Система управления энергозатратами для технологических процессов на основе нечетких алгоритмов: на примере автоматизации технологических установок в молочно-консервной промышленности тема диссертации и автореферата по ВАК РФ 05.13.06, кандидат технических наук Колязов, Константин Александрович

• Колязов, Константин Александрович
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Колязов, Константин Александрович

СПИСОК СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

ГЛАВА 1 АНАЛИЗ МЕТОДОВ РЕАЛИЗАЦИИ СИСТЕМ УПРАВЛЕНИЯ ТЕХНОЛОГИЧЕСКИМ ПРОЦЕССОМ ВЫПАРИВАНИЯ МОЛОЧНЫХ ПРОДУКТОВ.

1.1 Технологический процесс выпаривания молока и молочных продуктов

1.2 Аналитический обзор методов реализации систем управления технологического процесса выпаривания молока.

1.3 Методы реализации нечеткого управления в мол очно-консервной промышленности.

1.4 Перспективы использования нечеткого управления технологическими процессами в молочно-консервной промышленности и постановка задачи исследования.

ВЫВОДЫ ПО ПЕРВОЙ ГЛАВЕ.

ГЛАВА 2 ФОРМАЛЬНОЕ ПРЕДСТАВЛЕНИЕ ЗНАНИЙ О ПРОЦЕССЕ ВЫПАРИВАНИЯ СГУЩЕННОГО МОЛОКА.

2.1 Анализ основных параметров процесса выпаривания молока.

2.2 Концептуальная модель парожидкостного теплообменника для выпаривания молочных продуктов.

2.3 Динамические характеристики вакуум-выпарного аппарата как объекта регулирования температуры.

2.4 Нечеткая математическая модель процесса выпаривания молочных продуктов.

ВЫВОДЫ ПО ВТОРОЙ ГЛАВЕ.

ГЛАВА 3 СИНТЕЗ СИСТЕМЫ УПРАВЛЕНИЯ ВЫПАРНЫМ АППАРАТОМ НА ОСНОВЕ НЕЧЕТКОГО РЕГУЛЯТОРАС ЛИНГВИСТИЧЕСКОЙ ОБРАТНОЙ СВЯЗЬЮ.

3.1 Синтез нечеткого регулятора с лингвистической обратной связью для молочно-консервной промышленности.

3.2 Оценка влияния быстродействия нечеткого регулятора на расход энергии в аппарате для выпаривания молочных продуктов.

3.3 Имитационная модель нечеткого регулятора с лингвистической обратной связью.

3.4 Система регулирования выпарного аппарата для молочно-консервной промышленности в инструментальной среде SIMATIC Manager.

ВЫВОДЫ ПО ТРЕТЬЕЙ ГЛАВЕ.

ГЛАВА 4 ТЕХНИЧЕСКАЯ РЕАЛИЗАЦИЯ СИСТЕМЫ РЕГУЛИРОВАНИЯ ПРОЦЕССОМ ВЫПАРИВАНИЯ МОЛОКА.

4.1 Общая структура программно-технического комплекса для реализации системы регулирования.

4.2 Программно-техническое обеспечение нижнего уровня управления установкой для выпаривания молочных продуктов.

4.3 Программно-техническое обеспечение автоматизированного рабочего места технолога-оператора установки по выпариванию молочных продуктов.

4.4 Управление процессом выпаривания молочных продуктов посредством сети Internet.

ВЫВОДЫ ПО ЧЕТВЕРТОЙ ГЛАВЕ.

Введение диссертации (часть автореферата) на тему «Система управления энергозатратами для технологических процессов на основе нечетких алгоритмов: на примере автоматизации технологических установок в молочно-консервной промышленности»

Эффективность работы современного производства пищевых продуктов во многом определяется достигнутым уровнем его автоматизации. Высокие требования на мировом рынке к качеству выпускаемой продукции, тенденция к созданию технологического оборудования с высокими скоростями движения; многономенклатурность, безопасность труда и другие социально-экономические требования современного общества обуславливают необходимость перехода к безлюдным технологиям, гибкому и автоматизированному производству. В настоящее время основная масса продуктов молочной промышленности производится на морально устаревшем оборудовании и основным технологическим процессом является температурная обработка сырья.

Актуальность проблемы. На качество молочной продукции существенное влияние оказывает влажность исходного сырья - молока. Даже незначительное снижение этого показателя заметно нейтрализует негативное влияние окружающей среды и жизнедеятельности микроорганизмов на технологические процессы в молочно-консервной промышленности и, как следствие — повышает сроки хранения готовой продукции.

Однако удаление влаги из молочных продуктов сопряжено с большими энергозатратами. Например, в технологическом процессе выпаривания молока при низком давлении, который в молочной промышленности считается наиболее распространенным и сложным, количество затраченной энергии нелинейно возрастает, примерно, удваиваясь на каждые (5-10 %) выпаренной влаги.

В многовековой борьбе за экономию энергии при производстве молокопродуктов высокого качества наиболее эффективным, но вместе с тем и трудоемким оказалось ручное управление, когда человек, хорошо владеющий процессом, непосредственно введен в контур регулирования значениями технологических параметров. Попытки использовать для этих целей ПИ- и ПИД-регуляторы из-за нестабильности параметров сырья, нелинейности, многомерности и неопределенности биохимических явлений, протекающих в технологических аппаратах по переработке молока, не обеспечивают требуемого качества регулирования. Кроме того, ряд технологических процессов в молочно-консервной промышленности до- сих пор не имеет точных математических моделей, что затрудняет использование наиболее рентабельных и широко распространенных классических систем регулирования. Такая же тенденция проявляется и по отношению к технологиям тепловой обработки молока, которые, как правило, имеют нелинейные математические модели высокого порядка. Но именно они зачастую являются наиболее энергозатратными и определяют уровень развития отрасли в целом и поэтому наиболее актуальны для автоматизации. Совершенно очевидно, что в подобных случаях целесообразно использовать нечеткое регулирование.

