Системы управления движением морских судов на основе рекуррентных нейросетевых моделей тема диссертации и автореферата по ВАК РФ 05.22.19, кандидат технических наук Константинова, Елена Анатольевна

• Константинова, Елена Анатольевна
• кандидат технических наук
• 2012

Оглавление диссертации кандидат технических наук Константинова, Елена Анатольевна

Содержание

ВВЕДЕНИЕ

Глава 1. ОСОБЕННОСТИ МПО И ИХ МАТЕМАТИЧЕСКИЕ МОДЕЛИ

1.1. Система управления курсом судна

1.2. Общие аспекты моделирования

1.2.1. Классификация моделей

1.2.2. Математические модели

1.2.3. Модель динамического объекта

1.2.4. Математические модели МПО

1.2.5. Физические аспекты движения МПО

1.2.6. Силы и моменты, действующие на корпус судна

1.2.7. Системы координат

1.2.8. Полная математическая модель движения морского подвижного объекта

1.2.9. Анализ математических моделей МПО

1.3. Линейные модели МПО

1.3.1. Математическая модель Номото

1.4. Нелинейные модели МПО

1.5. Выводы по первой главе

Глава 2. НЕЙРОСЕТИ И ОСОБЕННОСТИ ИХ ПРИМЕНЕНИЯ

2.1. Обоснование использования нейросетей

2.2. Общие свойства нейронных сетей

2.2.1. Структура нейронных сетей

2.2.2. Рекуррентные сети

2.2.3. Выбор структуры нейронной сети

2.3. Обучение нейросетей

2.4. Применение нейронных сетей

2.5. Обоснование возможности построения нейросетевых моделей динамики МПО

2

2.6. Выводы по второй главе

Глава 3. СИНТЕЗ И ИССЛЕДОВАНИЕ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ДИНАМИКИ МПО

3.1. Нейросетевая идентификация динамики судна на основе линейных моделей Номото

3.1.1. Выбор архитектуры нейросети

3.1.2. Нейросетевая идентификация на основе линейной модели Номото первого порядка

3.1.3. Численные эксперименты по нейросетевой идентификации на основе модели Номото 1-го порядка

3.1.4. Нейросетевая идентификация на основе линейной модели Номото второго порядка

3.2. Нейросетевая идентификация на основе нелинейных моделей Беха и Норбина

3.3. Обучение НС динамике модели МПО, учитывающей нелинейность рулевой машины

3.4. Нейросетевая идентификация в замкнутой системе управления МПО

3.5. Использование идентификации в схемах управления движением судна

3.6. Выводы по третьей главе

Глава 4. НС-ИДЕНТИФИКАЦИЯ ДИНАМИКИ СУДНА НА ОСНОВЕ

ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

4.1. Основные характеристики имитатора ИС 2005

4.2. Построение нейросетевых моделей МПО на основе экспериментальных данных

4.3. Выводы по четвертой главе

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

3

Введение диссертации (часть автореферата) на тему «Системы управления движением морских судов на основе рекуррентных нейросетевых моделей»

ВВЕДЕНИЕ

В современном мире особенно актуальными являются проблемы управления морскими подвижными объектами (МПО). Это в первую очередь объясняется необходимостью обеспечить условия безопасного мореплавания при увеличивающейся интенсивности судоходства, когда требуется осуществление определенных маневров, прогнозирование возможной нестандартной ситуации, учет непредсказуемых внешних воздействий и др. Рациональная стратегия управления может оптимизировать расход топлива, уменьшить потери ходового времени, снизить себестоимость перевозок. Естественно, система управления курсом является одной из важнейших систем судовой автоматики, от качества работы которой напрямую зависит экономическая эффективность, экологическая безопасность, надежность и безопасность плавания морского судна.

Следует отметить, что в Федеральной целевой программе «Глобальная навигационная система», утвержденной президентом Российская Федерация на период времени до 2011 года, особое место, с точки зрения обеспечения безопасности мореплавания, занимает подпрограмма «Технология высокоточной навигации и управления движением».

Значительный вклад в решение проблем управления МПО внесли российские ученые Лукомский Ю. А., Пешехонов В. Г., Скороходов Д. А., Чугунов В. С., Пантов Е. Н., Махин Н. Н., Шеремет Б. Б., Агеев М. Д., Цымбал Н. Н, Понырко С. А., Ястребов В. С., Юдин Ю. И., Вагущенко Л. Л. и др., а также их зарубежные коллеги Бех М., Норрбин Н., Д. ван Левен, Номото К., Фоссен Т. и др.

Морские подвижные объекты представляют собой класс сложных

динамических систем, которые действуют в условиях значительного влияния

внешней среды. МПО различного назначения в значительной степени

представляют собой сложные, априорно неопределенные по своим

характеристикам, управляемые динамические объекты, функционирующие в

недостоверно известной среде и разнообразных условиях, описание которых

4

всегда является неполным.

Существенной причиной неопределенности является как неточность и неполнота информации об объекте и условиях его функционирования, так и погрешность измерений, используемых для формирования управляющих воздействий в процессе плавания, неполнота знаний о нерегулярных внешних возмущениях. К ним следует отнести резкие перепады ветро-волновых воздействий на МПО, ограничения акватории плавания и др.

