Разработка технических систем управления с использованием биологических принципов обработки информации тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Сидоренко, Андрей Борисович

• Сидоренко, Андрей Борисович
• кандидат технических наук
• 2005

Оглавление диссертации кандидат технических наук Сидоренко, Андрей Борисович

ВВЕДЕНИЕ.

1 ОПТИМАЛЬНЫЕ И АДАПТИВНЫЕ СИСТЕМЫ.

1.1 Анализ моделей технических систем.

1.2 Качество технических систем автоматического управления.

1.3 Модели биологических систем.

1.4 Анализ принципов обработки информации в технических и биологических системах.

1.5 Оптимальные бионические устройства.

1.6 Выводы.

2 СОЗДАНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ БИОНИЧЕСКОЙ СИСТЕМЫ УПРАВЛЕНИЯ.

2.1 Методика исследований.

2.2 Математический анализ информационной модели системы обработки дискретных сенсорных сигналов.

2.3 Изменения в переходном процессе под влиянием запаздывания в канале обратной связи.

2.4 Информационные процессы в режиме переменной глубины обратной связи.

2.5 Возбужденный режим бионической системы.

2.6 Выводы.

3 АНАЛИЗ ЭФФЕКТИВНОСТИ РАЗРАБОТАННОЙ БИОНИЧЕСКОЙ СИСТЕМЫ УПРАВЛЕНИЯ.

3.1 Помехоустойчивость бионической системы управления в среднечастотном диапазоне.

3.2 Помехозащищенность бионической системы на низких частотах.

3.3 Исследование помехозащищенности высокочастотного диапазона.

3.4 Сравнительный анализ помехозащищенности бионической системы управления в различных частотных диапазонах.

3.5 Фазоопережающие свойства бионической системы управления в высокочастотном диапазоне.

3.6 Адаптивный бионический фильтр.

3.7 Выводы.

4 ТЕХНИЧЕСКАЯ РЕАЛИЗАЦИЯ И ВОЗМОЖНЫЕ ОБЛАСТИ ПРИМЕНЕНИЯ.

4.1 Совершенствование системы управления самонаводящейся ракетой. 126 4.2. Сравнительный анализ систем управления разрабатываемого устройства и прототипа.

4.3 Устойчивость бионической системы управления ракеты при наличии фазовых задержек.

4.4 Возможные сферы применения бионической системы управления.

4.5 Выводы.

Введение диссертации (часть автореферата) на тему «Разработка технических систем управления с использованием биологических принципов обработки информации»

Актуальность проблемы. Несмотря на интенсивные работы в развитии нейронных систем и накопленный нейро-математический аппарат, созданные модели формального нейрона, по большому счету не являются биоподобными и скорее похожи на математическую абстракцию, чем на живой нейрон. Это ограничивает сферы применения и возможности нейронных систем и бионических устройств. Поэтому использование огромного объема результатов нейрофизиологических исследований для создания модели бионической системы и отдельных ее элементов с учетом всех особенностей и адаптивных свойств биологического нейрона является актуальной задачей.

Кроме того, изучение реальных нейронных сетей связано с огромными трудностями. Даже применение тонкой микроэлектродной техники не всегда позволяет расшифровать сложные нейронные системы. Поэтому процессы управления и обработки информации в нейронных структурах часто изучаются на моделях. Результаты модельных исследований позволяют дополнить неизвестные сведения о процессах управления и кодирования информации в реальных нейронных сетях. Поэтому компьютерное моделирование, основанное на предпосылках и гипотезах нейрофизиологических исследований, в сочетании с математическим анализом является важным инструментом в изучении нейросетевых систем.

Не менее важным является бионический аспект. Разработка совершенных нейрокомпьютерных устройств и их дальнейшее совершенствование немыслимо без детальных знаний о реальных нейронных системах. Кроме того, биологические нейронные системы настолько оригинальны, что могут служить прототипом многих технических устройств. Ведь отработка живых систем производилась в процессе длительного эволюционного развития и привела их к совершенству.

В контексте со сказанным становится понятным повышенный интерес к изучению процессов управления и обработки информации нейронными комплексами, выявлению характерных свойств бионических элементов, построению на их основе математических и технических моделей, способствующих совершенствованию систем управления и повышению эффективности соответствующего класса технических устройств, а также актуальность поставленной задачи.

Объектом исследований является биологический механизм обработки информации системой пресинаптического торможения двигательного аппарата.

Предметом исследований является методика создания устойчивой бионической системы управления на основе указанного биологического механизма обработки информации.

Областью исследований являются методы применения бионической системы управления для совершенствования технических устройств.

Целью работы является разработка метода построения бионической системы управления и программной системы, основанных на механизме формирования управляющих воздействий системой пресинаптического торможения двигательного аппарата, формирование методики применения бионической системы управления для совершенствования технических устройств.

