Systems (MTNS).

122. Bouvrie Jake, Boumediene Hamzi. Balanced Reduction of Nonlinear Control Systems in Reproducing Kernel Hilbert Space. Department of Mathematics Duke University.2010. DOI: 10.1109/ALLERTQN.2010.5706920.

123. Романова И.К. Математические модели управляемого движения летательных аппаратов. М.: Изд-во МГТУ им. Н.Э. Баумана. 2014. 116 с.

124. Романова И.К. Теоретические основы проектирования систем управления. М.: Изд-во МГТУ им. Н.Э. Баумана. 2015. 124 с.

125. Романова И.К. Методы синтеза системы управления летательными аппаратами. М.: Изд-во МГТУ им. Н.Э. Баумана. 2017. 156 с.

126. Романова И.К. Формирование упрощенных нелинейных моделей для задач исследования движения тел сложной формы // Наука и образование: научное издание МГТУ им. Н.Э. Баумана. 2013. № 10. С. 581.

127. Романова И.К. Соловьев В.С. Исследование особенностей аэродинамики искривленных тел // Наука и Образование: Научное Издание МГТУ им. Н.Э. Баумана. 2012. № 11. С. 1-39.

128. Романова И.К. Проблема устойчивости в теории и практике формирования моделей динамических систем // Инженерный Журнал: Наука и Инновации. Издательство: Московский государственный технический университет им. Н.Э. Баумана. М. 2013. № 8 (20). C. 1-12.

129. Kokotovic P. V. Singular Perturbation and Order Reduction in Control Theory - An Overview. Automatica. Pergamon Press. 1976. Vol.12. P.123-132.

130. Litz L., Roth H. State decomposition for singular perturbation order reduction- A modal approach // Int. Journal of Control. 1981. T. XXVI. Vol. 34. No 5. P. 937-945.

131. Pernebo, L. and Silverman, L. Model reduction via balanced state space representations // IEEE Trans. on Automatic Control. 1996. No. 27. P. 1466-1477.

132. Zhou K., Salomon G. and Wu E. Balanced realization and model reduction for unstable systems // International Journal Of Robust And Nonlinear Control Int. J. Robust Nonlinear Control. 1999. No. 9. P. 183- 198.

133. Gugercin S., Antoulas A.C. Survey of model reduction by balanced truncation and some new results // International Journal of Control. May 2004. No. 77(8). P.748-766.

134. A. Varga. Coprime factors model reduction based on accuracy enhancing techniques // Syst. Anal. Model. Sim. 1993. No. 11. P. 303-311.

135. Romanova I.K. Linearization and reduction: two approaches to the formation of models of dynamic systems // AIP CONFERENCE PROCEEDINGS. International Scientific and Practical Conference "Modeling in Education 2019". 2019. Vol. 2195. P.020078 - 020078-9. doi.org/10.1063/1.5140178.

136. Lukasz Bartczuk, Andrzej Przybyl, Krzysztof Cpalka. A new approach to nonlinear modelling of dynamic systems based on fuzzy rules // Int. J. Appl. Math. Comput. Sci. 2016. Vol. 26. No. 3. P. 603-621.

137. Juri Belikova, Arvo Kaldma, and U" lle Kottac. Global linearization approach to nonlinear control systems: a brief tutorial overview // Proceedings of the Estonian Academy of Sciences. 2017. Vol. 66. No. 3. P. 243-263.

138. T.J. Sobczyk and M. Radzik. Application of novel discrete differential operator of periodic function to study electromechanical interactions // Bulletin of the polish academy of sciences technical sciences. 2018. Vol. 66, No. 5.

139. Tayeb Benouaz, Martin Bohner, Abdelhak Chikhaoui. On the relationship between the optimal derivative and asymptotic stability // African Diaspora Journal of Mathematics. Special Issue in Memory of Prof. Ibni Oumar Mahamat Saleh. 2009. Vol. 8. Number 2. P. 148-162.

140. Krzysztof Cpalka. Case Study: Interpretability of Fuzzy Systems Applied to Nonlinear Modelling and Control // Design of Interpretable Fuzzy Systems. 2017. P. 131162.

141. Chikhaoui, T. Benouaz, N. Ghouali. Stability Analysis of the Steady Complicate State at Origin of the Ratio- Dependent Model Extinction Case International Journal of Nonlinear Science.Vol.17. No.1. P.47-56.

142. Ronny Tsalik and Tal Shima. Optimal Guidance around Circular Trajectories for Impact-Angle // Interception Journal of Guidance, Control, and Dynamics. 2016, June. Vol. 39. No. 6. P. 1278-1291.

143. Lukasz Bartczu, Piotr Dziwinski, Vladimir G. Red'ko. Non-linear Correction Modelling of Dynamic Objects with Genetic Programming // International Conference on Artificial Intelligence and Soft Computing ICAISC. 2015. P. 318-329.

144. Pulok Kanti, Deba Farhana, Aktera Syed, Ahmad Imtiazb M., Enamul Hossainc. Nonlinearity and solution techniques in reservoir simulation: A review // Journal of Natural Gas Science and Engineering. 2017, October. Vol. 46. P. 845-864. https://doi.org/10.1016/iingse.2017.07.031.

145. Junjian Qi, Weihong Huang, Kai Sun, Wei Kang. Optimal Placement of Dynamic Var Sources by Using Empirical Controllability Covariance // IEEE Transactions on Power Systems. 2017. Jan. Vol. 32. Iss. 1. P.240 - 249.

146. Nita H. Shah & Mahesh Yeolekar. Pole Placement Approach for Controlling Double Inverted Pendulum // Global Journal of Researches in Engineering Mechanical and Mechanics Engineering. 2013. Vol. 13. Iss. 2. P.16-23. ISSN: 2249-4596. Print ISSN:0975-5861.