Из-за невозможности проведения полных натурных испытаний с учетом всех возможных воздействий и индивидуальных конструктивных особенностей каждого судна, чрезвычайно актуальной остается проблема получения их моделей. Моделирование динамики судна позволяет решать многие важные задачи управления его движением в заданных условиях, при стохастических внешних возмущениях, с учетом сложной геометрии судна, в связи с загрузкой или вертикального движения судна, влияния узостей и т.д. [12, 21, 25, 30, 60-62]. К настоящему времени существует множество публикаций о моделях российских (Басин А. М., Мастушкин Ю. М., Войткунский Я. И, Гофман А. Д., Павленко В. Г, Соболев Г. В., Федяевский К. К., Тумашик А. П., Мелкозеровой И. П., Першиц Р. Я. и др.) и зарубежных (Nomoto К., Bech М., Norrbin N.H., G. van Leeuwen, J. van Amerongen, J. C. Haarman, De Keizer C., Kallstrom C. G., Astrom K. J. и др.) ученых. В работах указанных и других авторов рассматриваются различные модели движения МПО. Вопросами моделирования динамики МПО занимались множество ученых, разработавших различные модели, имеющие разную степень сложности: от простейших, линейных, до более сложных, например, нелинейных, учитывающих вязкое сопротивление водной среды, нестационарное аэро- и гидродинамическое воздействие. Обзор литературы показывает, что модели различаются существенным разнообразием. Частным морским объектам соответствуют определенные математические модели.

Математическое моделирование ставит в соответствие моделируемому физическому процессу систему математических соотношений, решение

5

которой позволяет получить заключение о поведении объекта без его реального образца [43, 22, 96, 51, 63, 74]. Процесс получения моделей -достаточно непростой и трудоемкий, осложненный стохастичностью внешних воздействий, нестационарностью характеристик самого МПО, сложностью возможных форм судна, свойствами поверхности корпуса, особенностями обтекания - ламинарного или турбулентного. Учет всех этих данных позволяет создавать адекватные модели МПО и на их основе соответствующие системы управления.

Современная теория управления разработала богатый арсенал средств как для построения математических моделей динамических объектов, так и для синтеза управления. К их числу относится: теория нелинейных, адаптивных, робастных, интеллектуальных и других систем [16, 20, 23, 32, 34, 39, 45, 46, 47, 52, 64-66, 69, 70, 73, 74, 96, 110, 114]. Большинство упомянутых методов, ориентированных, в частности, на решение задач идентификации, использует предположение об известности структуры - вида дифференциальных и алгебраических уравнений, составляющих модель. Такое допущение не всегда является оправданным и требует значительных усилий для доказательства применимости.

В связи со сказанным, большой перспективой обладают методы исследования, которые не опираются на предположение об априорной определенности структуры и параметров уравнений. К числу таких методов относятся нейронные сети (НС), получившие значительное развитие в последние два десятилетия [5, 38-42, 31, 50, 73, 104-106].

Нейронные сети представляют собой перспективный класс однородных вычислительных структур, позволяющий воспроизводить сложные зависимости. Использование нейросетей целесообразно, когда математическая модель объекта частично или полностью неизвестна. Широкое применение нейронных сетей обусловлено также и тем, что они являются нелинейными по своей сути и поэтому принципиально могут эмулировать нелинейные свойства МПО. Привлекательность использования

6

искусственных нейронных сетей заключается также и в способности к обучению в реальном времени при минимальной априорной информации об объекте управления.

Следует отметить, что при разработке и исследовании систем управления движением МПО основой является математическая модель объекта. Безусловно, точные аналитические модели динамики МПО наиболее предпочтительны при решении задач анализа и синтеза алгоритмов и систем управления. Однако, как показал обзор научно-технической литературы, большинство аналитических математических моделей достаточно упрощены и часто не учитывают факторы неопределенности и нелинейности, имеющие место в реальных МПО.

В связи с этим возникает проблема построения математических моделей (идентификации) МПО в условиях частичной или полной априорной неопределенности их структуры, которые адекватны наблюдаемой динамике объектов. В настоящей диссертационной работе решение задач, связанных с этой проблемой, будет выполняться в классе рекуррентных нейронных сетей (РНС).

Целью диссертационной работы является развитие и исследование методов построения динамических моделей морских подвижных объектов на основе рекуррентных нейронных сетей.

Для достижения поставленных целей в диссертационной работе решается следующие задачи:

- анализ особенностей существующих математических моделей МПО;

- анализ особенностей НС подхода;

- построение моделей динамики морских подвижных объектов на основе рекуррентных нейронных сетей;

- численные эксперименты и верификация полученных нейросетевых моделей МПО.

Основные результаты и положения, выносимые на защиту.

- Обоснование возможности, перспективности и эффективности применения рекуррентных нейронных сетей для решения задач идентификации динамики МПО.

- Рекуррентные нейросетевые модели движения морского судна, где показана высокая степень точности полученных НС моделей.

- Алгоритмы обучения (настройки) рекуррентных НС моделей динамики морского судна, в том числе, и на основе экспериментальных данных.

Методы исследования, применяемые в диссертации, включают в себя: теорию дифференциальных уравнений, теорию автоматического управления, теорию корабля, компьютерное моделирование, теорию нейронных сетей, экспериментальные исследования на имитаторе динамики судна ИС2005.

Достоверность результатов подтверждается корректным использованием строгих математических методов исследования, применением современных компьютерных технологий вычислений и моделирования, использованием сертифицированного аппаратно-программного комплекса ИС 2005.

Практическая ценность представленной работы заключается в упрощении и унификации подходов процедуры построения моделей динамики МПО, уменьшении затрат и сокращение сроков разработки моделей.

Научная новизна проведенного исследования состоит в следующем:

- проведен анализ ряда линейных и нелинейных математических моделей МПО выбранного класса, показавший их значительное разнообразие, отсутствие универсальной модели динамики МПО и актуальность развития новых методов их идентификации;

- показана перспективность построения динамических

8

моделей МПО в классе рекуррентных нейронных сетей, которые не требуют априорного задания структуры моделей;

- продемонстрирована работоспособность подхода к нейросетевой идентификации на примерах моделей линейной и нелинейной динамики МПО а также с использованием экспериментальных данных.