Задачи исследования:

- разработать метод построения бионической системы управления на основе использования данных физиологических исследований и гипотез;

- разработать математическую модель бионических элементов системы;

- разработать программную систему бионического элемента;

- провести экспериментальное исследование поведения формализованных моделей;

- создать метод выявления амплитудно-частотных параметров устойчивого и оптимального функционирования бионических элементов;

- провести экспериментальную проверку применимости предложенных методов для совершенствования системы управления самонаводящейся ракеты.

Методы исследований. При решении поставленных задач в работе использованы элементы теории нейронных сетей, математический аппарат системного анализа и теории систем автоматического управления, нейроматематика, элементы теории программирования, теории информационных систем и обработки сигналов, теории электрических цепей, теория динамики полета летательных аппаратов.

Научная новизна заключается в следующем:

- разработана модель бионической системы управления;

- разработана структурная схема бионического механизма управления;

- разработана математическая модель, объясняющая процессы управления и переработки информационных сообщений;

- разработана программная система, позволившая произвести исследования сложной нейронной структуры, а также функциональную идентификацию бионического элемента без применения сложных технических средств;

- сформирован метод выявления амплитудно-частотных параметров устойчивого и оптимального функционирования бионических элементов;

- определены оптимальные режимы управления в условиях воздействия помех в виде импульсных сигналов различной мощности;

- установлены интервалы устойчивого управления при запаздывании сигналов регулирования;

- разработана методика применения бионической системы управления для совершенствования технических устройств;

- разработанные методы и программная система позволят значительно повысить применимость бионических механизмов управления при проектировании систем управления технических устройств.

Практическая ценность работы заключается в разработке технических устройств, использующих процессы обработки информации и управления в нейронных структурах. Разработана бионическая система управления самонаводящейся зенитной ракетой и бионический стабилизатор давления магистральных газопроводов, защищенные патентами Российской Федерации.

Обнаруженные принципы управления в нейронных сетях могут быть использованы в дальнейшем для совершенствования других и для понимания процессов, происходящих в реальных нейронных структурах. А также для применения на промышленных предприятиях, разрабатывающих и внедряющих различные системы автоматического управления производственными процессами.

Реализация и внедрение результатов работы. Разработанные принципы переработки информации в нейронных структурах были использованы при конструировании систем управления технических устройств. Созданные на их основе программные, методические материалы и расчеты внедрены в Краснодарском Высшем военном авиационном училище и используются для тренировки военных летчиков при совершении противоракетных маневров. Материалы и результаты диссертационного исследования также использованы на Армавирском электротехническом заводе при разработке систем автоматизации ряда технологических операций по изготовлению деталей и узлов продукции, производимой предприятием.

Основные положения, выносимые на защиту:

- модель бионической системы управления;

- структурная схема нейронных механизмов переработки информации;

- математическая модель бионических элементов системы управления;

- метод исследования структуры бионических элементов систем управления;

- анализ помехоустойчивых режимов в бионических системах управления;

- методика применения бионической системы управления и результаты усовершенствования системы управления самонаводящейся ракеты.

Апробация работы. Основные положения и результаты работы докладывались и обсуждались на Межвузовской научно-практической конференции «Методы эволюционной и синергетической экономики в управлении региональными и производственными системами» (Отрадная, 2000г.), Шестой Международной научно-практической конференции «Экология и здоровье, экологическое образование, математические модели и информационные технологии» (Краснодар, 2001г.), Межвузовской научно-практической конференции «Нормативные технологии диагностики и управления в экономике и обществе» (Отрадная, 2001 г.), Межвузовской научно-практической конференции «Современные инновационные технологии как одно из условий совершенствования науки, производства и образования» (Армавир, 2001г.), научно-практической конференции «Конкурентный потенциал ВУЗа в условиях рынка образовательных услуг: теория и практика отечественного опыта» (Армавир, 2002 г.), Межвузовской научно-практической конференции «Научный потенциал ВУЗа производству и образованию» (Армавир, 2003г.), Шестой Международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права» (Москва, 2003г.), Межвузовской научно-практической конференции «Методы и оценки в управлении социальными и экономическими процессами» (Отрадная-Ростов-на-Дону, 2003 г.), Девятой Всероссийской научно-практической конференции «Наука. Экология. Образование» (Анапа-Краснодар, 2004 г.).

Публикации. Основное содержание диссертации опубликовано в 11 научных статьях, 7 тезисах докладов, защищено 2 патентами Российской Федерации и решениями о выдачи патентов Российской Федерации.

Структура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения, списка использованных источников и приложения. Диссертация изложена на 162 страницах (без списка литературных источников), содержит 84 рисунка, 7 таблиц. Библиография содержит 154 наименования.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Сидоренко, Андрей Борисович

4.4 Выводы

1. Анализ системы управления самонаводящейся ракеты - прототипа показал неустойчивость отдельного канала системы управления. Четырехканальная система управления обладает устойчивостью, но наличие невысокого уровня автоколебаний приводит к зигзагообразной траектории движения. Вследствие этого ракета может потерять цель.