Обзор средств и способов управления технологическими процессами в молочно-консервной промышленности показывает, что нечеткие алгоритмы применяются, в основном, для поддержания на определенном уровне значения технологических параметров и практически не используются для экономии энергозатрат. Хотя в других отраслях (энергетика, машиностроение, химическая промышленность, предприятия' стройматериалов и др.) нечеткое регулирование для решения подобных задач применяется с 70-х годов 20 века. Это подтверждается работами таких авторов как Л. А. Заде, Е. А. Мамдани, Цукамото, С. Осовского, В. В. Круглова, А. В. Леоненкова, И. А. Мочалова, Н. П. Деменкова, Б. Г. Ильясова, В. И. Васильева, А. П. Веревкина, В. Ц. Зориктуева, Р. А. Мунасыпова, А. Г. Лютова и др. Несмотря на большое количество публикаций по нечетким регуляторам, специфика нечеткого управления технологическими процессами в молочно-консервной отрасли, и особенно в части энергосбережения, не нашла должного освещения.

Таким образом, задача оперативного управления снижением затрат энергии на базе нечетких алгоритмов, учитывающей особенности технологических процессов и производств в молочно-консервной. промышленности является актуальной научной задачей, решение которой способствует снижению себестоимости молочных продуктов без. привлечения, дополнительных крупномасштабных инвестиций.

Целью диссертационной работы является снижение затрат энергии за счет разработки системы управления на основе нечетких алгоритмов, с автоматической модификацией системы продукционных правил на примере технологического процесса выпаривания молочных продуктов.

Для достижения цели, в диссертационной работе поставлены и решены следующие основные задачи:

1. Разработать нечеткий алгоритм и на его основе систему продукционных правил, модификация которой в режиме реального времени обеспечивает снижение энергозатрат в процессе выпаривания молочных продуктов при поддержании в них приемлемого^ содержания-влаги.

2. Для проверки соответствия, построенной системы продукционных правил задачам снижения энергозатрат в вакуум-выпарном аппарате и повышения качества готовой продукции построить имитационную модель управления технологическим процессом выпаривания молочных продуктов.

3. На базе нечеткого регулятора с лингвистической обратной связью и автоматической модификацией системы продукционных правил разработать алгоритм управления, обеспечивающий повышение качества готовой продукции и снижение потребления энергии вакуум-выпарным аппаратом за счет уменьшения времени отклика его системы управления.

4. Разработать интеллектуальную систему управления процессом выпаривания молочных продуктов, реализующую нечеткое управление снижением затрат энергии и обеспечивающую приемлемое качество готовой продукции при вариации в широких пределах химических и биохимических показателей исходного сырья.

5. Провести экспериментальные исследования процесса выпаривания молочных продуктов на реальном вакуум-выпарном аппарате с последующей оценкой уменьшения погрешности регулирования и затрат энергии от внедрения алгоритмов нечеткого управления.

Методы исследования. Для решения поставленных в работе научных задач использовались: теория нечетких множеств, автоматизированных систем управления технологическими процессами (АСУ ТП), математического и имитационного моделирования, а также баз данных и знаний.

Достоверность и обоснованность полученных в диссертационной работе теоретических результатов и формулировок обеспечивается корректным применением аппарата математического и имитационного моделирования и теории нечетких множеств. Достоверность предложенных методов подтверждается результатами, полученными путем проведения экспериментальных исследований на реальном технологическом процессе молочно-консервной промышленности.

Научная новизна исследований заключается в следующем:

1. Новизна предложенных нечеткого алгоритма и системы продукционных правил для управления технологическим процессом выпаривания молочных продуктов состоит в обеспечении снижения затрат энергии при стабилизации в режиме реального времени на минимальном уровне основного показателя качества готовой продукции — влажности.

2. Новизна построенной имитационной модели процесса выпаривания молочных продуктов на основе нечетких алгоритмов заключается в использовании её для управления снижением потребления энергии вакуум-выпарным аппаратом и повышения качества производимого продукта путем автоматической модификации в реальном времени системы продукционных правил нечеткого регулятора.

3. Новизна разработанной системы регулирования расхода пара состоит в том, что она построена на базе нечеткого регуляторам с лингвистической обратной связью с автоматической модификацией системы продукционных правил, позволяющая, по сравнению» с традиционными нечеткими алгоритмами управления процессом выпаривания; снизить время отклика программы на изменение расхода энергии и повысить качество молочных продуктов.

4. Новизна предложенной автоматизированной системы управления снижением затрат энергии в процессе выпаривания, молочных продуктов заключается в автоматической настройке нечетких алгоритмов управления снижением затрат энергии в процессе выпаривания и сохранении качества производимых молочных продуктов > при широкой вариации параметров сырья, основанной на данных, получаемых в режиме реального времени.

5. Новизна экспериментального исследования процесса выпаривания молочных продуктов на реальной технологической установке состоит в установлении фактов снижения погрешности и расхода энергии за счет уменьшения времени отклика алгоритма управления на основе нечеткого регулятора с лингвистической обратной связью.

На защиту выносятся следующие основные положения:

1. Алгоритмы и способные к модификации системы продукционных правил для управления технологическим процессом выпаривания молочных продуктов, обеспечивающих снижение энергозатрат и повышение качества готовой продукции в режиме реального времени.