Апробация результатов. Основные результаты диссертационной работы обсуждались и получили одобрение на 58 и 59 Международных научно-технических конференциях «Молодежь - наука - инновации» МГУ им. адм. Г. И. Невельского, 2010 и 2011 годов, а также на научных семинарах кафедры автоматических и информационных систем и лаборатории нелинейных и интеллектуальных систем управления МГУ им. адм. Г. И. Невельского.

Публикации. По результатам диссертационных исследований опубликовано - 11 работ, из них 3 - в рецензируемых научных изданиях.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы, содержащего 122 наименования, приложений и изложена на 143 стр.

В первой главе обсуждаются основные аспекты моделирования и, в частности, особенности моделирования динамики морских подвижных объектов. Рассмотрена общая многомерная динамическая модель МПО, показана ее существенная нелинейность и неопределенность, сложность для практического применения при разработке систем управления. Выполнен анализ наиболее известных линейных моделей Номото первого и второго порядка, нелинейных моделей Беха и Норрбина. Показана актуальность развития подхода к построению моделей МПО в классе рекуррентных нейронных сетей.

Во второй главе приводятся основные необходимые сведения из теории нейронных сетей. Обсуждаются основные типы нейронных сетей, их

9

структура, виды активациониых функций, алгоритмы обучения (настройки) нейронных сетей. Главное внимание уделяется классу рекуррентных нейронных сетей, принципиально приспособленных к моделированию динамических систем. Показана перспективность их применения для идентификации динамических объектов.

В третьей главе исследуется возможность обучения рекуррентных нейронных сетей линейной и нелинейной динамике МПО. Для получения обучающих выборок использовались математические модели МПО и их модификации, анализ которых был выполнен в первой главе. После обучения рекуррентных нейронных сетей проводилось тестирование, которое показало высокую степень сходства полученной нейросетевой динамики и поведения модели МПО при измененных (не входивших в обучающую выборку) входных воздействиях. Исследования показали, что нейросетевая идентификация динамики МПО успешно выполняется для разнообразных типов математических моделей вязкого сопротивления.

Показано сохранение работоспособности подхода к построению нейросетевых моделей МПО при действии умеренных внешних возмущений (шумов, ветро-волновых воздействий, течений), а также при наличии сопутствующей нелинейности исполнительных механизмов МПО, в частности, рулевой машины.

Исследована и продемонстрирована возможность выполнения нейросетевой идентификации динамики судна в замкнутом контуре системы управления.

В четвертой главе исследуемый подход к построению нейросетевых моделей динамики МПО применяется к экспериментальным данным, полученным на имитаторе сигналов ИС 2005.

Приводятся основные характеристики имитатора, представляющего собой программно-аппаратный комплекс, кратко описывается его интерфейс. Проведенные с помощью ИС 2005 эксперименты позволили получить процессы, соответствующие динамике определенного типа судна и условиям

10

плавания. При этом исследовались варианты использования точной и зашумленной информации. Эти данные были приняты в качестве обучающих выборок для настройки рекуррентных сетевых моделей. После обучения рекуррентной нейронной сети (осуществления нейросетевой идентификации) она, как показывают полученные результаты, демонстрирует динамику, совпадающую с высокой степенью точности, с процессами, полученными на имитаторе ИС 2005.

Работа изложена на 143 страницах машинописного текста и включает 65 рисунков и 1 таблицу. В диссертации принята двойная нумерация формул и рисунков: первая цифра указывает номер главы, вторая - порядковый номер внутри данной главы.

Заключение диссертации по теме «Эксплуатация водного транспорта, судовождение», Константинова, Елена Анатольевна

4.3. Выводы по четвертой главе

Экспериментальные данные, характеризующие движение МПО, содержат информацию, необходимую для идентификации объекта. На базе имитатора сигналов ИС2005 были получены процессы отработки системой управления судном командных сигналов. Сформированные на их основе обучающие выборки были использованы для решения задачи нейросетевой идентификации.

На примерах 6 типов судов с различными условиями плавания была продемонстрирована способность рекуррентных нейронных сетей с высокой точностью воспроизводить поведение судна в различных режимах и условиях его движения.

ЗАКЛЮЧЕНИЕ

Большинство традиционных методов идентификации динамических объектов требует априорно заданной аналитической структуры математической модели.

Экспериментальные данные позволяют определить параметры выбранной модели. Разрабатываемый и исследуемый в настоящей диссертационной работе подход обладает большей общностью и не опирается на предварительно заданную в аналитической форме математическую модель.

Выполненный в диссертации обзор и анализ наиболее часто встречающихся математических моделей рассматриваемого класса МПО показал их значительное разнообразие, что объясняется выбранным способом аппроксимации, учетом нелинейностей, степенью детализации и другими факторами. Отсутствие универсальной модели МПО делает актуальным разработку подходов к построению такой математической модели МПО, которая не имеет предварительно заданной жесткой структуры.

Решение ряда задач, связанных с указанной проблемой, выполнено в настоящей диссертационной работе на базе рекуррентных нейронных сетей.

Для разработки исследования предложенного подхода были рассмотрены варианты обучения рекуррентных нейронных сетей на основе данных, получаемых с помощью известных линейных и нелинейных моделей динамики МПО, при значительном разнообразии их параметров и условий функционирования, в том числе и с учетом влияния внешних возмущений и шумов измерений.

Многочисленные эксперименты, проведенные в диссертационном исследовании и состоявшие в настройке рекуррентных нейронных сетей (нейросетевых моделей) на основе обучающих выборок, показали принципиальную возможность осуществления нейросетевой идентификации с высокой степенью точности. Продемонстрирована работоспособность предложенного подхода нейросетевой идентификации МПО в условиях действия помех значительного разнообразия нелинейных моделей вязкого сопротивления, учете нелинейностей исполнительных механизмов, а также при использовании в замкнутом контуре системы управлением движения МПО.

Эффективность подхода к построению нейросетевых подходов к построению нейросетевых моделей МПО показана на примере обработки экспериментальных данных, полученных с динамического объекта.