2. Преобразование системы управления и ввод бионического элемента повышает запас устойчивости канала управления до 28 db по модулю и до 90 градусов по фазе. Улучшились качественные характеристики системы управления. Перерегулирование составило 2%. , обеспечивая допустимые динамические усилия в механической части системы ^ управления. Время реакции на возмущающее воздействие составило

0.01 с, время переходного процесса 1.7 с, что обеспечивает своевременный маневр и удержание цели в траектории полета ракеты.

3. Модернизирование режимов полета релейной СУ и БСУ показало, что вероятность поражения цели усовершенствованной ракетой (БСУ) на 20 % выше.

4. Бионические элементы рассмотренного типа могут также применяться для повышения эффективности функционирования класса технических устройств, таких как биоуправляемые протезы верхних конечностей, системы стабилизации магнитного поля фокусирующей системы мощного клистронного генератора радиолокационной станции сантиметрового диапазона волн и других устройств.

ЗАКЛЮЧЕНИЕ

Проделанная в рамках диссертации работа позволила ответить на поставленные вопросы, цели и задачи исследования. Основной задачей исследования являлась оценка возможности применения существующих знаний и гипотез при создании бионических систем управления, создание обоснованной методики и ее апробация в важной прикладной проблеме. Выполненные исследования и разработки позволили сделать следующие выводы:

1. Техническим системам управления, обладающим рядом несомненных преимуществ, свойственны отдельные недостатки. Возникающие проблемы устойчивости, помехозащищенности, адаптивности и качества технических устройств не всегда имеют корректные решения стандартными методами. В частности, бортовая аппаратура самонаводящихся зенитных ракет, несмотря на сложные и дорогостоящие системы наведения, пока не в состоянии гарантировать полную помехозащищенность в условиях организованного противодействия. Ввод разработанных бионических элементов в механизм управления позволил значительно повысить эффективность системы наведения зенитной ракеты в условиях действия создаваемых целью помех.

2. При проектировании системы управления с рассматриваемым бионическим элементом произведено параметрическое сопряжение с техническими элементами. Расширение допустимой полосы частот управления достигнуто за счет снижения фазовых задержек в популяции Д-нейрона, что значительно повысило эффективность работы бионического элемента и существенно увеличило аэродинамические характеристики и устойчивость полета ракеты.

3. Преобразование системы управления и ввод бионического элемента повысил запас степени устойчивости канала управления и улучшил качественные характеристики, обеспечивая допустимые динамические усилия в механической части системы управления, своевременный маневр и удержание цели в траектории полета ракеты. Применение бионических элементов в системе управления и гармоничное согласование их с техническими элементами позволило установить оптимальные режимы функционирования для гарантированного переноса природной эффективности живых систем на технические.

4. Достигнута высокая степень помехоустойчивости бионического элемента, достаточная для его использования при разработке систем управления техническими устройствами, содержащими в своем составе электро-механические части. Применение бионических элементов для улучшения механизма управления обеспечило эффективность движений подобно биологическим системам. Для устройств управления, требующих повышенной степени помехоустойчивости, модернизация бионического элемента придает ему адаптивные свойства.

5. Разработанная программная система модели бионического элемента, как средство для исследования информационных процессов, позволила производить функциональную идентификацию бионического элемента без использования сложных технических средств и значительно повысить применимость бионических механизмов управления при проектировании систем управления техническими устройствами.

Список литературы диссертационного исследования кандидат технических наук Сидоренко, Андрей Борисович, 2005 год

1. Анохин П.К. Кибернетика функциональных систем: Избр. тр. / П.К. Анохин; Под общ. ред. К.В. Судакова. -М: Медицина, 1998. 397 с.

2. Анфилатов B.C., Емельянов А.А., Кукушкин А.А. Системный анализ в управлении. М.: Финансы и статистика, 2003. - 368 с.

3. Басканова Т.Ф., Ланкин Ю.П. Нейросетевые алгоритмы самостоятельной адаптации // Нейроинформатика-99: Сборник научных трудов /М.: МИФИ-1999. 4.1. - С. 17-24.

4. Бахарев Б.В., Жадин М.Н. Моделирование механизмов формирования колебательных процессов в электроэнцефалограмме // Проблемы нейрокибернетики. Ростов-на-Дону: ЦВВР, 2002. - Том 2. - С. 62-66.

5. Бенькович Е.С., Колесов Ю.Б., Сениченков Ю.Б. Практическое моделирование динамических систем. СПб.:БХВ-Петербург, 2002. - 464 с.

6. Бернштейн Н.А. Биомеханика и физиология движений. М.: ИПП, Воронеж: МОДЭК, 1997. - 608 с.

7. Бесекерский В.А., Попов Е.П. Теория систем автоматического управления. -изд. 4-е, перераб. и доп. СПб: Профессия, 2004. - 752 с.