2. Имитационная модель нечеткого регулирования расхода пара, используемая в процессе выпаривания молочных продуктов для снижения энергозатрат и повышения качества готовой продукции. и

3. Система управления на базе нечеткого регулятора с лингвистической обратной связью и автоматической модификацией системы продукционных правил, в которой благодаря снижению времени отклика нечеткого алгоритма на изменение затрат энергии при выпаривании молочных продуктов с минимальным содержанием влаги, снижен расход энергии, потребляемой вакуум-выпарным аппаратом.

4. Интеллектуальная система управления процессом выпаривания молочных продуктов на базе программируемого контроллера, реализующего нечеткий алгоритм управления снижением затрат энергии и автоматическую настройку вакуум-выпарного аппарата на производство качественных молочных продуктов из сырья, биохимические характеристики которого изменяются в широком диапазоне.

5. Результаты экспериментальных исследований на реальной технологической установке для выпаривания молочных продуктов, подтверждающие снижение затрат энергии и погрешности регулирования, благодаря использованию нечеткого регулятора с лингвистической обратной связью, автоматической модификацией системы продукционных правил и минимизированным временем отклика.

Практическая значимость полученных результатов и их реализация

1. Внедрена система управления снижением затрат энергии в процессе выпаривания молочных продуктов, обеспечившая повышение качества управления технологическим процессом и позволившая снизить затраты энергии на 15 % и получить экономический эффект в размере 714 тыс. рублей в год на один технологический аппарат.

2. Основные результаты диссертационной работы внедрены в технологический процесс Мелеузовского молочно-консервного комбината и в учебный процесс филиала Московского государственного университета технологии и управления г. Мелеуза (лабораторный практикум по дисциплине «Автоматизация технологических процессов» для студентов специальности 220301).

3. Получен патент на полезную модель № 51242 «Самонастраивающаяся система автоматического управления нестационарным технологическим объектом».

Апробация работы*

Результаты исследования и основные1 его положения докладывались и обсуждались на заседаниях кафедры информационных технологий и систем управления (филиал Московского государственного университета технологий и управления (МГУТУ) в г. Мелеузе, 2005-2010 гг.) и получили положительную оценку на следующих конференциях и симпозиумах, проводимых различными академическими учреждениями и высшими учебными заведениями России:

- X Международной научно-практической конференции «Стратегия развития пищевой промышленности», (Москва, 27-28 мая, 2004);

- VI международной конференции «Северэнерготех-2005» (23-25 марта 2005 г., Ухта);

- Всероссийской научно-практической конференции «Актуальные проблемы химической технологии и подготовки кадров» (28-29 сентября* 2006 г. Стерлитамак);

- на расширенном семинаре кафедр «Информационные технологии и системы управления», «Технологии и машины" пищевых производств», «Машины и аппараты пищевых производств» в филиале Московского государственного университета технологий и управлений в г. Мелеузе (март, 2010).

Публикации. Основные результаты диссертационной работы опубликованы в 15 работах, в том числе в виде 2 научных статей в-рецензируемых изданиях из списка ВАК, 1 патент и 12 — в сборниках материалов конференций.

Структура и объем работы. Диссертационная работа изложена на 170 страницах машинописного текста и включает в себя введение, четыре главы основного материала, заключение, 44 рисунка, библиографический, список из 167 наименований на 17 страницах и приложение.

Заключение диссертации по теме «Автоматизация и управление технологическими процессами и производствами (по отраслям)», Колязов, Константин Александрович

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ

1 На основе нечеткого алгоритма для управления процессом выпаривания молочных продуктов построена система продукционных правил с расположением продукций в порядке убывания их весовых коэффициентов, позволившая за счет снижения времени отклика нечеткого регулятора уменьшить расход энергии.

2 Построена имитационная модель нечеткого управления процессом выпаривания, подтверждающая снижение энергозатрат вакуум-выпарным аппаратом. Анализ работы нечеткого регулятора для процесса выпаривания по имитационной модели позволил упростить его синтез и реализовать автоматическую настройку нечеткого алгоритма непосредственно в процессе работы вакуум-выпарной установки.

3 На базе нечеткого регулятора с лингвистической обратной связью и автоматической модификацией продукционных правил разработана система управления процессом выпаривания молочных продуктов, обеспечивающая стабилизацию влажности готового продукта в режиме реального времени и снижение отклика системы управления на изменение расхода энергии, что позволило сократить затраты по газу на 10%, а по электроэнергии на 8%.

4 Разработана универсальная интеллектуальная система управления процессом выпаривания молока, в которой реализована SCADA-система, содержащая следующие программы: управления вакуум-выпарным аппаратом на основе нечеткого регулятора с автоматической модификацией системы продукционных правил; снижения затрат энергии для выпаривания молочных продуктов; настройки в режиме реального времени вакуум-выпарного аппарата для работы с молочными продуктами, значительно отличающимися по химическими и биологическими показателям.

5 Экспериментально на вакуум-выпарном аппарате установлено, что нечеткий регулятор с лингвистической обратной связью и динамической настройкой системы продукционных правил позволяет выдерживать заданный температурный режим с погрешностью 0,5 °С, а его быстродействие оказывает значимое влияние на экономию энергии в процессе выпаривания молочных продуктов. Экономический эффект от внедрения нечеткого регулятора с динамической модификацией системы продукционных правил в систему управления расходом энергии в вакуум-выпарном аппарате составляет 714 тыс. руб. в год.