Список литературы диссертационного исследования кандидат технических наук Константинова, Елена Анатольевна, 2012 год

СПИСОК ЛИТЕРАТУРЫ

1. Amerongen, J. van Adaptive Steering of Ships [Text]: PhD thesis of Job van Amerongen. - Delft University of Technology, 2005. - p. 156.

2. Amerongen, J. van Model reference adaptive autopilots for ships [Text] / J. van Amerongen and A.J. Udink ten Cate - Automatica, Vol. 11, 1975.-pp 441-449.

3. Bech, M. The reversed spiral test as applied to large ships [Text] / M. Bech. - Shipping world, Nov., 1968. - pp 256-260.

4. Bech, M. Analogue Simulation of Ship Manoeuvres [Text] / M. Bech and L. Wagner Smitt. - Hya Report, Ну-14, 1969. - pp 400-406.

5. IV Всероссийская научно-техническая конференция "Нейроинформатика-2002". Лекции по нейроинформатике. Часть 1 [Текст]. - М.: МИФИ, 2002. - 164 с.

6. Neuroschool [Электронный ресурс]. - Электрон, дан. - Режим доступа: http://neuroschool.narod.ru/index.html, свободный. - Загл. с экрана

7. Nomoto, К. On the steering qualities of ships [Text] / K. Nomoto, T. Taguchi, K. Honda and S. Hirano. - Int. Shipbuilding Progress, Vol.4, 1957

8. Nomoto, K. Simulators from the naval architects point of view [Text] / K. Nomoto. - Proceedings of MARSIM, Southampton, UK, 1978

9. Norrbin, N. H. On the design and analysis of the zig-zag test on base of quasi linear frequency response [Text] / Norrbin N.H.. - SSPA Report No. В104-3, 10th ITTC, London, 1963

lO.Skjetne, R. Adaptive maneuvering, with experiments, for a model ship

in a marine control laboratory [Text] / R. Skjetne, T.I. Fossen and P.V.

Kokotovic. - Automat, Vol. 41, No. 2, 2005. - pp. 289-298.

11. Tang, T. An intelligent fusion system for ship fault tolerant control

[Text] / T. Tang and G. Yao. - Preprints of IF AC Conference on

126

Control Applications in Marine Systems, Ancona, Italy, 7-9 July 2004-pp. 83-94.

12. Webster, William C. Shiphandling Simulation: Application to Waterway Design [Text] / William C. Webster. - The National Academies Press, 1992. — 172 p.

13.Witkowska, A. A backstepping approach to ship course control [Text] / A. Witkowska, M. Tomera, R. Smierzchalski. - Int. J. Appl. Math. Comput. Sci., Vol. 17, No. 1, 2007. -pp. 73-85.

14.Zhang, Y. Stable neural controller design for unknown nonlinear systems using backstepping [Text] / Y. Zhang, P.Y. Peng and Z.P. Jiang.- IEEE Trans. Neural Netw, Vol. 11., No. 6, 2000. - pp. 13471360.

15.Zhang, T. Adaptive neural network control for strict-feedback nonlinear systems using backstepping design [Text] / T. Zhang, S.S. Ge and C.C. Hang. - Automat, Vol. 36, No. 12, 2000. - pp. 1835-1846.

16.Амосов, H. M. Нейрокомпьютеры и интеллектуальные работы [Текст] /Н. М. Амосов-Киев: Наукова думка, 1991.-365 с.

17.Аникин, А. А. Разработка и моделирование систем комплексирования разнородных наблюдений [Текст]: дис. ... канд. техн. наук: 05.13.18: защищена 2006 / А. А. Аникин. - Ульяновск, УГТУ, 2006. - 149 с.

18.Анил, К. Д Введение в искусственные нейронные сети [Электронный ресурс]: Анил, К. Джейн, Жианчанг Мао, К. М. Моиуддин. - Электрон, дан. - Режим доступа: http://blkptv.by.ru/ident, свободный. - Загл. с экрана.

19.Анисимов, А. А. Идентификация электромеханических систем с использованием искусственной нейронной сети [Текст] / А. А. Анисимов, М. Н. Горячев // Вестник ИГЭУ им. В. И. Ленина, 2008.- Вып. 3.-С.11-14.

20.Аншценко, В. С. Динамические системы [Электронный ресурс] / В. С. Анищенко // Соросовский образовательный журн. сер. «Физика». - 1997. - № 11. - С. 77-84. - Электрон, дан. - Режим доступа: http://www.pereplet.ru/nauka/Soros/pdf/971 l_077.pdf, свободный. - Загл. с экрана.

21.Антонов, В. А. Теоретические вопросы управления судном [Текст]: учебн. пособие / В. А. Антонов, М. Н. Письменный. - Изд. 2-е, перераб. и доп. — Владивосток: МГУ им. адм. Г. И. Невельского, 2007. - 78 с.

22.Бенькович, Е. С. Практическое моделирование динамических систем [Текст]/ Е. С. Бенькович, Ю. Б. Колесов, Ю. Б. Сениченков. - СПб.: БХВ-Петербург, 2002. - 464 с.

23.Бесекерский, В. А. Теория систем автоматического управления [Текст] /В. А Бесекерский., Попов Е. П. 4-е изд. СПб.:Профессия, 2003.- 752 с.

24.Богданов, В. И. Синтез нейросетевых синергетических систем управления судном [Текст]: монография / В. И. Богданов, Я. Л. Виткалов, С. А. Подпорин. - Москва - Санкт-Петербург-Владивосток-Севастополь: Питер, 2006. - 204 с.

25.Вагущенко, Л. Л. Системы автоматического управления движением судна [Текст] / Л. Л. Вагущенко, Н. Н. Цымбал. - Изд. 2-е, перераб. и доп. - Одесса: Латстар, 2002 - 310 с.