147. Maciej Lawrynczuk. Model predictive control with on-line optimal linearization // IEEE International Symposium on Intelligent Control (ISIC). Part of 2014 IEEE Multi-conference on Systems and Control. October 8-10, 2014. Antibes, France. Article November 2014. P.2177-2182. https: //www.rese archgate.net/ publication/289162831. DOI: 10.1109/ISIC.2014.696764.

148. Романова И. К. Формирование упрощенных нелинейных моделей для задач исследования движения тел сложной формы // Инженерный Вестник (МГТУ им. Н. Э. Баумана). Электронный журнал. 2013. № 10. C. 581-594.

149. Parvathy K., Rajagopalan Devanathan, and Kamaraj V. Analysis and Application of Quadratic Linearization to the Control of Permanent Magnet Synchronous Motor // International Journal on Electrical Engineering and Informatics. 2014, December. Vol.6. No 4. P.644-664.

150. Sebastian Rozowicz, Andrzej Zawadzki. Input-Output Transformation Using the Feedback of Nonlinear Electrical Circuits: Algorithms and Linearization Examples Article // Mathematical Problems in Engineering 2018 (1-4): 1-13 ■ November 2018. P. 1-13. DOI: 10.1155/2018/9405256

151. Andrzej Zawadzki — Sebastian Roz'owicz. Application of input-state of the system transformation for linearization of selected electrical circuits // Journal of Electrical Engineering. 2016. Vol.67. No.3. P.199-205.

152. Sercekman O. Kutay A. T. Model based approach for sensor fault detection in civil aircraft control surface // 2018 IEEE/ION Position, Location and Navigation Symposium (PLANS). Date of Conference: 23-26 April 2018. Date Added to IEEE Xplore: 07 June 2018. P.715-729. DOI: 10.1109/PLANS.2018.8373447

153. Lukasz Bartczu, Piotr Dziwinski, Vladimir G. Red'ko. The Concept on Nonlinear Modelling of Dynamic Objects Based on State Transition Algorithm and

Genetic Programming // International Conference on Artificial Intelligence and Soft Computing ICAISC 2017: Artificial Intelligence and Soft Computing pp 209-220.

154. Tomás Lipták Michal Kelemen Alexander Gmiterko Ivan Virgala Darina Hroncová. The control of holonomic system // Acta Mechatronica - International Scientific Journal about Mechatronics. 2016. Vol. 1. Iss. 2. P. 15-20 ISSN 2453-7306.

155. Benouaz T., Bekkouche S. M., Ghouali N. Modelling of the Nonlinear Systems by Optimal Derivative // Computational Procedure and Propertie. International Journal of Nonlinear Science. 2013. Vol.15. No.3. P. 271-283.

156. Романова И.К. Построение и Определение Динамических Характеристик Областей Адекватности Моделей

157. Романова И.К. Применение нейросетевых алгоритмов и других методов интеллектуального анализа данных для формирования областей исследований

158. Романова И. К., Соловьев В. С. Разработка матричного метода описания геометрии и расчета аэродинамических характеристик тел с произвольно искривленной осью//Наука и образование, Электронное научно-техническое издание МГТУ им. Н.Э. Баумана. Ноябрь 2012. №11. С. 1-12. DOI: 10.7463/1112.0492155

159. Романова И.К. Траектории полета летательных аппаратов. Учеб. пособие. -М.: Изд-во МГТУ им. Н. Э. Баумана, 2017. 152 с.

160. Кривов М.А., Притула М.Н., Гаврилов А.А., Дектерёв А.А. Оптимизация пересылок данных по MPI при решении системы уравнений Навье -Стокса на GPU- кластере. 2013, декабрь. C.168-173/ URL: https://istina.msu.ru/media/publications/article/b59/524/31814959/Article_sFlow-CS_MPI.pdf (дата обращения 01.06.2017)

161. Даутов Р.З. Программная реализация метода конечных элементов в МАТЬАВ. Казань: Казанский ФУ. 2014. 106с.

162. Femlab 2.3. Toolbox MATLAB Руководство пользователя.

163. COMSOL Multiphysics. Программный пакет для мультифизического моделирования URL: https://www.comsol.ru/products (дата обращения 15.04.2017)

164. Вальтер Фрей. Оптимизация построения сеток с помощью разбиения URL: URL: https: //www.comsol.ru/blogs/improving-your-meshing-with-partitioning/ (дата обращения 24.05.2022)

165. Дмитриевский М.В. Оптимизация некоторых алгоритмов восстановления полей геологических и геофизических параметров. Автореф. дис. канд. физ. -мат. наук. Тюмень: 2003. 23 с.

166. Гулаков К.В. Моделирование многомерных объектов на основе когнитивных карт с нейросетевой идентификацией параметров. Дис. ...канд.тех.наук. Брянск: 2013. 178 с.

167. Суков С.А. Методы повышения эффективности широкомасштабных распределенных вычислительных экспериментов на неструктурированных сетках//Суперкомпьютерные дни в России 2015// Russian Supercomputing Days 2015// RussianSCDays.org. с.269-272.

168. Антонова Г.М. Сеточные методы равномерного зондирования для исследования и оптимизации динамических стохастических систем. М.: ФИЗМАТЛИТ. 2007. 224 с.

169. Антонова Г.М. Применение последовательности Соболя для оптимизации динамических стохастических систем. Управление развитием крупномасштабных систем MLSD'2015. Материалы Восьмой международной конференции: в 2 томах. Институт проблем управления им. В.А. Трапезникова Российской академии наук; Под общей редакцией С.Н. Васильева, А.Д. Цвиркуна. 2015. Т.1. с.282-285.