8. Бионика. Биологические аспекты. / под ред. Решодько Л.В. Киев: Вища школа, 1978.-304 с.

9. Бородянский Е.В., Кулишова Н.Е., Руденко О.Г. Обобщенный алгоритм обучения формального нейрона // Кибернетика и системный анализ. 2002. -№5. - С. 176-182.

10. Ю.Браммер Ю.А., Пащук И.Н. Импульсные и цифровые устройства: Учебник. -М.: Высш.шк., 2003.-351 с.

11. Буков А.А. Технические нервные системы. Обучаемые системы управления со зрением для промышленных роботов. Липецк: ЛГТУ, 2001. - 223 с.

12. Витяев Е.Е. Формальная модель работы мозга, основанная на принципе предсказания // Модели Когнитивных Процессов: Труды ИМ СО РАН. Новосибирск, 1998. С. 3-62.

13. Воронков Г. С. Информация и мозг: взгляд нейрофизиолога // Нейрокомпьютеры: разработка, применение. 2002. -№ 1-2- С.79-88.

14. Н.Гаврилей Ю.К., Самарин А.И., Шепелев И.Е. Преднастройка нейронных сетей в задачах зрительного анализа // Нейроинформатика 2000: сб. научных трудов. / М.: МИФИ. - 2000. - 4.1. - С. 161-166.

15. Геращенко Ф.Г., Пичкур В.В. Анализ оптимальных свойств практической устойчивости динамических систем // Кибернетика и системный анализ. -2002.-№5.- С. 79-94.

16. Головко В.А. Нейроинтеллект: Теория и применения. Книга 2. Самоорганизация, отказоустойчивость и применение нейронных сетей. -Брест: БПИ, 1999.-228 с.

17. Гроссберг С. Внимательный мозг // Открытые Системы. 1997. - №04. — С. 29-33.

18. Данилова Н.Н. Психофизиология. М.: Аспект Пресс, 2002. - 373 с.

19. Дейч С. Модели нервной системы. М.: Мир, 1970. - 325 с.

20. Дещеревский В.И. Математические модели мышечного сокращения. М.: Наука, 1977.-160 с.

21. Джиган В.И. Разработка алгоритмов адаптивной фильтрации с применением среды Matlab // Труды II научной конференции: Проектирование научных и инженерных приложений в среде MATLAB. / М.: ИПУ РАН. 2004. - С. 1689-1696.

22. Дорогов А.Ю. Структурный синтез модульных слабосвязанных нейронных сетей. I. Методология структурного синтеза модульных нейронных сетей // Кибернетика и системный анализ. 2001. - №2 - С. 34-42.

23. Дорф Р., Бишоп Р. Современные системы управления. М.: Лаборатория базовых знаний, 2002. - 832 с.

24. Жданов А.А. Метод автономного адаптивного управления // Известия Академии Наук. Теория и системы управления. 1999. - № 5. - С. 127-134.

25. Золотарев В.В., Овечкин Г.В. Помехоустойчивое кодирование. Методы и алгоритмы. М.: Горячая линия - Телеком, 2004. - 126 с.

26. Зубров В. Разработка управляемых ракет класса «воздух-воздух» малой дальности // Зарубежное военное обозрение. 2004. - №6. - С. 48-51.

27. ЗО.Комарцова Л.Г, Максимов А.В. Нейрокомпьютеры. М: МГТУ им. Н.Э. Баумана, 2002. - 320 с.31 .Короткий С.Г. Нейронные сети: обучение без учителя // Байт. 2000. - №6. -С. 66-68.

28. Коцюрбий О. А. Влияние шума и хаотической активности на свойства отказоустойчивости нейронных сетей // Проблемы нейрокибернетики. -Ростов-на-Дону: ЦВВР, 2002. Том 2. - С. 18-21

29. Краснов А, Путилин А. Беспилотные летательные аппараты: от разведки к боевым действиям // Зарубежное военное обозрение. 2004. - №4 - С. 41-47.-№5.- С. 42-49.

30. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. 2-е изд. - М.: Горячая линия - Телеком, 2002. - 382 с.

31. Курбатова Е.В., Нифонтов Ю.А. Адаптивное подавление помех // Цифровые радиоэлектронные системы (эл.журнал). 1999. - Вып. 2. -http://www.prima.tu-chel.ac.ru/drs/vol2/al002.zip

32. Куссуль Э.М., Байдык Т.Н. Структура нейронных ансамблей // Нейрокомпьютер. -1992. -№1. С. 16-23.

33. Литвинов Е.Г., Черноризов A.M. Имитационная модель нейронной сети, реализующей векторный принцип кодирования информации // Проблемы нейрокибернетики. Ростов-на-Дону: ЦВВР, 2002. - Том 2. - С. 101-105.

34. Лощилов В.И., Калакутский Л.И. Биотехнические системы электростимуляции. -М.: МГТУ, 1991. 168 с.