26.Васильев, К. К. Математическое моделирование систем связи [Текст]: учебн. пособие / К. К. Васильев, М. Н. Служивый. -Ульяновск : УлГТУ, 2008. - 170 с/

27.Васильев, К. К. Теория автоматического управления (следящие системы) [Текст]: учебн. пособие / К. К. Васильев.-2-е изд-Ульяновск, 2001. - 98 с.

28.Веремей, Е. И. Компьютерное моделирование систем управления движением морских подвижных объектов [Текст]/ Е. И. Веремей,

128

В. М. Корчанов, М. В Коровкин, С. В.Погожев. - СПб.: НИИ Химии СПбГУ, 2002. - 370 с.

29.Виткалов, Я. Л. Исследование проблем синтеза нейросетевого контроллера в задаче управления курсом судна [Текст] : дис. ... канд. техн. наук : 05.22.19: защищена 25.06. 06/ Я. Л. Виткалов -Владивосток, 2006. - 180с.

30.Гавриленко, П. Ю. Исследование параметрической неопределенности динамических объектов на примере судна [Текст] / П. Ю. Гавриленко // Сборник докладов 58-й международной молодежной научно-технической конференции «Молодежь - Наука - Инновации»: 24-25 ноября 2010 г. -Владивосток: Мор. гос.ун-т, 2010. - с. 103-104.

31 .Галушкин, А. И. Теория нейронных сетей [Текст] / А. И. Галушкин // Кн. 1. сер. «Нейрокомпьютеры и их применение».— М.: ИПРЖР, 2000. —416 с.

32.Гилева, Л. В. Нейропрограммы [Текст]: учеб. пособие в 2 ч. / Л. В. Гилева, С. Е. Гилев, А. Н. Горбань и др. - Красноярск: Изд-во Красноярского гос. техн. ун-та, 1994- 260 с.

33. Гилл, Ф. Практическая оптимизация [Текст] / Ф. Гилл, У. Мюррей, М. Райт. - М.: Мир, 1985. - 509 с.

34.Глушков, С. В. Методы повышения качества управления судном на основе использования нейросетевых технологий [Текст]: дис.... д-р техн. наук : 05.22.19: защищена 08.22.08 / С. В. Глушков. -Владивосток, МГУ им. адм. Г.И. Невельского, 2008. - 175с.

35.Головко, В. А. Нейронные сети. Обучение, организация и применение. Книга 4 [Текст] / В. А. Головко, ИПРЖР, 2001. - 256с.

36.Горбань, А. Н. Демон Дарвина. Идея оптимальности и естественный отбор [Текст]: учеб. / А. Н. Горбань, Р. Г. Хлебопрос -М.: Наука, 1988.-207 с.

37.Горбань, А. Н. Нейронные сети на персональном компьютере [Текст] / А. Н. Горбань, Д. А. Россиев //Сибирская издательская фирма РАН. - Новосибирск: Наука, 1996. — 276 с.

38.Горбань, А. Н. Возможности нейронных сетей. Нейроинформатика [Текст] / А. Н. Горбань- Новосибирск: Наука, Сибирская издательская фирма РАН, 1998. - с. 18-46.

39.Горбань, А. Н. Решение задач нейронными сетями. Нейроинформатика [Текст] / А. Н. Горбань - Новосибирск: Наука, Сибирская издательская фирма РАН, 1998. — 176 с.

40.Горбань, А. Н. Нейрокомпьютер, или Аналоговый ренессанс [Текст] / А. Н. Горбань.- М.: Мир ПК, 1994.- № 10.- с. 126-130.

41.Горбань, А. Н. Обучение нейронных сетей [Текст] / А. Н. Горбань.

- М.: СП параграф, 1990. - 160 с.

42.Горбань, А. Н. Функции многих переменных и нейронные сети [Текст] / А. Н. Горбань. - Соросовский образовательный журн., 1998. -№12. - с. 105-112.

43.Губарь, Ю. В. Введение в математическое моделирование [Электронный ресурс]: курс Интернет-университета информационных технологий / Ю. В. Губарь. - Электрон, дан. - М: Открытые Системы, 2007. - Режим доступа: http://www.intuit.ru/ department/calculate/intromathmodel/, свободный. — Загл. с экрана.

44.Дворецкий, С. И. Понятие «модели». Классификация математических моделей [Электронный ресурс] / С. И. Дворецкий.

- Электрон, дан. - Режим доступа: http://tstu-isman.tstu.ru/pdf/ lecture4.pdf, свободный. - Загл. с экрана.

45.Дыда, А. А. Адаптивное и нейросетевое управление сложными динамическими объектами [Текст] / А. А. Дыда. - Владивосток: Дальнаука, 2007. - 149 с.

46.Дыда, А. А. Перспективные направления совершенствования систем управления движением морских подвижных объектов

130

[Текст] / А. А. Дыда, А. К. Шейхот. - Транспортное дело России, №9, часть 2, с. 24-25

47.Ежов, А. А.. Нейрокомпьютинг и его применения в экономике и бизнесе [Текст] / А. А.Ежов, С. А Шумский. - М.: МИФИ, 1998. -224 с.

48.Жеретинцева, Н. Н. Нейросетевой метод идентификации надводных объектов в решении задач автоматизации судовождения [Текст]: дис. ... канд. техн. наук: 05.22.19 : защищена 09.06.2008 / Н. Н. Жеретинцева- Владивосток, МГУ им. адмирала Г.И. Невельского, 2008. - 162 с.

49.3аенцев, И. В. Нейронные сети: основные модели. [Электронный ресурс] / И. В. Заенцев. - Электрон, дан. - Режим доступа: http://neuroschool.narod.ru/books/zaencev.html, свободный. - Загл. с экрана.

50.Идентификация и диагностика систем управления [Электронный ресурс] - Электрон, дан. - Режим доступа: http://blkptv.by.ru/ident, свободный. - Загл. с экрана.