170. Устюжанин А.Е. Метод построения системы памяти для хранения и поиска многомерных пространственно-временных последовательностей // Вестник МГТУ им. Н.Э. Баумана. Сер. "Приборостроение". 2007. №2. C. 104-119.

171. Коварцев А.Н., Попова- Коварцева Д.А., Горшкова Е.Е. Использование тернарных деревьев для хранения данных вычислительного эксперимента // Информационные технологии и нанотехнологии. 2016. C.1044-1050.

172. Romanova I.K. Linearization and Simulation of Two-Temp Systems // AIP Conference Proceedings. 2022. Vol. 2383. P.020001-1-020001-10. doi.org/10.1063/5.0074534.

173. Романова И.К. Разработка методов моделирования на основе аналогий

174. Calderon M.L. Application of reverse engineering activities in the teaching of engineering design // INTERNATIONAL DESIGN CONFERENCE - DESIGN 2010. Dubrovnik - Croatia. May 17 - 20. 2010. P. 1249-1258.

175. Moud D., Bijawat S., Tulip S., Bhardwaj B. An analysis to find effective teaching methodology in engineering education // IEEE International Conference in MOOC, Innovation and Technology in Education (MITE) 978-1-4799-1626-9/13/ 2013. P. 185-189.

176. Романова И.К. Применение современных информационных технологий в формировании компетенций коллективного проектирования на примере группового управления гетерогенными роботами. ЦИФРОВЫЕ ТЕХНОЛОГИИ В ИНЖЕНЕРНОМ ОБРАЗОВАНИИ: НОВЫЕ ТРЕНДЫ И ОПЫТ ВНЕДРЕНИЯ. Сборник трудов Международного форума. 2020. Страницы: 343-346

177. Romanova I.K. Study of the influence of deformations and asymmetry on aircraft movement parameters/ AIP Conference Proceedings. 2019. Vol. 2171, 130001. https://doi.org/10.1063/L5133268

178. Introduction to the A* algorithm https://www.redblobgames.com/pathfinding/a-star/introduction.html

179. MATLAB grid method to realize Dijkstra and A* path planning https://programmersought.com/article/10995009169/

180. Walker D.J., Fieldsend J.E., Emerson R.M. Visualising Many-objective Populations. // GECCO' 12 Companion, July 7-11, 2012, Philadelphia, PA, USA. P. 451458. DOI: 10.1145/2330784.2330853.

181. Bertini E., Dell'Aquila L., Santucci G. Spring View: Cooperation of Radviz and Parallel Coordinates for View Optimization and Clutter Reduction // Nei Proceedings della Third IEEE International Conference on Coordinated & Multiple Views in Exploratory Visualization (CVM 2005). July 2005, London. 8 p.

182. Melcher J., Seese D. Visualization and Clustering of Business Process Collections Based on Process Metric Values // In 10th International Symposium on Symbolic and Numeric Algorithms for Scientific Computing, 2008. P. 572-575.

183. Johansson J., Forsell C. Evaluation of Parallel Coordinates: Overview, Categorization and Guidelines for Future Research // IEEE Transactions on Visualization and Computer Graphics. 2016. Vol. 22(1). P. 579-588. DOI: 10.1109/TVCG.2015.2466992

184. Gerber S., Bremer P.T., Pascucci V., Whitaker R. Visual Exploration of High Dimensional Scalar Functions// IEEE Transactions on Visualization and Computer Graphics. 2010. Vol.16 (6). P. 1271-1280. D0I:10.1109/TVCG.2010.213

185. Gharibnezhad F., Mujica L.E., Rodellar J.: Damage detection using Andrew plots//Conference lecture.8th International workshop on structural health monitoring // Stanford University, Stanford, CA, September 13-15 2011. URL: http//hdl.handle.net/2117/15392.

186. Li M., Zhu M., Gan Q., Liang T. A Composite Multidimensional Visualization Method Based on eCLPCs // Journal of Computational Information Systems. 2015. 11 (16). P. 5853-5864. DOI: 10.12733/jcis14964

187. Viau C., McGuffin M. J. Connected Charts: Explicit Visualization of Relationships between Data Graphics // Eurographics Conference on Visualization (EuroVis). Bruckner S., Miksch S., Pfister H. (Guest Editors). 2012. Vol. 31, No. 3. P.1285-1294. DOI: 10.1111/j.1467-8659.2012.03121.x.

188. Emerson J.W., Green W.A., Schloerke B., Crowley J., Cook D., Hofmann H., Wickham H. The Generalized Pairs Plot // Journal of Computational and Graphical Statistics. 2012. Vol 22 (1). P.79-91.

189. Im J.F., McGuffin M. J., Leung R. GPLOM: The Generalized Plot Matrix for Visualizing Multidimensional Multivariate Data // IEEE Transactions on Visualization and Computer Graphics. 2013 Dec. Vol. 19(12). P. 2606-2614. DOI: 10.1109/TVCG.2013.160.

190. Guo D., Chen J., MacEachren A.M., Liao K. A Visualization System for Space-Time and Multivariate Patterns (VIS-STAMP) // IEEE Transactions on Visualization and Computer Graphics. Nov-Dec.2006 12 (6) P.1461-1474.

191. Barter R.L., Yu B. Superheat: Supervised heatmaps for visualizing complex data // Cornel University Library. Dec. 2015. URL: arxiv.org./abs/1512.01524. (Дата обращения 01.02.2022).

192. Грошев С.В., Пивоварова Н.В. Использование кривых Эндрюса для визуализации многомерных данных в задачах многокритериальной оптимизации // Наука и образование. МГТУ им. Н.Э. Баумана. Электрон. журн. 2015. № 12. С. 197214. DOI: 10.7463/1215.0825627.