35. Майоров В.И. Экспериментальное исследование и компьютерное моделирование нейронных процессов в двигательной коре кошки при выполнении инструментального движения // Проблемы нейрокибернетики. Ростов-на-Дону: ЦВВР, 2002. - Том 2. - С. 106-109.

36. Мак-Каллок У.С., Питтс В. Логическое исчисление идей, относящихся к нервной активности // Нейрокомпьютер. 1992. - № 3, 4. - С. 40-53.

37. Максименко Л.А. Комбинированное управление двигательным аппаратом многонейронного рефлекторного кольца // Известия Северо-Кавказского научного центра высшей школы. Естественные науки. 1987. - С. 92-97.

38. Максименко Л.А. Нейронный ансамбль как запаздывающее звено с дискретно-аналоговым преобразованием информационных сигналов // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. 1995. -№1-2 - С. 94-99.

39. Максименко Л.А. Передача амплитудно-модулированных сигналов в системе пресинаптического торможения спинного мозга кошки // Биологические науки. Москва, 1987. - №6 - С. 59-64.

40. Максименко Л.А. Торможение как определяющий фактор надежности нервной системы. // Известия высших учебных заведений. СевероКавказский регион. Технические науки. 1995. -№1-2 - С. 99-105.

41. Максименко Л.А. Сравнительный анализ возможных путей активации деполяризующих нейронов в системе афферентов флексорного рефлекса // Нейрофизиология. Киев: Наукова думка, 1985. - Т. 17 - №1 - С. 85-92.

42. Максименко JI.A. Фазоопережающие свойства механизма пресинаптического торможения // Биофизика. Академия наук СССР. 1974. -Том XIX.-С. 347-350.

43. Мартыненко Ю.Г. Динамика мобильных роботов // Соросовский образовательный журнал. 2000. - №3. - С. 110-116.

44. Методы классической и современной теории автоматического управления: Учебник в 3-х т. Т.2: Синтез регуляторов и теория оптимизации систем автоматического управления. / Под ред. Н.Д. Егупова. М.: Изд-во МГТУ им. Н.Э. Баумана, 2000. - 736 с.

45. Механика полета (Общие сведения. Уравнения движения) / Горбатенко С.А., Макашов Э.М., Полушкин Ю.Ф, Шефтель JI.B. М.: Машиностроение, 1969.-420 с.

46. Миркес Е.М. Нейронные сети ассоциативной памяти // Нейроинформатика: Сборник научных трудов. Новосибирск: Наука. Сибирская издат. фирма РАН, 1998.-С. 264-282.

47. Мирошников С.А. Интеграция импульсных и осцилляторных сетей в нейропсихологической системе // Нейроинформатика-2001: Сборник научных трудов. В 2-х частях. М.: МИФИ, 2001. - 4.1. - С. 205-213.

48. Мурик С.Э. Мотивации, эмоции, внимание: общность нейрофизиологического механизма // Проблемы нейрокибернетики. — Ростов-на-Дону: ЦВВР, 2002. Том 1. - С. 186-187.

49. Патент 2206057 РФ, F 42 D 15/01. F 41 G 7/22. Самонаводящаяся зенитная ракета. / П.М. Майборода (Российская Федерация). -6 с.: ил.

50. Патент 2261413 РФ. Заявка 2004129197. Бионическая система управления самонаводящейся ракетой. / Максименко JI.A., Гапонов П.В., Волохов В.В., Сидоренко А.Б. (Российская Федерация). 9 е.: ил.

51. Патент 2250487 РФ. Заявка 2003138152. Бионический стабилизатор давления магистральных газопроводов. / Максименко JI.A., Зозуля А.В., Храмцов А.В., Сидоренко А.Б., Волохов В.В., Гапонов П.В. (Российская Федерация). 7 е.: ил.

52. Покровский А.Н. Нервная клетка как импульсный элемент // Проблемы нейрокибернетики. Ростов-на-Дону: ЦВВР, 2002. - Том 2. - С. 22-25.

53. Помехоустойчивые устройства систем управления летательными аппаратами. / под ред. А.А. Елисеева, А.П. Лукошкина. М.: МПИ, 1989. -305 с.

54. Рагозин А.Н. Анализ спектральной структуры нестационарных физиологических сигналов на плоскости комплексных частот //Цифровые радиоэлектронные системы (эл.журнал). 1999. - Вып.З. -http://www.prima.tu-chel.ac.ru/drs/vol3/a0203.zip

55. Резник A.M. О роли латеральных нейроструктур в формировании памяти // Проблемы нейрокибернетики. Ростов-на-Дону: ЦВВР, 2002. - Том 2. — С.37-39

56. Романов С.П. Концептуальные подходы к выявлению функции структурной организации нейронной сети // Журнал Высшей Нервной Деятельности. -2000.-№2.-С. 320-343.