Список литературы диссертационного исследования кандидат технических наук Колязов, Константин Александрович, 2010 год

1. Абраменкова И;В., Круглов В:В., Дли М.И. Мультимодельный метод прогнозирования процессов с переменной структурой: М.: Физматилит, 2003;- 231 е.

2. Аверкин А.Н., Федосеева И.Н. Параметрические логики; в интеллектуальных системах управления. М.: ВЦРАН, 2000; -106 с.

3. Алиев P.A., Алиев P.P. Теория интеллектуальных систем. Баку: Чашигоглу. 2001. 720 с.

4. Алиев P.A., Церковный А.З., Мамедова F.A. Управление производством при нечеткой исходной информации. М.: Энергоатомиздат, 1991.-240 с. •

5. Алтунин A.E., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях. Тюмень: ТГУ, 2000.-352 с.

6. Анализ нечетких систем управления методом гармонической; линеаризации / Б.Г Ильясов, P.A. Мунасыпов, О.В. Даринцев, Л.П. Челушкина // Сборник трудов конференции по теории управления, посвященной памяти академика Б.Н.Петрова. Москва. 2003;

7. Базы данных. Интеллектуальная? обработка информации / В.В.Корнеев, А.Ф.Гареев, С.В.Васютин. М.: Нолидж, 2000. -352 с.

8. Берштейн Л.С., Боженюк А.В: Нечеткие модели принятия, решений: дедукция, индукция, аналогия. Таганрог: Изд-во ТРТУ, 2001. -110 с.

9. Беленький А.Г. Выбор шкал и операторов агрегирования при построении нечетких интеллектуальных информационно-управляющих систем. М : МЭИ, 1999. 245 с.

10. Беленький А.Г. Разработка модели сложной проблемы для нечеткой интеллектуальной информационно-управляющей системы. М.: МЭИ, 1999.-146 с.

11. Броневич А.Г., Каркищенко А.Н. Вероятностные и возможностные модели классификации случайных последовательностей 7 Под ред. JT.C. Берштейна. Таганрог: ТРТУ, 1996. 196 с.

12. Бобко В.Д., Золотухин^ Ю.Н., Нестеров A.A. О нечеткой динамической коррекции* параметров ПИД-регулятора. // Автометрия, 1998, № I.G. 50-55:

13. Борисов А.Н., Крумберг. O.A., Федоров И.П. Принятие решений на основе нечетких моделей: примеры использования — Рига: Зинатне, 1990.-184 с.

14. Борисов В.В., Круглов В.В., Федулов A.C. Нечеткие модели и сети. М.: Горячая линия — Телеком, 2007. - 284 е.: Ил.

15. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием нечеткой- логики. Учебное пособие. Уфа: УГАТУ, 1995.-101 с.

16. Веревкин А.П.,. Динкель В.Г. Технические средства автоматизации химико-технологических процессов (Синтез логически устройств): Учеб. пособие. Уфа: Изд-во Уфим. нефт. ин-та, 1989. - 87 е.

17. Веревкин А.П., Кирюшин О.В. Разработка алгоритмов управления для целей реализации на микроконтроллерах // Приборы и системы. Управление, контроль, диагностики. 2001. -№11.- С.5-9.

18. Веревкин; А.П., Денисов C.B. Современные технологии управления процессами: Учеб. пособие. Уфа: Изд-во УГНТУ, 2001. 86 с.

19. Гайдышев И. Анализ и обработка данных: специальный справочник. СПб.: Питер, 2001. 752 с.

20. Глова В.И., Аникин И.В., Аджели MJI. Мягкие вычисления (SOFT COMPUTING) и их приложения: Учебное пособие / Под ред. В.И. Глова. Казань: Изд-во Казан.гос.техн.ун-та. 2000. —110 с.

21. Деменков Н.П. Нечеткое управление в технических системах: Учебное пособие.-М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. 200с.: ил.

22. Деменков Н.П. Использование пакета- Concept для нечёткого управления работой парового котла. Промышленные АСУ и контроллеры. 1999 №7. 20-22 с.

23. Деменков Н.П. SCADA-системы как инструмент проектирования АСУ ТП. Издательство МГТУ имени Н.Э. Баумана 2005 -131 с.

24. Денисенко В. ПИД-регуляторы: принципы построения и модификации М.:Энергоиздат 2002 29 с.

25. Дьяконов В.П., Круглов В.В. Математические пакеты расширения MATLAB. Специальный справочник. СПб.: Питер, 2001. -480 с.

26. Емельянов В.В., Ясиновский С.И. Введение в интеллектуальное имитационное моделирование сложных дискретных систем и процессов. Язык РДО. М.: Изд-во АНВИК, 1998. 427 с.

27. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: Изд-во Ин-та математики, 1999.-270 с.

28. Заде JI.A. Понятие лингвистической переменной и его применение к принятию приблизительных решений. М., Мир, 1976. — 165 с.

29. Захаров В.И., Ульянов C.B. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления: I. Научно-организационные, технико-экономические и прикладные системы // Изв. АН. Техническая кибернетика. 1992. №-5. С. 171-196.

30. Захаров В.И., Ульянов C.B. Нечеткие модели интеллектуальных промышленных регуляторов и систем- управления: II. Эволюция? и принципы построения // Изв. АН. Техническая кибернетика. 1993. № 4. С. 171-196.

31. Захаров В.И., Ульянов C.B. Нечеткиемоделиинтеллектуальных промышленных; регуляторов! и систем; управления: III: Методология) проектирования // Изв. АН. Техническая кибернетика. 1993. № 5. С. 197216.

32. Захаров В.И., Ульянов C.B. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления: IV; Имитационное моделирование // Изв. АН. Техническая кибернетика. 1994. № 5. С. 168210.