193. Raidou R. G., Eisemann M.,, Breeuwer M.,, Eisemann E., Vilanova A. Orientation-Enhanced Parallel Coordinate Plots // IEEE Transactions on Visualization and Computer Graphics. 2016. Vol. 22(1). P. 589-598.

194. VanderPlas S., Hofmann Н. Spatial Reasoning and Data Displays // IEEE Transactions on Visualization and Computer Graphics. 2016. Vol. 22(1). P. 459-68. DOI:10.1109/TVCG.2015.2469125

195. Wu Y., Liu X., Liu S, Ma K.L. Vi Sizer: Visualization Resizing Framework // IEEE Transactions on Visualization and Computer Graphics. 2013. Vol. 19(2). P. 278290.

196. Network visualization - part 3: Hive plots. https://www.r-bloggers.com/network-visualization-part-3-hive-plots/ режим доступа 24.05.2022

197. Романова И.К. Многокритериальная Оптимизация Выбора Индикаторов Состояния и Надежности Объектов

198. Romanova I.K. Modern approaches to detecting changes in shape and other damage to flight vehicle during movement. AIP Conference Proceedings. 2021. Vol. 2318, 110001-1-1100001-8. https://doi.org/10.1063/5.0036045

199. Романова И.К. Моделирование устойчивости движения деформированных удлиненных тел на основе вариаций угловых скоростей крена. Труды СПИИРАН. Выпуск 18 (3), 2019.

200. Romanova I.K. Pareto optimal solutions and their application in designing robots and robotic systems // STUDIES IN SYSTEMS, DECISION AND CONTROL. Springer Nature Switzerland. 2020. Vol. 272. P.25-39

201. Sun H., Yu J, Siyu Zhang S. The Control of Asymmetric Rolling Missiles Based on Improved Trajectory Linearization Control Method // J. Aerosp. Technol. Manag., Sâo José dos Campos. Jul.-Sep., 2016. Vol.8. No 3. P.319-327.

202. Abbas L.K., Chen D., Rui X. Numerical Calculation of Effect of Elastic Deformation on Aerodynamic Characteristics of a Rocket // Hindawi Publishing Corporation International Journal of Aerospace Engineering. Vol.2014. Article ID 478534, 11 p.

203. Dongyang C., Abbas L.K., Xiaoting R. Numerical simulation of a spinning stabilized projectile aerodynamic characteristics effected by structure errors // Acta Aerodynamica Sinica. October 2014. No. 32(5). P.705-711. DOI: 10.7638/kqdlxxb-2013.0059

204. Ogunwa T., Abdullah E.J. Flight dynamics and control modelling of damaged asymmetric aircraft // IOP Conference Series Materials Science and Engineering. October 2016. No. 152(1). P.012022-1-012022-18. DOI:10.1088/1757-899X/152/1/012022.

205. Nguyen N., Krishnakumar K., Kaneshige J. Dynamics and Adaptive Control for Stability Recovery of Damaged Asymmetric Aircraft // AIAA Guidance, Navigation, and Control Conference (Keystone, CO). NASA Ames Research Center. 2006. P. 1-23.

206. Dykes J.W. Projectile linear theory for aerodynamically asymmetric projectiles // Georgia Institute of Technology. December 2011. 153 p.

207. Hodges D. A New Approach to Aeroelastic Response, Stability and Loads of Missiles and Projectiles. Final Report, U.S. Army Research Office Grant 40448-EG. 15 July 2015. 43 p. DOI: 10.21236/ada424568.

208. Yi W., Sun D., Tan J., Yuan D. Experimental research on aeroelasticity of a large length to diameter ratio projectile // Fourth International Symposium on Physics of Fluids (ISPF4) International Journal of Modern Physics: Conference Series. 2012. Vol. 19. P. 270-275.

209. Tihomirov D., Raveh D. Nonlinear Aerodynamic Effects on Static Aeroelasticity of Flexible Missiles // Conference: AIAA Scitech 2019. Conference Paper. January 2019. 18 p. DOI: 10.2514/6.2019-0486

210. Kitson R.C., Cesnik C.E.S. Multidisciplinary Effects on High-Speed Vehicle Performance and Stability // Conference: 2018 AIAA/ASCE/AHS/ASC Structures, Structural Dynamics, and Materials Conference. Conference Paper. January 2018. 15 p. DOI: 10.2514/6.2018-1208

211. Kiran K., Cholleti R. Static Aeroelastic Analysis on Two Stage Rocket Body // International Journal of Engineering Research & Technology (IJERT). ISSN: 22780181. November 2015. Vol. 4. Issue 11. P. 388-395.

212. Dongyang C., Abbas L.K., Xiaoting R., Guoping W. Aerodynamic and static aeroelastic computations of a slender rocket with all-movable canard surface // Proceedings of the Institution of Mechanical Engineers Part G Journal of Aerospace Engineering 2017, June. Vol. 232(6). 17 p. https://doi.org/10.1177/0954410017705901.

213. RuHao H, ZhengY.Y., Lei Y. Effect of elastic deformation on flight dynamics of projectiles with large slenderness ratio // Aerospace Science and Technology. September 2017. 12 p. DOI: 10.1016/j.ast.2017.09.029

214. Brejao L.F., Manoel R. A 2-DOF model of an elastic rocket structure excited by a follower force // XVIII Brazilian Colloquium on Orbital Dynamics (2016) . IOP Conf. Series: Journal of Physics: Conf. Series 911 (2017). P.534-539. doi :10.1088/1742-6596/911/1/012020.

215. Мокин Ю.А. Влияние малых углов атаки и скольжения на момент крена при гиперзвуковом обтекании тел вращения // Теплофизика и аэромеханика. 2009. том 16. № 1. C. 37-42.