51.Имитатор сигналов для авторулевого ИС-2005 [Текст]: руководство пользователя- СПб: Инженерный центр информационных и управляющих систем, 2005. - 24 с.

52.Клиначёв, Н. В. Теория систем автоматического регулирования [Электронный ресурс]: Учебно-методический комплекс / Н. В. Клиначёв. - Электрон. дан. - Режим доступа: http://model.exponenta.ru/tau_lec.html, свободный. — Загл. с экрана.

53.Комашинский, В. И. Нейронные сети и их применение в системах управления и связи [Текст]/ В. И. Комашинский, Д. А. Смирнов, -Горячая линия: Телеком, 2002. - 94 с.

54.Константинова, Е. А. Нейросетевая идентификация динамики МПО [Текст] / Е. А. Константинова, А. А. Дыда // Научные проблемы

транспорта Сибири и Дальнего Востока. Новосибирск: НГАВТ -2011 —№1. - с. 111-115.

55.Константинова, Е. А Нейросетевая идентификация нелинейной модели судна [Текст] / Е. А. Константинова, А. А. Дыда, Д. А. Оськин // Научные проблемы транспорта Сибири и Дальнего Востока. Новосибирск: НГАВТ -2011.-№2. - с. 153-155.

56.Константинова, Е. А. Влияние помех на точность нейросетевой идентификации модели судна [Текст] / Е. А. Константинова // Научные проблемы транспорта Сибири и Дальнего Востока. Новосибирск: НГАВТ. - 2011 .-№2. - с. 149-152.

57.Константинова, Е. А. Применение искусственных нейронных сетей в управлении динамическими объектами. [Текст] / Е. А. Константинова // Вестник Морского государственного университета. Сер. Автоматическое управление, математическое моделирование и информационные технологии. - Владивосток: Мор. гос. ун-т. - 2009.-№28. - с. 50-52.

58.Константинова, Е. А. Нейросетевая идентификация динамики судна по модели Номото. [Текст] / Е. А. Константинова // Молодежь - наука - инновации: сборник материалов 59-й международной молодежной НТК. - Владивосток: Мор. гос. ун-т. -2011.-с. 60-63.

59.Кохонен, Т. Ассоциативные запоминающие устройства [Текст] / Т. Кохонен. - М.: Мир, 1982. -384 с.

60.Лукомский, Ю. А. Навигация и управление движением судов [Текст]: учебник / Ю. А. Лукомский, В.Г. Пешехонов, Д.А. Схороходов .- СПб.: Элмор, 2002. - 360 с.

61. Лукомский, Ю. А. Управление морскими подвижными объектами [Текст]: / Ю. А. Лукомский, В. М. Корчанов - СПб.: Элмор, 1996. -320 с.

62.Лукомский, Ю.А. Системы управления морскими подвижными объектами [Текст]: учебник / Ю.А. Лукомский, B.C. Чугунов - Л.: Судостроение, 1988. - 272 с.

63.Льюнг, Л. Идентификация систем. Теория для пользователя [Текст] / Л. Льюнг М.: Наука. Гл. ред. физ.-мат. лит., 1991. - 432 с.

64.Мазуров, В. М. Автоматические регуляторы в системах управления и их настройка. Часть 1. Промышленные объекты управления [Электронный ресурс] / В. М. Мазуров // журн. Компоненты и технологии. - 2003. - № 4. - с. 154-157. - Электрон, дан. - Режим доступа: http://www.kit-e.ru/articles/elcomp/2003_04_l 54.php, свободный. - Загл. с экрана.

65.Мазуров, В. М. Автоматические регуляторы в системах управления и их настройка. Часть 2. Автоматические регуляторы и их настройка. Общие сведения о промышленных системах регулирования [Электронный ресурс] / В.М. Мазуров // журн. Компоненты и технологии. - 2003. - № 5. - с. 154-157. - Электрон, дан. - Режим доступа: http://www.kit-e.ru/articles /elcomp/2003_05_l 14.php, свободный. - Загл. с экрана.

66.Мазуров, В. М. Автоматические регуляторы в системах управления и их настройка. Часть 3. Цифровые регуляторы и их настройка [Электронный ресурс] / В. М. Мазуров // журн. Компоненты и технологии, 2003. - № 6. - с. 154-157. - Электрон, дан. - Режим доступа: http ://www.kit-e.ru/articles/elcomp/2003_06_l 46.php, свободный. - Загл. с экрана.

67.Масляев, С. И. Идентификация математической модели нелинейных составных объектов [Электронный ресурс]:, электронное научн. периодическое изд. / С. И. Масляев. -Электрон, дан. - Режим доступа: http://fetmag.mrsu.ru/, свободный. — Электроника и информационные технологии, 2009, выпуск 2 (7).- Загл. с экрана.

68.Математическая модель [Электронный ресурс] / Электрон, дан. -Режим доступа: http://ru.wikipedia.org/wiki/MaTeMaTH4ecKa«_ модель#ске_по1е-10, свободный. - Загл. с экрана.

69.Методы классической и современной теории автоматического управления [Текст]: учебник в 3 т. Т. 1. Синтез регуляторов и теория оптимизации систем автоматического управления / под ред. Н. Д. Егупова. - М.: Изд-во МГТУ им. Баумана, 2000. - 736 с.

70.Мирошник, И. В. Теория автоматического управления. Линейные системы. [Текст]: учеб. пособие / И. В. Мирошник СПб.: Питер, 2005.- 272 с.

7¡.Моделирование систем [Электронный ресурс]. - Электрон, дан. -Режим доступа: http://www.sardismusic.com, свободный. - Загл. с экрана.

72.Морозова, О. В. Искусственный интеллект для судоходства. [Электронный ресурс] / О. В. Морозова. - Электрон, дан. - Режим доступа: http://pressa.kuban.info, свободный. - Загл. с экрана.