33. Змитрович А.И. Интеллектуальные информационные системы. Минск: НТООО «ТетраСистемс», 1997. 368 с.

34. Избранные лекции по теории автоматов У А.И. Фрид. Уфа: Изд-воУЕАТУ, 2004. - 320 с.

35. Ильин В.А., Поздняк Э.Г. Основы математического; анализа! Часть 1. М., Наука, 1982. 616 с.

36. Интеллектуальные системы управления с использованием нейронных сетей. Учебное пособие / В.И.Васильев, Б.Р.Ильясов, С.В.Валеев, С.В.Жернаков. Уфа: УГАТУ, 1997. -392 с.

37. Коломейцева М.Б., Хо Д.Л. Адаптивные системы1 управления динамическими объектами на базе нечетких регуляторов. М.: Компания Спутник +, 2002. 235 с.

38. Коломейцева, М.Б., Хо Д.Л. Синтез адаптивного нечеткого регулятора для нелинейной динамической системы^// Вестник МЭИ. 2000. № 9. С. 85-88.

39. Колязов К.А. Динамическая модель выпарного аппарата для снижения влажности молочных продуктов // Стратегия развития пищевой промышленности: материалы XI международной, научно-практической конференции. М.: МГУТУ, 2005, Т. 3 С. 60-63:

40. Колязов К.А., Воробьева A.B., Шиянова Н.И. Синтез модели' объектов управления пищевой промышленности с использованием нечеткой логики // Автоматизация в промышленности. 2007. №7. С. 55-57.

41. Колязов К.А. Имитационные модели, систем управления на основе нечетких регуляторов с модификацией' блока продукционных правил // Северэнерготех-2005: материалы VI международной конференции. Ухта: УГТУ, 2005. Ч. 1 С. 85-87.

42. Колязов К.А. Разработка имитационной модели нечеткого? регулятора:// Инновации в интеграционных процессах образования; науки,, производства: материалы. Всероссийской научной? конференции. Мелеуз: 2007, С: 493-497.

43. Колязов К.А., Муравьева Е.А., Каяшева Р.А. Патент на полезную модель №51242 «Самонастраивающаяся система автоматического управления нестационарным: технологическим объектом». Заявка №2005132418.

44. Компьютерная поддержка сложных организационно-технических систем / В.В.Борисов, И.А.Бычков, А.В. Дементьев, А.П:Соловьев, А.С.Федулов. М.: Горячая линия Телеком, 2002. - 154 с.

45. Круглов В.В., Борисов В.-В; Гибридные, нейронные сети; Смоленск: Русич, 2001. -223 с.: ил.

46. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М.: Горячая линия ТЕЛЕКОМ^ 2001. - 382 с:

47. Круглов В.В., Борисов В.В. Нёчеткие нейронные сетш.'М'*г ИПРЖР, 2003.-384 с.

48. Круглов В.В., Дли М.И. Интеллектуальные информационные системы:: компьютерная поддержка: систем нечеткой логики и нечеткого вывода. М.: Физматлит, 2002. 252 с.

49. Круглов В .В., Дли; М.И., Голунов Р.Ю. Нечеткая логика и искусственные: нейронные сети:. Учеб. пособие. — М.: Издательство Физико-математической литературы, 2001- 224 с.

50. Кудинов Ю.И;, Венков А.Г., Келина А.Ю. Моделирование; технологических шэкологическихшроцессов; Липецк: ЛЭГИ| 2001;- 131 с.

51. Леоне!iков А.В. Нечеткое моделирование в среде МАТЬАВ и FuzzyЛЕСН.-СП6:: БХВ-Иетербург, 2005; 736 е.: ил.

52. Мак Коннелл Дж. Основы современных алгоритмов: — М.: Техносфера, 2004. 368 с.

53. Мамцев А.Н., Колязов К.А., Шиянова Н.И. Применение нечетких регуляторов при производстве сгущенного молока:// Молочная промышленность. 2007. №8. С. 70-71.

54. Методы классической и современной; теории автоматического управления: В 3-х т. / Под ред. Н.Д. Егупова. М: Изд-во МГТУ им. Н.Э.Баумана. - 2000; Т1 — 748 с.;Т 2 - 736 е.; Т 3 — 48 с.

55. Методы робастного, нейро-нечеткого и адаптивного управления /Под общ. ред; К.А.Иупкова; М;: МГТУ им; Н.Э.Баумана, 2001. -744 с.

56. Мирошник И.В. Теория Автоматического Управления. Линейные системы. СПб.: Питер, 2005 336 с.

57. Митюшкин Ю.И., Мокин Б.И., Ротштейн А.П. Soft-Computing: идентификация закономерностей нечеткими базами знаний. Винница: УНЮЕРСУМ-Вшниця, 2002. - 145 с.

58. Мочалов И. А. Нечеткие вероятностно-статистические методы в задачах управления. — М.: Изд-во МГТУ им. Н. Э. Баумана, 2003. 457 е., ил.

59. МЭК 61131-7. Программируемые контроллеры. Ч. 7: Программирование нечёткого управления. М: Измерительно-информационные технологии, 2004 172 с.

60. Недосекин А.О. Нечетко-множественный анализ риска фондовых инвестиций. СПб: Изд-во Сезам, 2002. — 163 с.

61. Г. Нечеткие множества в моделях управления и искусственного интеллекта / Под. ред. Д.А. Поспелова. М.: Наука, 1986. 312с.

62. Нечеткие множества и теория возможностей. Последние достижения: Пер. с англ./Под ред. P.P. Ягера. М.: Радио и связь, 1986. -408 е.: ил.