57. Самарин А.И. Формирование сенсомоторной координации робота на основе адаптивных нейронных сетей при решении поведенческих задач // Нейрокомпьютер. 1996.-№3, 4.-С. 39-47.

58. Самарин А.И., Шепелев И.Е. Нейронные сети с преднастройкой в задачах сенсомоторной координации робота // Проблемы нейрокибернетики. -Ростов-на-Дону: ЦВВР, 2002. Том 2. - С. 127-132.

59. Сергиенко А. Б. Цифровая обработка сигналов. СПб.: Питер, 2002. - 608 с.

60. Сидоренко А.Б. Анализ биологических принципов кодирования информации в нейронных системах управления. // Научный потенциал ВУЗа производству и образованию: Материалы II межвузовской научно-практической конференции. Армавир, 2003. - С. 201-207.

61. Сидоренко А.Б. Синтез корректирующих механизмов нейронной системы управления // Материалы межвузовской научно-практической конференции-Отрадная-Ростов-на-Дону, 2003.- С.179-186.

62. Сидоренко А.Б. Сравнительная характеристика нейросетевых пакетов программ // Нормативные технологии диагностики и управления в экономике и обществе: Материалы межвузовской научно-практической конференции. Отрадная: ОГИ, 2001. - С. 221-224.

63. Силькис И.Г. Длительные постетанические изменения эффективности тормозных связей в таламо-кортикальных нейронных сетях // Доклад РАН. -1994.-Т. 337.-С. 413.

64. Симанков В. С., Луценко Е. В., Лаптев В. Н. Системный анализ в адаптивном управлении: Монография. /Под ред. В. С. Симанкова. — Краснодар: ИСТЭ, 2001. 258 с.

65. Славуцкий Я.Л. Физиологические аспекты биоэлектрического управления протезами. М.: Медицина, 1982. - 288 с.

66. Смольников Б.А., Юревич Е.И. Биомеханика в робототехнике // Экстремальная робототехника: Материалы 11-й научно-технической конференции, 2000. http://www.rtc.neva.ru/kfl 1 pi /oglav pl.htm

67. Станкевич Л.А. Искусственная нервная система гуманоидного робота // Проблемы нейрокибернетики. Ростов-на-Дону: ЦВВР, 2002. - Том 2. - С. 44-47.

68. Судаков К.В. Системная организация функций человека: Теоретические аспекты // Успехи физиол. наук. 2000. - Т. 31. - № 1. - С. 1-17.

69. Сурма С.В. Критериальное функционирование нейронных систем // Проблемы нейрокибернетики. Ростов-на-Дону: ЦВВР, 2002. - Том 1. - С. 31-36.

70. Съём и обработка биоэлектрических сигналов: Учеб. пособие. / под ред. К.В. Зайченко. СПб.: СПбГУАП, 2001.- 140 с.

71. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы управления. -М.: Высш.шк., 2002. 183 с.

72. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика М.: Мир, 1992.-240 с.

73. Федоренко В.В. Алгоритм выбора оптимальной структуры сигналов в каналах с искажениями и помехами / В.В. Федоренко, А.В. Краснокутский. //Радиоэлектроника. 1999.-№10. - С. 11.

74. Филлипс Ч., Харбор Р. Системы управления с обратной связью. М.: Лаборатория базовых знаний, 2001. - 616 с.

75. Фомин В.Н. Некоторые общие принципы построения адаптивных систем управления // Соросовский образовательный журнал. 1996. - №12 - С. 102-108.

76. Фрадков A.JI. Исследование физических систем при помощи обратных связей // Автоматика и телемеханика. 1999. - №3. - С. 213-230.

77. Харламов А.А Использование в приложениях нейронных сетей на основе нейроподобных элементов с временной суммацией входных сигналов // Проблемы нейрокибернетики. Ростов-на-Дону: ЦВВР, 2002. - Том 2. - С. 140-143.

78. Харламов А.А., Аллахвердов С.А. Нейрочип — нейроподобный элемент с временной суммацией входных сигналов элемент нейронной сети для структурного анализа информации // Проблемы нейрокибернетики. -Ростов-на-Дону: ЦВВР, 2002.-Том 2.- С. 143-147.

79. Цукерман В.Д. Пространство, время, внимание. Механизмы кодирования и модуляции представлений // Проблемы нейрокибернетики. Ростов-на-Дону: ЦВВР, 2002. - Том 2. - С. 54-61.

80. Цукерман В.Д., Кожин О.Г. Синхронизация и осцилляторная активность в моделях центральных механизмов восприятия и сенсомоторной координации // Нейроинформатика-2000: Сборник научных трудов. М.: МИФИ,2000.-С. 202-208.

81. Чечкин А.В. Принципы и методы математического моделирования интеллектуальных систем // Интеллектуальные системы. М.: МГУ, 1998. — Том 3. - Вып. 1-2. - С. 63-83.