216. Комиссаренко А. И., Максимов Ф. А. Особенности динамики полета тела при наличии асимметрий // XL Академические чтения по космонавтике, посвященные памяти академика С.П. Королёва и других выдающихся отечественных ученых - пионеров освоения космического пространства: сборник тезисов. М.: МГТУ им. Н.Э. Баумана. 2016. C. 289.

217. Fresconi F., Guidos B., Celmins I., Hathaway W. Flight Behavior of an Asymmetric Body through Spark Range Experiments using Roll-Yaw Resonance for Yaw Enhancement // AIAA Atmospheric Flight Mechanics Conference San Diego, California, USA. AIAA SciTech Forum. January 2016. (AIAA 2016-0782). 64 p. https://doi.org/10.2514Z6.2016-0782

218. Tong L., Ji H. Multi-body dynamic modelling and flight control for an asymmetric variable sweep morphing UAV // The Aeronautical Journal June 2014 Volume 118 No 1204. P. 683-706. DOI:10.1017/S000192400000943X

219. Jamie Coble and J. Wesley Hines. Identifying Optimal Prognostic Parameters from Data: A Genetic Algorithms Approach // Proceedings of Annual Conference of the Prognostics and Health Management Society. 2009. 11 p.

220. A.J. Allen. Estimation of the Forces and Moments Acting on Inclined Bodies of Revolution of High Fineness Ratio. NACA Research Memorandum A9I26, 1949. 28p.

221. A.J. Allen and E.W. Perkins. Characteristics of Flow over Inclined Bodies of Revolution. NACA Research Memorandum A50L07, 1951. 48 p.

222. Динамика пространственного движения сверхзвуковых самолетов. ФГУП «Центральный аэрогидродинамический институт имени проф. Н. Е. Жуковского». - 2-е издание, переработанное и дополненное. Под ред. Г.С. Бюшгенса // М.: Изд. Российская академия наук. 2016. 703 с.

223. Xu Y., Wang Z., Gao B. Six-Degree-of-Freedom Digital Simulations for Missile Guidance and Control // Mathematical Problems in Engineering Volume. June 2015, Article ID 829473, P. 1-10. http://dx.doi.org/10.1155/2015/829473

224. Guan J., Yi W. Modeling of Dual-Spinning Projectile with Canard and Trajectory Filtering // International Journal of Aerospace Engineering Volume 2018, Article ID 1795158, P. 1-7. https://doi.org/10.1155/2018/1795158

225. Gkritzapis D.N., Panagiotopoulos E.E. Accurate Computation of the Trajectory of the Spin and Fin-Stabilized Projectiles // International Journal of Mathematics and Computers in Simulation. January 2009. Vol. 3(2). P.73-80.

226. Sowjanya G. Stability Characteristics of missile due to maneuvering in all six Degree of freedom using CFD simulations // International Journal of Innovative

Research in Science, Engineering and Technology. September 2013. Vol. 2, Issue 9. P. 4449-4457. ISSN: 2319-8753.

227. Liptak P., Jozefek M. Moments having effect on a flying missile // Science & Military. 2010. No 1. 7 p.

228. Malik B., Akhtar S., Masud J. Aircraft spin characteristics with high-alpha yawing moment asymmetry // Proceedings of the Institution of Mechanical Engineers Part G Journal of Aerospace Engineering. December 2018. Vol. 232(15). P. 2793-2806. DOI: 10.1177/0954410017718215.

229. Андриевский Б.Р., Кузнецов Н.В., Кузнецова О.А., Леонов Г.А., Мокаев Т.Н. Локализация скрытых колебаний в системах управления полетом // Труды СПИИРАН. Санкт-Петербургский институт информатики и автоматизации Российской академии наук. 2016. Вып. 49. C. 5-31.

230. Romanova I.K. Integration of IoTs security concepts and technical systems diagnostics // AIP Conference Proceedings. 2022. Vol. 2383. P.030020-1-030020-11. doi.org/10.1063/5.0074550

231. Aakanksha Tewari, B. B. Gupta. Security, privacy and trust of different layers in Internet-of-Things (IoTs) framework // Future Generation Computer Systems. 2020. Vol. 108. P. 909-920.

232. Ashton K. That ''Internet of Things'' thing // RFiD Journal. 2009. http: //www.rfidj ournal .com/articles/view?4986

233. Memos, A. Vasileios, et al., An efficient algorithm for media-based surveillance system (EAMSuS) in IoT smart city framework // Future Gener. Comput. Syst. 2017. 19p.

234. Deb Alego, Whitepaper: Behind the Internet of Things-Hosting Industry in the Age of Connected Devices.: https://www.crucial.com.au/bl og/2015/03/04/whitepaper-behind-the-internet-of-things-hosting-industry -in-the-age-of-connected-devices/ (Last accessed: May 20220).

235. L. Atzori, A. Iera, G. Morabito, The Internet of Things: a survey // Comput. Netw. 2010. Vol. 54. P. 2787-2805.

236. Z. Li, F. Nie, X. Chang, Y. Yang, beyond trace ratio: Weighted harmonic mean of trace ratios for multiclass discriminant analysis // IEEE Trans. Knowl. Data Eng. 2017. Vol. 29 (10). P. 2100-2110.

237. L. Fan, X. Lei, N. Yang, T.Q. Duong, G.K. Karagiannidis, Secrecy cooperative networks with outdated relay selection over correlated fading channels // IEEE Trans. Veh. Technol. 2017. Vol. 66 (8). P. 7599-7603/

238. Md Zakirul Alam Bhuiyan, Jie Wu, Guojun Wang, Jiannong Cao, Sensing and decision-making in cyber-physical systems: the case of structural health monitoring // IEEE Trans. Ind. Inf. 2016. Vol. 12 (6). P. 2103-2114.