73.Москвич, Д. А. Анализ подходов к построению современных систем адаптивного управления с использованием традиционных принципов и интеллектуальных технологий (экспертных систем и нейросетевых структур).

74.Мышкис, А. Д. Элементы теории математических моделей. [Текст] / А. Д. Мышкис. - Изд. 3-е, испр. - М.: КомКнига, 2007. - 192 с.

75.Нейроинформатика [Текст] / А. Н. Горбань, В. Л. Дунин-Барковский, А. Н. Кирдин и др. - Новосибирск: Наука. Сибирское предприятие РАН, 1998. - 296с.

76.Нейронные сети и их приложения [Электронный ресурс]. -Электрон, дан. - Режим доступа: http://www.alife.narod.ru/, свободный. - Загл. с экрана.

77.Нейронные сети [Электронный ресурс]. - Электрон, дан. - Режим доступа: http://www.basegroup.ru/library/analysis/neural/, свободный.

- Загл. с экрана.

78.Нейронные сети [Электронный ресурс]. - Электрон, дан. - Режим доступа: http://www.statsoft.ru/home/textbook, свободный. - Загл. с экрана.

79.Нечаев, Ю. И. Принципы использования нейронных сетей в бортовых интеллектуальных системах [Текст] /Ю. И. Нечаев // Нейрокомпьютеры: разработка, применение. 2004, №7 - 8, с. 49 -56.

80.Нечаев, Ю. И. Нейроаппроксимация и нейропрогноз при контроле динамики сложного объекта [Текст] / Ю. И. Нечаев // Нейрокомпьютеры: разработка, применение. 2005, №9, с. 22 - 31

81.0мату, С. Нейроуправление и его приложения [Текст] / С. Омату, М. Халид, Р. Юсоф- Кн.2. - М.: Изд. журн. «Радиотехника», 2002.-271 с.

82.Основы кораблевождения [Электронный ресурс]. - Электрон, дан.

- Режим доступа: http://www.clubfd.ru/ship.php?chp=179, свободный. - Загл. с экрана.

83.0совский, С. Нейронные сети для обработки информации. [Текст] / С. Оссовский, М.: Финансы и статистика, 2004. - 344 с.

84.Панферов, А. И. Компьютерный анализ и синтез систем ориентации, стабилизации и навигации [Текст]: учебн. пособие / А. И. Панферов, А. В. Лопарев- Санкт-Петербург: изд. СПБГУ, 2008.-81 с.

85.Позняков, С. И. Сравнение математических моделей с точки зрения коэффициентов влияния [Текст] / С. И. Позняков, Ю. И. Юдин // Вестник Мурманского гос. техн. ун-та, 2006 - том 9. - №2 - с. 241245.

86.Поляков, К. Ю. Теория автоматического управления для «чайников» [Текст]: учебн. пособие / К. Ю. Поляков - СПб.: изд. СПБГУ, 2008.- 139 с.

87.Пояснения к Промежуточным стандартам маневренных качеств судов. Циркулярное письмо MSC/Circ. 644 [Текст] / Сборник № 3 резолюций ИМО - Введ. 1994-25-05. - С-Пб.: ЗАО ЦНИИМФ, 1995-342 с.

88.Пояснения к стандартам маневренных качеств судна. Циркулярное письмо MSC/Circ. 1053 [Текст] / Сборник № 21 резолюций ИМО -Введ. 2002-05-12. - С-Пб.: ЗАО ЦНИИМФ, 2003 - 248 с.

89.Представление на судах информации об их маневренных характеристиках. Резолюция А.601(15) [Текст] / Введ. 1987-20-11.

- С-Пб.: ЦНИИМФ, 2001 - 35с.

90.Промежуточные стандарты маневренных качеств судов. Резолюция ИМО А.751(18) [Текст] / Сборник № 2 резолюций ИМО - Введ. 1993 -04-11. - С-Пб.: ЗАО ЦНИИМФ, 1994 - 262 с.

91.Радченко, А. Н. Ассоциативная память. Нейронные сети. Оптимизация нейропроцессоров. [Текст] / А. Н. Радченко, СПб: Наука, 1998.-261 с.

92.Редько, В. Г. Эволюция, нейронные сети, интеллект. Модели и концепции эволюционной кибернетики. [Текст] / В. Г. Редько, КомКнига, 2007. - 224с.

93.Руководство по определению маневренных характеристик судов [Текст]: утв. Российским морским регистром судоходства 31.01.05.

- М.: Морской Регистр, 2003 - 16 с.

94.Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы. [Текст] / Д. Рутковская, М. Пилиньский, Л. Рутковский - М.: Горячая линия: Телеком, 2007. - 452 с.

95. Седова, Н. А. Интеллектуальная система автоматического управления судном по курсу [Текст]: дис. ... канд. техн. наук:

136

05.22.19 : защищена 23.12.2009 / Н. А. Седова.- Владивосток, МГУ им. адмирала Г.И. Невельского, 2009. - 123 с.

96.Семенов, А. Д. Идентификация объектов управления [Текст]: учеб. пособие / А. Д. Семенов, Д. В. Артамонов, А. В. Брюхачев. - Пенза: Изд. Пенз. гос. ун-та, 2003- 211 с.

97.Силяков, А. В. Применение нейронных сетей в системах управления морскими подвижными объектами [Текст] /

A. В. Силяков // 24 Науч.-техн. сб. Российского морского регистра судоходства, 2005. - Вып. 28. - с. 350 - 354.

98.Советов, Б. Я. Моделирование систем [Текст]: учеб. для вузов / Б. Я. Советов, С. А. Яковлев. - Изд. 3-е, перераб. и доп. - М.: Высш. шк., 2001.-343 с.