82. Чижов А.В. Модель популяционной активности нейронов корковых срезов // Проблемы нейрокибернетики. Ростов-на-Дону: ЦВВР, 2002. — Том 2.-С. 155-158.

83. Юревич Е.И. Основы робототехники. 2-е изд. СПб: БХВ-Петербург, 2005.-416 с.

84. Ященко Н.Ю, Будкина Е.М. Нейросетевая система как метод решения задачи идентификации состояния сложного технического объекта // Труды МАИ. 2002. - №8. - http://www.mai.ru/proiects/mai works/articles /num8/articlel 1/auther.htm

85. Boutsinas В., Vrahatis M.N. Artificial nonmonotonic neural networks // Artificial Intelligence. 2001. - Vol. 132 - pp. 1-38.

86. Brajovic V.M., Miyagawa R., Kanade Т. Temporal photoreception for adaptive dynamic range image sensing and encoding // Neural Networks. 1998. - Vol. 11.- pp. 1149-1158.

87. Buessler J.-L., Urban J.-P. Visually guided movements: learning with modular neural maps in robotics //Neural Networks. -1998. Vol.11. - pp. 1395-1415.

88. Cruse H., Kindermann Т., Schumm M., Dean J., Schmitz J. Walknet—a biologically inspired network to control six-legged walking // Neural Networks. -1998.-Vol.ll.-pp. 1435-1447.

89. Dauce E., Quoy M., Cessac В., Doyon В., Samuelides M. Self-organization and dynamics reduction in. recurrent networks: stimulus presentation and learning // Neural Networks. 1998. - Vol.11. - pp. 521-533.

90. Dean P., Porrill J. Pseudo-inverse control in biological systems: a learning mechanism for fixation stability // Neural Networks. 1998. - Vol.11. - pp. 1205-1218.

91. Doeringer J.A., Hogan N. Serial processing in human movement production // Neural Networks. 1998.-Vol.11.-pp. 1345-1356.

92. Gedeon T. Additive neural networks and periodic patterns // Neural Networks. 1999. - Vol.12. - pp. 617-626.

93. Giron-Sierra J.M., Ortega G. A survey of stability of fuzzy logic control with aerospace applications // Preprints of the 15th Trienial World Congress of the IF AC. Barcelona, Spain, 21-26 Jily 2002. - CD-ROM, T-Th-M03-3.

94. Gross H.-M., Heinze A., Seiler Т., Stephan V. Generative character of perception: a neural architecture for sensorimotor anticipation // Neural Networks. 1999.-Vol.12.-pp. 1101-1129.

95. Grossberg S., Grunewald A. Temporal dynamics of binocular disparity processing with corticogeniculate interactions // Neural Networks. 2002. - Vol. 15. — pp. 181-200.

96. Grossberg S., McLoughlin N.P. Cortical Dynamics of Three-Dimensional Surface Perception: Binocular and Half-Occluded Scenic Images // Neural Networks. 1997.-Vol. 10.-pp. 1583-1605.

97. Grossberg S., Paine R.W. A neural model of cortico-cerebellar interactions during attentive imitation and predictive learning of sequential handwriting movements //Neural Networks. 2000. - Vol.13, - pp. 999-1046.

98. Fagg A.H., Arbib M.A. Modeling parietal-premotor interactions in primate control of grasping // Neural Networks. 1998. - Vol.11. - pp. 1277-1303.

99. Farret D., Due G., Harcaut J.P. Discrete-time LPV controller for robust missile autopilot design // Preprints of the 15th Trienial World Congress of the IFAC. — Barcelona, Spain, 21-26 Jily 2002. CD-ROM, T-Th-M03-3.

100. Floreano D., Mondada F. Evolutionary neurocontrollers for autonomous mobile robots // Neural Networks. 1998. - Vol.11. - pp. 1461-1478.

101. Fukushima К. Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position // Biological Cybernetics. 1980.-Vol.86.-№4.-pp. 193-202.

102. Fukushima K. Self-organization of shift-invariant receptive fields // Neural Networks. 1999.-Vol.12.-pp. 791-801.

103. Huntsberger Т., Rose J. BISMARC: a biologically inspired system for map-based autonomous rover control // Neural Networks. 1998. - Vol.11. - pp. 1497-1510.

104. Ito J., Kaneko K. Self-organized hierarchical structure in a plastic network of chaotic units // Neural Networks. 2000. - Vol. 13. - pp. 275-281.

105. Kalmar Z., Marczell Z., Szepesvari C., Lorincz A. Parallel and robust skeletonization built on self-organizing elements // Neural Networks. 1999. -Vol.12.-pp. 163-173.

106. Kohonen T. Analysis of a simple self-organizing process // Bilogical Cybernetics. 1982. - vol. 44. - pp. 135-140.

107. Kuroiwa J., Inawashiro S., Miyake S., Aso H. Self-organization of orientation maps in a formal neuron model using a cluster learning rule // Neural Networks. -2000.-Vol. 13,- pp.31-40.