63. Олссон Г., Пиани Д. Цифровые системы автоматизации и управления. СПб.:Невский проспект, 2001 557с.

64. Омату С., Халид М., Юсоф Р. Нейроуправление и его приложения. Кн.2 / Общаяфед. А.И.Галушкина. М.: ИРПЖР, 2000. 272 с.

65. Особенности нечетких преобразований в задачах обработки информации и управления. Часть 1 / И.М. Макаров, В.М. Лохин, C.B. Манько, М.П. Романов, A.A. Васильев, A.A. Хромов // Информационные технологии. 1999. № 10. С. 55-63.

66. Особенности нечетких преобразований в задачах обработки информации и управления. Часть 2 / И:М. Макаров, В.М. Лохин, C.B.

67. Манько, М.П. Романов, A.A. Васильев, A.A. Хромов // Информационные технологии. 1999. № 11. С. 75-84.

68. Осовскшг С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. 344 с.

69. Панкевич О.Д., Штовба С.Д. Диагностирование трещин строительных конструкций с помощью нечетких баз знаний. Винница: УНГОЕРСУМ-Вшниця, 2005. - 108 с.79: Поспелов Д.А. Логические методы анализа и синтеза схем. М.: Энергия, 1974. - 368 с.

70. Поспелов Г.С., Поспелов Д.А. Искусственный интеллект — прикладные системы. — М.: Знание, 1985. 48 с.

71. Прикладные нечеткие системы: Пер. с япон. / К.Асаи, Д. Ватада, G. Иваи и др.; под редакцией Т. Тэрано, К. Асаи, М. Сугено. М.: Мир, 1993.-368 с.

72. Ротач В.Я. Теория автоматического управления: соответствуют ли ее основные положения действительности? // Промышленные АСУ и контроллеры. 2007. № 3. С. 12-19.

73. Ротштейн А.П., Штовба С.Д. Нечеткая надежность алгоритмических процессов. Винница: Континент-ПРИМ, 1997. 142 с.

74. Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. Винница: УНИВЕРСУМ-Винница, 1999. 320 с.

75. Ротштейн А.П., Кательников Д.И. Идентификация нелинейных зависимостей нечеткими базами знаний // Кибернетика и системный анализ. 1998, №5. С. 53-61.

76. Ротштейн А.П., Штовба С.Д. Влияние методов дефаззификации на скорость настройки нечеткой модели // Кибернетика и системный анализ. 2002, №5. С. 169-176.

77. Руководство пользователя. Система управления процессом. SIMATIC WinCC. Siemens 2003 34 с.

78. Рутковская Д., Иилиньский М., Рутковский JT. Нейронные сети, генетические алгоритмы; и нечеткие системы. М.: Горячая линия; -Телеком, 2002. 383 с.

79. Рыжков А.П: Элементы теории нечетких; множеств и ее, приложений. М., 2003. — 245 с.

80. Силов В.Б. Принятие стратегических решений в нечеткой обстановке: М.: ИНПРО-РЕС, 1995. 228 с.

81. Синтез нечетких регуляторов на основе вероятностных моделей / В.М.Лохин, И.М.Макаров, С.В.Манько, М.П.Романов // Изв. РАН: ТиСУ. 2000. №2. С. 38-45. •

82. Современная прикладная теория управления / Под ред. А.А.Колесникова. В; 3-х частях. Таганрог:; Издательство ТРТУ, 2000: -289 с. ' : "

83. Симанков B.C., Луценко. Е.В. Адаптивное управление сложными системами на основе теории распознавания ? образов. Краснодар : Изд-во Кубанского гос. технологии. ун-та, 1999. 318 с.

84. Технологии производства сухих молочных продуктов. Выпаривание и распылительная сушка молока. NICO A/S. 1994. — 438 с.

85. Токарев В.Л. Основы: теории обеспечения рациональных решений. Тула: ТулГУ, 2000. 120 с.

86. Ульянов C.B. Нёчеткие модели интеллектуальных систем управления: теоретические и прикладные аспекты (обзор) // Изв. АН. Техническая кибернетика. 1991. № 3. С. 3-28.

87. Управление динамическими системами в условиях неопределенности / С.Т. Кусимов, Б.Г. Ильясов, В-И. Васильев и др. М.: Наука, 1998.-452 с.

88. У сков A.A. Принципы построения систем управления с нечеткой логикой // Приборы и системы. Управление, Контроль, Диагностика. 2004. № 6 С. 7-13.

89. Усков A.A., Круглов В.В. Интеллектуальные системы управления, на основе методов нечеткой- логики. Смоленск: Смоленская городская типография, 2003. 31 с.

90. Усков A.A., Кузьмин* A.B. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. М.: Горячая линия - Телеком, 2004. - 452 с.

91. Уткин JI.В., Шубинский И.Б. Нетрадиционные методы оценки надежности'информационных систем. СПб.: Любавич, 2000. 173 с.

92. Федоров, Ю.Н: Основы построения АСУТП взрывоопасных производств. В'2 т. Т. 1. Методология. -М.: СИНТЕГ, 2006. 720 с.

93. Федоров Ю.Н. Основы построения АСУТП взрывоопасных производств. В 2 т. Т. 2. Проектирование. М.: СИНТЕГ, 2006. - 632 с.

94. Федоров Ю.Н. Справочник инженера по АСУТП: Проектирование и разработка: Инфа-Инженерия, 2008 928tc.

95. Фролов- Ю.В. Интеллектуальные системы и управленческие решения. М.: МГПУ, 2000. 294 с.