239. Chong-Zhi Gao, Qiong Cheng, Pei He, Willy Susilo, Jin Li, Privacy-preserving Naive Bayes classifiers secure against the substitution-then-comparison attack // Inform. Sci. 2018. P.72-88. http://dx.doi.org/10.1016/jins.2018.02.058

240. Syeda Manjia Tahsien, Hadis Karimipour, Petros Spachos. Machine learning based solutions for security of Internet of Things (IoT): A survey // Journal of Network and Computer Applications. 2020. Vol.161. 21 p.

241. Elazhary H. Internet of Things (IoT), mobile cloud, cloudlet, mobile IoT, IoT cloud, fog, mobile edge, and edge emerging computing paradigms: disambiguation and research directions // J. Netw. Comput. Appl. 2019. Vol. 128. P. 105-140.

242. Datta S.K., Bonnet C., Nikaein N. An IoT gateway centric architecture to provide novel M2M services // in: Proc. IEEE World Forum WF-IoT. 2014. P. 514-519

243. M.A. Chaqfeh, N. Mohamed, Challenges in middleware solutions for the Internet of Things // in: Proc. Int. Conf. CTS. 2012. P. 21-26/

244. Amendola, S., Lodato, R., Manzari, S., Occhiuzzi, C., Marrocco, G., RFID technology for IoT-based personal healthcare in smart spaces // IEEE Internet Things J. 2014. No. 1(2). P. 144-152.

245. Romanova I.K., Alaverdyan R. Automated robotic system for autism treatment // AIP CONFERENCE PROCEEDINGS. International Scientific and Practical Conference "Modeling in Education 2019". 2019. Vol. 2195. P. 020016-1 - 020016-7; https://doi.org/10.1063/L5140116

246. Sebastian S., Ray P.P. Development of IoT invasive architecture for complying with health of home // Proc International Conference on Computing and Communication Systems (I3CS '15), Shillong, India. April 2015, P. 79-83

247. Hamed Haddad Pajouh and all. A survey on internet of things: security: Requirements, challenges, and solutions/ Article in Press. Elsevier. November 2019. 20p. https: //doi.org/10.1016/j.iot.2019.100129.

248. Sengupta, J., Ruj, S., Bita, S.D., Nov. 2019. A Comprehensive survey on attacks, security issues and blockchain solutions for IoT and IIoT // J. Netw. Comput. Appl. Nov. 2019. Vol. 149. 50p. DOI:10.1016/j.jnca.2019.102481

249. Zhou, J., Cao, Z., Dong, X., Vasilakos, A.V. Security and privacy for cloud-based IoT: challenges // IEEE Commun. Jan. 2017. Mag. 55 (1). P. 26-33.

250. Z. Yang, et al., Study and application on the architecture and key technologies for IOT // Proc. ICMT. 2011. P. 747-751.

251. M. Wu, T.J. Lu, F.Y. Ling, J. Sun, H.Y. Du, Research on the architecture of Internet of Things // Proc. 3rd ICACTE. 2010. P. V5-484-V5-487.

252. Roman, R., Zhou, J., Lopez, J., 2013. On the features and challenges of security and privacy in distributed internet of things // Comput. Network. Vol. 57 (10). P. 2266-2279.

253. Romanova I.K. Mei Yingfei. Solving the Localization Problem While Navigating Unknown Environments Using the SLAM Method // AIP Conference Proceedings // 2022. Vol. 2383. P.030008-1-030008-11. /doi.org/10.1063/5.0074547.

254. Романова И.К. Разработка Новых Стратегий Моделирования Сложных Систем На Основе Современных Информационных Технологий.

255. Adaptive Control of Unmanned Aerial Vehicles: Theory and Flight Tests. Handbook of Unmanned Aerial Vehicles. 2014. pp 613-673. //doi.org/10.1007/978-90-481-9707-1_61.

256. Victor M. Becerra. Autonomous Control of Unmanned Aerial Vehicles // Electronics. April 2019. Vol. 452. No. 8(4). 5 p. DOI: 10.3390/electronics8040452

257. Andrew Zulu, Samuel John, A Review of Control Algorithms for Autonomous Quadrotors // Open Journal of Applied Sciences. 2014. Vol.4. No.14. P.547-556. DOI:10.4236/ojapps.2014.414053

258. Abhishek Iyer Hari Om Bansal Modelling, Simulation, and Implementation of PID Controller on Quadrotors // International Conference on Computer Communication and Informatics (ICCCI-2021). 2021. 7p. DOI: 10.1109/ICCCI50826.2021.9402301

259. Shengyuan Pangl and Linzhe Tian Control Methods for Quadrotor's Stability // The 2021 2nd International Conference on Internet of Things, Artificial Intelligence and Mechanical Automation (IoTAIMA 2021). 14-16 May 2021, Hangzhou, China . Journal of Physics: Conference Series, Vol. 1948. 16 p. doi:10.1088/1742-6596/1948/1/012109.

260. Chang K., Xia Y., Huang K. UAV formation control design with obstacle avoidance in dynamic three-dimensional environment // SpringerPlus. 2016. Vol. 5 (1). 16 p.

261. Ren W., Beard R. W., Atkins E. M. A survey of consensus problems in multiagent coordination // Proceedings of the IEEE American Control Conference. 2005. P. 1859-1864.

262. Nakai K., Uchiyama K. Vector fields for UAV guidance using potential function method for formation flight // AIAA Guidance, Navigation and Control (GNC) Conference. 2013. P. 278-288. DOI:10.2514/6.2013-4626.