99.Солодов, В. С. Применение методов планирования активного эксперимента для идентификации судового комплекса [Текст] /

B. С. Солодов, Ю. И. Юдин // Вестник Мурманского гос. техн. унта, 2006.- том 9. - №2 - с. 187-190.

100. Справочник по нейросетям. [Электронный ресурс]. - Электрон, дан. - Режим доступа: http://www.neuroshell.forekc.ru/, свободный. -Загл. с экрана.

101. Стандарты маневренных качеств судна. Резолюция МБС. 137(76) [Текст] / Сборник № 21 резолюций ИМО - Введ. 2002-05-12. - СПб.: ЗАО ЦНИИМФ, 2003 - 248 с.

102. Степахно, Р. Г. Еще раз об уравнении управляемости Номото [Текст] / Р. Г. Степахно // Вестник Мурманского гос. техн. ун-та, 2003.- том 6. - №1 - с.69-74.

103. Тархов, Д. А. Нейронные сети. Модели и алгоритмы [Текст]/ Д. А. Тархов. - М.: Радиотехника, 2005. - 256 с.

104. Тархов, Д. А. Математическое моделирование физико-технических объектов на основе структурной и параметрической адаптации искусственных нейронных сетей [Текст]: дис. ... д-р.

137

техн. наук: 05.13.18 : защищена 20 апреля 2006 / Д. А. Тархов-Санкт-Петербург, Санкт-Петербургский гос. политехнический ун-т, 2006.-333 с.

105. Терехов, В. А. Нейросетевые системы управления [Текст] / В. А. Терехов, Д. В. Ефимов, И. Ю. Тюкин //Нейрокомпьютеры и их применение - М.:ИПЖР, 2002 - т.8 - 480 с.

106. Терехов, В. А. Нейросетевые системы управления [Текст]: учебн. пособие / В. А. Терехов, Д. В. Ефимов, И. Ю. Тюкин - М.:Высшая школа, 2002.-182 с.

107. Тюкин, И. Ю. Адаптация в нелинейных динамических системах [Текст]: учебн. пособие / И. Ю. Тюкин, В. А. Терехов .- СПб:, 2006.-377 с.

108. Уоссермен, Ф. Нейрокомпьютерная техника: Теория и практика. [Текст] / Ф. Уоссермен. - Пер. с англ. - М.: Мир. - 1992. - 118 с.

109. Федеральная целевая программа «Глобальная навигационная система» [Электронный ресурс]. - Электрон, дан - Режим доступа: http://fcp.vpk.ru/ext/l 17/content.htm, свободный. - Загл. с экрана.

110. Федосов, Б. Т. Моделирование. Теория автоматического управления и смежные вопросы [Электронный ресурс] - Электрон, дан. - Режим доступа: http://model.exponenta.ru/bt/bt_contents.html , свободный. - Загл. с экрана.

111. Фейгин, М. И. Динамические системы, функционирующие в сопровождении опасных бифуркаций [Текст] / М. И. Фейгин // Волжская гос. акад. водного транспорта, Н.Новгород; Соросовский образовательный журн., сер. «Математика», 1999 - №10 - с. 122127.

112. Хайкин, С. Нейронные сети полный курс, 2-е изд. [Текст]/ Саймон Хайкин. - М.: Вильяме, 2006. - 1104 с.

113. Цветов, М. А. Анализ моделей движения и методов определения координат корабля [Текст] / М. А. Цветов, А. Н. Васильев // Вестник Ульяновского гос. техн. ун-та, 2003- №1-2 - с. 59-63.

114. Чубукова, И. A. Data Mining. [Текст] / И. А. Чубукова Интернет-университет информационных технологий - ИНТУИТ.ру, БИНОМ, Лаборатория знаний, 2008 .- 384 с.

115. Чуличков, А. И. Математические модели нелинейной динамики [Текст] / А. И. Чуличков. - Изд. 2-е, испр. - М: Физматлит, 2003. -296 с.

116. Шейхот, А. К. Совершенствование систем управления морскими подвижными объектами на основе идентификации и адаптации [Текст] : дис. ... канд. техн. наук : 05.22.19: защищена 25.06. 08/ А. К. Шейхот. - Владивосток, 2008. - 130 с.

117. Шилов, К. Ю. Моделирование систем управления нейронными сетями в составе тренажера [Текст] / К. Ю. Шилов// Системы управления и обработки информации: науч.-техн. сб. / ФНПЦ «НПО «Аврора», СПб., 2005. - Вып. 10. - с.66-71.

118. Эдварде, Ч. Г. Дифференциальные уравнения и краевые задачи: моделирование и вычисление с помощью Mathematica, Maple и MATLAB [Текст] / Ч. Г. Эдварде, Д. Э. Пенни, М.: Вильяме, 2007. -1104 с.

119. Юдин, Ю. И. Использование идентифицированных математических моделей судна для обеспечения безопасности судовождения [Текст] / Ю. И. Юдин, А. Г. Степахно, А. Н. Гололобов // Вестник Мурманского гос. техн. ун-та. - 2009-том 12. -№1 - с.10-12.

120. Юдин, Ю. И. Математические модели плоскопараллельного движения судна. Классификация и критический анализ [Текст] / Ю. И. Юдин, И. И. Сотников // Вестник Мурманского гос. техн. унта, 2006.- том 9. - №2 - с.200-208.

121. Юдин, Ю. И. Метод расчёта параметров математической модели судна [Текст] / Ю. И. Юдин, А. Н. Гололобов, Р. Г. Степахно // Вестник Мурманского гос. техн. ун-та, 2009 - том 12. - №1 - с.5-9.

122. Яхъяева, Г. Э. Нечеткие множества и нейронные сети [Текст] / Г. Э. Яхъяева. - Интернет-университет информационных технологий. - ИНТУИТ.ру, БИНОМ, Лаборатория знаний, 2008320 с.