96. Хо Д.Л. Синтез адаптивных систем управления нелинейными динамическими объектами на базе нечетких регуляторов и нейросетевой технологии. Дисс. доктора техн. наук. М.: МЭИ; 2002.

97. Целых А.Н. Моделирование процессов принятия решений в нечетких условиях. Ростов-на-Дону: Издательство Северно-Кавказского научного центра высшей школы, 1999. 104 с.

98. Штовба С.Д. Идентификация нелинейных зависимостей с помощью нечеткого логического вывода в системе MATLAB // Exponenta Pro: Математика в приложениях. 2003. №2. С.9-15.

99. Штовба С.Д. Классификация объектов на основе нечеткого вывода // Exponenta Pro: Математика в приложениях. 2004. №1. С.68-69.

100. Штовба С.Д., Панкевич О.Д. Проектирование нечетких классификаторов в системе MATLAB. Труды Всероссийской научной конференции^ «Проектирование научных и инженерных приложений в системе MATLAB». M.: 2004. С. 1318-1335.

101. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. M.: Горячая линия Телеком, 2007. 288 с.

102. Ярушкина Н.Г. Методы нечетких экспертных систем в интеллектуальных САПР. Саратов: Изд-во Сарат. ун-та, 1997. 351 с.

103. Akar M., Ozguner U. Stability and Stabilization of Takagi-Sugeno fuzzy systems // Proc.CDC'99. 1999. C. 4840-4845.

104. Babuska. R. Fuzzy Modeling for Control. Kluwer, 1998. 243 c.

105. Cao S.G., Rees N.W., FengG. Analysis and design for a class of complex control system: Part I: fuzzy modeling and identification // Automatica. 1997. № 33. C. 1017-1028.

106. Cao S.G., Rees N.W., Feng G. Analysis and design for a class of complex control system. Part II: fuzzy controller design // Automatica. 1997. № 34. C. 1029-1039.

107. Casillas J., Cordon O., Herrera F. Learning Fuzzy Rules Using Ant Colony Optimization-Algorithm // IEEE Transactions on Systems, Man, and Cybernetics-Part B. Vol. 26. № 1. 2001. C. 1-13.

108. Chen C.L., Wang S.N., Hsieh C.T., Chang F.Y. Theoretical analysis of a fuzzy-logic controller with unequallyspaced triangular membership functions //Fuzzy Sets and Systems. 1999. № 101, C. 87-108.

109. Data Engineering: Fuzzy Mathematics in Systems Theory and! Data Analysis. Olaf Wolkenhauer. Printed by John Wiley & Sons, Inc., 20011- 287 p.

110. Driankov Di, Palm R. Advances in» Fuzzy Gontroli Physica-Verlag. Heidelberg. Gennany, 1998. 349 c.

111. Fink A., Tupfer S., " Isermann R. Neuro and; Neuro-Fuzzy Identification for Model-based Control // IFAG Workshop on Advanced Fuzzy. Neural Control. Valencia. Spain. 2001. C. 111-116.

112. Fuzzy expert systems and fuzzy reasoning / by. William* Siler, James J. Buckley. Published by John Wiley & Sons, Inc., Hoboken, NewJersey. -422 c.

113. Grass, J., and Zilberstein, S. Anytime Algorithm Development Tools. SIGART Bulletin (Special Issue on Anytime Algorithms and Deliberation Scheduling) 7(2). Forthcoming. 1996. C. 151-159;

114. Gurocak H.B. A genetic-algorithm-based method for tuning fuzzy logic controllers. Fuzzy Sets and Systems. 1999. № 108. C. 39-47.

115. Gurocak H.B: Fuzzy rule base optimization of a compliant* wrist sensor for robotics // Ji.Robotic Systems. 1996. № 13. G. 475-487.

116. Herrera F., Lozano M., Verdegay J.L. Tuning fuzzy controllers by genetic algorithms //Internat. J. Approx. Reasoning. 1995. № 1. C. 299-315.

117. Horsch Michael, Poole David An Anytime algorithm for decision making under uncertainty. In Proceedings of the Twelfth International' Joint Conference on Artificial Intelligence, 1995. C. 726-736.

118. Jager R. Fuzzy logic: in control: Ph.D. Technische Universiteit Delft: 1995.- 126 c.

119. Jang R. Neuro-Fuzzy Modeling: Architectures, Analyses and Applications: Ph.D. University of California. Department of Electrical Engineering and Computer Science. Berkeley, 1992. 136 c.

120. Johansson M., Rantzer A., Arzen K.E. Piecewise quadratic stability of fuzzy systems // IEEE Trans. Fuzzy Systems. 1999. № 7. C. 713-722.

121. Kasabov Nikola K. Foundations of Neural Networks, Fuzzy Systems, and Knowledge Engineering. A Bradford Book, the MIT Press Cambridge, Massachusetts London, England, 1996. 581 c.

122. Kohn-Rich S., Flashner H. Robust fuzzy logic control of mechanical systems //Fuzzy Sets and Systems. 2003. № 133. C. 77-108.

123. Kosko B. Heaven in a Chip: Fuzzy Visions of Society and Science in the Digital Age, Three Rivers Press/Random House, 2000. 198 c.

124. Kosko B. "The Shape of Fuzzy Sets in Adaptive Function Approximation,", IEEE Transactions on Fuzzy Systems, 2001. № 4. C. 637-656.

125. Kosko B. "Fuzzy Systems as Universal Approximators," IEEE Transactions on Computers, 1994. № 11, C. 1329-1333.

126. Leitch D. A New Genetic Algorithm for the Evolution of Fuzzy Systems: Ph.D. University of Oxford Trinity Term. Robotics Research Group. Department of Engineering Science, 1995. 148 c.