108. Lappe M., Grigo A. How stereovision interacts with optic flow perception: neural mechanisms // Neural Networks. 1999. - Vol.12. - pp. 1325-1329.

109. Miyamoto H., Kawato M. A tennis serve and upswing learning robot based on bi-directional theory // Neural Networks. 1998,- Vol. 11. - pp. 1331-1344.

110. Moshiri В., Asharif M., Nezhad R. Pseudo information measure:a new concept for extension of Bayesian fusion in robotic map building // Information Fusion. -2002.-Vol.3.-pp. 51-68.

111. Morasso P.G., Sanguineti V., Francesco Frisone, Luca Perico. Coordinate-free sensorimotor processing: computing with population codes // Neural Networks. -1998.-Vol.11.-pp. 1417-1428.

112. Navabi H., Agarwal A. Adaptive response organizer network for space-time patterns in low level vision // Neural Networks. 1998. - Vol.11. - pp. 825-836.

113. Olson S.J., Grossberg S. A neural network model for the development of simple and complex cell receptive fields within cortical maps of orientation and ocular dominance // Neural Networks. 1998. - Vol. 11. - pp. 189-208.

114. Okatan M., Grossberg S. Frequency-dependent synaptic potentiation, depression and spike timing induced by Hebbian pairing in cortical pyramidal neurons // Neural Networks. 2000. - Vol. 13. - pp. 699-708.

115. Ozkan M., Inoue K., Negishi K., Yamanaka Т. Defining a neural network controller structure for a rubbertuator robot // Neural Networks. 2000 - Vol. 13. -pp. 533-544.

116. Panerai F., Sandini G. Oculo-motor stabilization reflexes: integration of inertial and visual information//Neural Networks. 1998.-Vol.11.-pp. 1191-1204.

117. Samejima K., Omori T. Adaptive internal state space construction method for reinforcement learning of a real-world agent // Neural Networks. 1999. -Vol.12, - pp. 1143-1155.

118. Segev R., Ben-Jacob E. Generic modeling of chemotactic based self-wiring of neural networks // Neural Networks. 2000. - Vol.13. - pp. 185-199 .

119. Shibata Т., Schaal S. Biomimetic gaze stabilization based on feedback-error-learning with nonparametric regression networks // Neural Networks. 2001. — Vol.14.-pp. 201-216.

120. Slotine J.-J.E., Lohmiller W. Modularity, evolution, and the binding problem: a view from stability theory // Neural Networks. 2001. - Vol.14 - pp. 137-145.

121. Tani J., Fukumura N. Self-organizing Internal Representation in Learning Navigation: A Physical Experiment by the Mobile Robot // Neural Nefworks. -1997. Vol.10-pp. 153-159.

122. Tani J., Nolfi S. Learning to perceive the world as articulated: an approach for hierarchical learning in sensory-motor systems // Neural Networks. 1999. -Vol.12.-pp. 1131-1141.

123. Tsourdos A., White B.A. Adaptive flight control design for nonlinear missile // Preprints of the 15th Trienial World Congress of the IFAC. — Barcelona, Spain, 21-26 Jily 2002. CD-ROM, T-Th-M03-3.

124. Van Heijst J.J., Vos J.E., Bullock D. Development in a biologically inspired spinal neural network for movement control // Neural Networks. 1998. -Vol.11.-pp. 1305-1316.

125. Verschure P.F., Voegtlin T. A bottom up approach towards the acquisition and expression of sequential representations applied to a behaving real-world device: Distributed Adaptive Control III // Neural Networks. 1998. - Vol.11. - pp. 1531-1549.

126. Viga R., Oja E. Independence: a new criterion for the analysis of the electromagnetic fields in the global brain? // Neural Networks. 2000. - Vol.13, -pp. 891-907.

127. Ullman S., Soloviev S. Computation of pattern invariance in brain-like structures // Neural Networks. 1999. - Vol.12. - pp. 1021-1036.

128. Watanabe M., Nakanishi K., Aihara K. Solving the binding problem of the brain with bi-directional functional connectivity // Neural Networks. 2001. -Vol.14.-pp. 395-406.

129. Wolpert D.M., Kawato M. Multiple paired forward and inverse models for motor control //Neural Networks. 1998. - Vol.11. - pp. 1317-1329.

130. Yadid-Pechtand O., Gur M. Efficient Biologically-based Pattern-recognizing Networks //Neural Networks. 1996. - Vol. 9. - pp. 1061-1070.

131. Yamauchi K., Oota M., Ishii N. A self-supervised learning system for pattern recognition by sensory integration // Neural Networks. 1999. - Vol.12. - pp. 1347-1358.

132. Yang S.X., Meng M. An efficient neural network approach to dynamic robot motion planning//Neural Networks. 2000. - Vol. 13.-pp. 143-148.