263. Garcia R., Barnes L. Multi-UAV simulator utilizing XPlane // Journal of Intelligent and Robotic Systems. 2010. Vol. 57. P. 393-406.

264. Munasypov R.A., Muslimov T. Z. Gruppovoe upravlenie bespilotnymi letatel'nymi apparatami na osnove metoda prostranstva otnositel'nykh sostoyanii // Mekhatronika, avtomatizatsiya, upravlenie. 2018. № 2. S. 120-125.

265. How J. P., Frazzoli E., Chowdhary G. V. Linear flight control techniques for unmanned aerial vehicles. In: K. P. Valavanis, G. J. Vachtsevanos (Eds.), Handbook of unmanned aerial vehicles. Dordrecht; Heidelberg; New York; London: Springer, 2015. P. 529-574.

266. George Rzevski and Petr Skobelev. Managing Complexity Southhampton, Boston: WIT Press, 2014 (ISBN: 978-1-84564-936-4). DOI: 10.1002/inst.12050

267. Cheng H., Page J., Olsen J. Dynamic Mission Control for UAV Swarm via Task Stimulus Approach // American Journal of Intelligent Systems. - 2012. - № 2(7). P. 177-183

268. Romanova I. K, Shchurikhin A. A. Problems of using a tracked robot in group control of heterogeneous robots // 2022. Vol. 2383. P.030005-1-030005-7. doi.org/10.1063/5.0074544.

269. Edison E, Shima T. Integrated task assignment and path optimization for cooperative unmanned aerial vehicles using genetic algorithms // J. Computers Operations Research. 2011. Vol. 38(1). P. 340-356.

270. Zhu D, Huang H, Yang S X. Dynamic mission assignment and path planning for multi-craft systems in 3D underwater workspace based on improved self-organizing maps and velocity synthesis methods // J. IEEE Transactions on Cybernetics. 2013. Vol. 43(2). P. 504-514.

271. Yao W, Qi N, Liu Y. Online trajectory generation and rendezvous of UAVs using multi-stage path prediction // Journal of Aerospace Engineering. 2017. Vol. 30(3). P. 1-10.

272. Jose K, Pratihar D K. Task assignment and collision-free path planning for a centralized multi-robot system using heuristic methods for industrial plant inspection / J. Robotics and Autonomous Systems. 2016. Vol. 80(6). P. 34-42.

273. Лохин В.М., Манько С.В., Романов М.П., Диане С.А-К. Перспективы применения, принципы построения и проблемы разработки мультиагентных робототехнических систем // ВЕСТНИК МГТУ МИРЭА. 2015. Том 1. № 3. С. 156165.

274. Kozov_A. The Stage Robot Simulator. Stage Manual [Электронный ресурс]. URL: http://rtv.github.io/Stage/ (дата обращения: 7.06.2018).

275. Zhu X., Gao M., Li S. A real-time Road Boundary Detection Algorithm Based on Driverless Cars // Fourth National Conference on Electrical, Electronics and Computer Engineering. 2016. P. 843-848.

276. Garnett N. et al. Real-time category-based and general obstacle detection for autonomous driving // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2017. P. 198-205.

277. Ковальчук А.К., Калинов М.Н. Разработка системы управления робота специального назначения // Известия вузов. 2011. №8. С. 58-64.

278. Биард Р.У., МакЛейн Т.У. Малые беспилотные летательные аппараты: теория и практика. М.: ТЕХНОСФЕРА. 2015. 312 с.

279. Guilherme V. R., Manuel G. O., Francisco R. R., Robust Nonlinear Control for Path Tracking of a Quad-Rotor Helicopter. Asian Journal of Control. 2015 V. 17. Iss. 1. P. 142-156.

280. Luukkonen T., Modelling and control of quadcopter. Aalto University. Espoo, August 22, 2011. 26 p.

281. . Евстигнеев Д.В. Системы управления интеллектуальных мобильных роботов в среде Dyn-Soft RobSim 5. М.: 2014. http://robsim.dynsoft.ru/design3.pdf

282. http://training-net.ru/articles/13-informatsionno-obrazovatelnaya-sreda-chto-eto.html

283. Farhan A. Salem. Electric Machine Analysis, Control and Verification for Mechatronics Motion Control Applications, Using New MATLAB Built-in Function and Simulink Model // I.J. Intelligent Systems and Applications. 2014. No. 06. P. 94-108.

284. Ahmad A. Mahfouz, Mohammed M. K., Farhan A. Salem. Modeling, Simulation and Dynamics Analysis Issues of Electric Motor, for Mechatronics Applications, Using Different Approaches and Verification by MATLAB/Simulink // I.J. Intelligent Systems and Applications. 2013. No 05. P. 39-57.

285. Ahmad A. Mahfouz, Ayman A. Aly, Farhan A. Salem. Mechatronics Design of a Mobile Robot System / I.J. Intelligent Systems and Applications. 2013. No 03. P. 2336.

Приложение

П.1 Объект исследований в диссертационной работе № 1. Проект группового управления и его особенности (Акт об использовании в реализованной специальной магистерской программе по приоритетным направлениям развития ПНР)

Анализ основных задач в организации группового управления Обобщенные функциональные схемы стратегии группового управления в мультиагентных системах [176] представлены на Рисунке П.1.

Рисунок П.1 - Обобщенная функциональная структура мультиагентной

системы [273]

Алгоритмы как следует из анализа функциональной модели, разделяются следующим образом.