127. Leung F.H., Lam H.K., Tam P.K. Lyapunov function based design of robust fuzzy controllers for uncertainnonlinear systems: Distinct Lyapunovfunctions // IEEE World Congr. on Computational Intelligence. FUZZ-IEEE,Anchorage. 1998. C. 577-582.

128. Lim J.T. Absolute stability of class of nonlinear plants with fuzzy logic controllers // Electronic-letters. 1992.№ 28. C. 1968-1970.

129. Lim JT, Wang G, Heiken JP, Deyoe LA, Vannier MW: Technical optimization of spiral CT for depiction of renal artery stenosis: in vitro analysis. Cardiovascular Radiology, 1995. C. 157-163.

130. Margaliot M., Langholz G. Fuzzy Lyapunov-based approach to the design of fuzzy controllers // Fuzzy Sets and Systems, 1999. № 106. C. 49-59.

131. Nauck D. Neuro-fuzzy systems: review and prospects // Proc. Fifth European Congress on Intelligent Techniques and Soft Computing. 1997. C. 1044-1053.

132. Ning Li, Shao Yuan Li, Yu Geng Xi, and Sam Shuzhi Ge. Stability Analysis of' T-S Fuzzy System Based onf Observers // International Journal of Fuzzy Systems. 2003. №<1. C. 22-30.

133. Pedrycz W., Gomide F. An Introduction to Fuzzy Sets: Analysis and Design. MIT Press. Hardcover, 1998. 137 c.

134. Piecewise quadratic stability of fuzzy systems / M. Johansson, et all IEEE // Trans. Fuzzy Systems. 1999. № 7. C. 713-722.

135. Pham T., Chen G. Introduction to Fuzzy Sets, Fuzzy Logic and Fuzzy Control Systems. Lewis Publishers, 2000. 406 c.

136. Ray K.S., Majumder D.D. Application of circle criteria for stability analysis of linear SISO and MIMO systems associated with fuzzy logic controller // IEEE Trans on Systems Man and Cybernetics. SMC-14. 1984. C. 345-349.

137. Shimojma K., Fukuda T., Hasegama Y. A self tuning fuzzy modeling with adaptive membership functions, rules and hierarchical structure based genetic algorithm // Fuzzy Sets and Systems. 1995. № 71. C. 295-309.

138. Smith S.M., Comer D.J. Self-tuning of a fuzzy logic controller using a cell state space algorithm // IEEE Internat. Conf. on Fuzzy Systems. San Diego. 1992. C. 615-622.

139. Spooner J.T., Passino K.M. Stable adaptive control using fuzzy systems and neural networks // IEEE Trans. Fuzzy Systems. 1996. № 4' (3). C. 339-359.

140. Successful Applications of Fuzzy Logic and Fuzzy Control (Part 1) / B.-M. Pfeiffer, J.Jakel, A.Kroll, C.Kuhn, H.-B. Kuntze, U.Lehmann, T.Slawinski, V. Tews //Automatisierungstechnik. 2002. № 10. C. 461-471.

141. Successful Applications of Fuzzy Logic and Fuzzy Control (Part 2) / B.-M. Pfeiffer, J.Jakel, A.Kroll, C.Kuhn, H.-B. Kuntze, U.Lehmann, T.Slawinski, V. Tews //Automatisierungstechnik. 2002. № 11. C. 511-521.

142. Sugeno M., On stability of fuzzy systems expressed by fuzzy rules with singleton consequents // IEEE Trans. Fuzzy Systems. 1999. № 7. C. 201224.

143. Takagi T., Sugeno* M. Fuzzy Identification of Systems and Its Applications to Modeling and Control // IEEE Trans. SMC. 1985. № 1, C. 116132.

144. Takagi T., Sugeno M. Stability Analysis and Design of Fuzzy Control Systems // Fuzzy Sets and Systems. 1992. № 2. C. 135-156.

145. Takahara S., Ikeda K., Miyamoto S. Fuzzy control rules and stability condition // Conference on Fuzzy Logic and Neural Networks. Iizuka. Japan. 1992. 357 c.

146. Zadeh Lotfi A. Learning Fuzzy Interference Systems: Ph.D. University of Queensland. Department of Electrical and Computer Engineering. Australia, 1995.-238 c.

147. Valium B. Rao. C++ Neural Networks and Fuzzy Logic. Imprint: M & T Books. IDG Books Worldwide, Inc, 2002. 596 c.

148. Yen J., Langari R., Zadeh L. Industrial Applications of Fuzzy Logic and Intelligent Systems. New York. IEEE Press, 1995. 356 c.

149. Yongsheng Ding, Hao Ying, Shihuang Shao. Typical Takagi-Sugeno PI and PD fuzzy controllers: analytical structures (and stability analysis // Information Sciences. 2003. № 151. C. 245-262.

150. Wallace, R., and Freuder, E. Anytime Algorithms for Constraint Satisfaction and SAT Problems. Paper presented at the IJCAI-95 Workshop. 1995. C. 63-69.

151. Wang L.X. Adaptive fuzzy systems and control. Design and stability analysis. New. Jersey: Prentice Hall, 1994.-232 c.

152. Wang L.-X. Stable adaptive fuzzy control of nonlinear systems // IEEE Trans. Fuzzy Systems 1993. № 1 (2). C 146-155.

153. Wu J.C., Liu T.S. Fuzzy control of rider-motorcycle system using a genetic algorithm and autotuning // Mechatronics. 1995. № 5. C. 441-455.