Главные:

• модели и алгоритмы планирования действий в мультиагентных системах - использование теории конечных автоматов. Чаще всего планирование -это совместное формирование траекторий выполняющих задания агентов, которое реализовано с помощью мультиагентных алгоритмов, основанных на методе потенциалов, например, алгоритм равномерного распределения агентов в рабочей зоне и алгоритм перемещения агентов к целевым точкам в среде с препятствиями. Для формирования траекторий необходимо регулярно определять координаты

агентов в рабочем пространстве, что требует построения комбинированной навигационной системы;

• методы и алгоритмы распределения заданий в мультиагентных робототехнических системах (МАРС). Декомпозиция глобальных задач, решаемых МАРС, на более простые задачи и их распределение в коллективе приводит, например, к определению координат целевой точки для каждого робота.

Вспомогательные:

• обобщение разнородной сенсорной и командной информации;

• построение модели среды;

• анализ модели среды и обстановки.

При этом используются разнообразные методы и алгоритмы обработки информации. Привлекается информация баз данных о картографической, метеорологической обстановке, в т. ч. прогнозной и др. Описание главных алгоритмов приводится в работах [274] - [276].

Модели подсистем включают:

- мобильные роботы [277];

- БПЛА самолетного типа [278];

- коптеры [279] -[280].

Формирование новых представлений функциональных моделей

Описание состава функциональных модулей МАРС, для непосредственного моделирования процессов разработки и функционирования требует большей конкретизации. В следующей Таблице П.1 показаны полученные автором результаты подготовки к описанию проекта, пригодному для использования в новых информационных средах разработки проектов. Даны полные и сокращенные названия и выделены: названия модулей (зеленым), тип - аппаратура (синим) и тип - алгоритм (оранжевым).

Таблица П.1.

Расширенное описание проекта группового управления с введенными обозначениями типов (модель, алгоритм), входов, выходов субмоделей

Управляющий центр:

Интеллектуальный

человеко-машинный

интерфейс_

Оперативное описание и коррекция общей

прикладной задачи_

Спецификация среды функционирования с

учетом ограничений_

Отображения

телеметрических и

сенсорных данных о работе отдельных агентов Отображения

телеметрических и

сенсорных данных о взаимодействии

отдельных агентов_

Подсистема планирования

действий_

Планирование действий

Формирование заданий Распределение текущих заданий между

исполнителями_

Распределение текущих заданий между

исполнителями_

Каналы беспроводной связи к агентам

Каналы беспроводной связи от агентов

Агент 1.. .п

Агент 1 - мобильный робот или БПЛА_

Агент п

Imml

Global Task

Environment

TSdata_agent

TSdata_invagent

SS Plan

Plan

Task_

S S_RaspTask_agent

RaspTask_agent

SS_ConnectToAgent

SS_ConnectFromAgent

Agent_1...n SensorAgentl

SensorAgent n

MainServer

Model Real Inveronment

Info Current Inveronment

Info Current Inveronment

AlgoritnPlan

Global Task

Info_Current_Inveronment AlgoritmRaspTask

Plan Task

ChannalLinkToAgentl.. .n

RaspTask_agent1.. .n

ChannalLinkFromAgentl.. .n

SensorAgentl.n

Agent_1...n LinkTask_ToAgent1

LinkTask_ToAgent n

Передача информации к агентам

LinkTask_ToAgent l.n

Передача информации от агентов

LinkTask_FromAgent

Таблица П.1. (продолжение)

Подсистема обобщения SS Info AlgoritnInfo

разнородной сенсорной и командной информации

Обобщение разнородной Analiz Info LinkTask FromAgent

сенсорной и командной информации

Подсистема построения SS Model AlgoritmModel

модели среды

Построение модели среды Model_Real_ Inveronment Analiz Info ImmI

Подсистема анализа модели среды и обстановки S S_Analis_Model AlgoritmAnalizModel

Формирование информации о текущей обстановке Info Current Inveronment Analiz Info ImmI Model Real Inveronment

Для гетерогенных агентов характерным является усложнение иерархии, причем роль отдельных агентов может изменяться. Тогда система агентов в миниатюре может повторять общую систему МАРС, где часть полномочий управляющего центра передаётся одному из агентов при сохранении наблюдения главного управляющего центра. В этом случае часть подсистем располагается на управляющем роботе.

Требуется также значительно большая конкретизация функциональных моделей отдельных интеллектуальных агентов по сравнению со схемами [284]. Автор существенно расширил описание структуры, выделил пять основных составляющих: уровни, алгоритмы, функции, аппаратура, сигналы, показанные на Рисунке П.2.

Задача

I

/ Стратегический уровень системы управления: Последовательность действий н декомпозиция: Программа, Бортовая ЭВМ Интеллектуальная система ' управления

Информационно-измерительная система ч Целевые точки {х: у: г} \ ^ Система навигации

ч 1

Видеокамеры Приборы ночного видения Тепловизеры (СТЗ) ____ Moho- н стерео- зрение ч Тактический уровень системы управления: движение в среде с препятствиями Программ а. Бортовая ЭВМ Интеллектуальная система управления

Ультразвуковые, ¿s Лазерные Дальномеры (Препятствие) X J Скоросш и угловое положение {V, е} Дальномеры (маяки)

Локальная карта местности (Программу Бортовая ЭВМ) I Распознавание светоотражающей полосы 1 (СТЗ, Программа: Бортовая ЭВМ)

Детектор дороги (СТЗ, Программа, Бортовая ЭВМ) Приводной уровень системы управления (платы управления) Программ а, Бортовая ЭВМ Радионавигация (GPS, ГЛОНАСС,

Инерцнальные стабилизирующие системы: Механические гироскопы, датчики угловых скоростей, Акселерометры, Датчики высоты Управляющие напряжения {"} Усилители Инерцнальные навигационные системы. Датчики ннерциальных навигационных систем Визуальная навигация

I

Двигатель Поворот валов двигателей: СКОРОСТИ И УГЛЫ {Чд^д'} Датчики обратной связи