Аннотация: В современных промышленных объектах в целях автоматического управления производственными системами необходим своевременный и точный анализ технологических процессов, который сопровождается сбором, хранением и обработкой данных о состоянии и работе всех исполнительных устройств (программируемых логических контроллеров, модулей ввода/вывода, сетевого оборудования и приложений HMI) в момент производства. Адаптивное и своевременное реагирование на ход технологических процессов промышленного объекта в режиме реального времени невозможно без обеспечения отказоустойчивости, своевременного и надежного доступа к данным в системах хранения. В статье исследуются методы и технологии повышения отказоустойчивости обработки информации в БД АСУП в целях обеспечения своевременности и надёжности доступа к данным находящейся в БД системы.

Аннотация: Рассмотрена проблема формирования ограничений реального времени для систем управления. Представлен пример управляющей задачи, для которой сформировано ограничение реального времени. Показано, что этот вид ограничений не входит в ранее предложенный класс линейных интервальных ограничений. Предложен новый класс ограничений реального времени для управляющих задач, который является расширением класса линейных интервальных ограничений.

Аннотация: Рассмотрен подход к идентификации режимов работы электродвигателей, основанный на применении нейросетевых моделей. Показано, что амплитудно-частотная характеристика (АЧХ) тока в обмотках двигателя может служить для достижения этой цели. Создано две нейросетевых модели - аппроксимации АЧХ и идентификации режима. Рассмотрены возможные аварийные ситуации, идентификация которых возможна с применением предлагаемого подхода. Предложенная нейросеть обучена распознавать эти ситуации по характеристикам потребления тока электродвигателями платформы. Показано что режим работы электродвигателя отражается на волновых характеристиках его обмоток, что позволяет создать модель, идентифицирующую режим его работы, измеряя величины, связанные с протекающими в обмотках процессами.

Аннотация: При эксплуатации воздушно-реактивных двигателей (ВРД) требуется непрерывный контроль параметров: температуры газа за камерой сгорания, частоты вращения свободной турбины давления, частоты вращения ротора турбокомпрессора и т. д. Работа контуров регламентируется селективным регулятором, который асинхронно логически непрерывно, анализируя отклонения параметров ВРД, управляет подачей топлива (керосина, газа) через дозирующее устройство. Все контуры имеют программное управление и реализуют принцип регулирования по отклонению. Программная реализация работы контуров управления ВРД осуществляется блоком управления двигателя (БУД). Расчет оптимальных настроек регуляторов в контурах выполняется согласно техническому оптимуму при условии постоянства статических характеристик, однако реальные статические характеристики ВРД в процессе эксплуатации изменяются и ранее рассчитанные настройки регуляторов в контурах могут не быть оптимальными. Программное управление системы предусматривает соответствующую выборку коэффициентов из памяти БУД без учета изменений статических характеристик ВРД в текущий момент времени. Такая технология расчета параметров системы управления не эффективна, так как требует точного математического описания объекта и его изменения в текущий момент времени. К другим неопределенностям можно отнести состояние элементов дозатора, качество топлива и т. д. В настоящее время все перечисленные параметры регулируются отдельно, что негативно влияет на процесс управления. Предложено заменить регуляторы параметров ВРД одним регулятором состояния, который управляет дозатором с целью исключения селектора из управления ВРД. Рассмотрен нечеткий регулятор состояния, выполненный на основе адаптивного фаззификатора с нечеткой импликацией. Для адаптации фаззификатора используется целевая функция, с помощью которой рассчитываются коэффициенты полиномов первого порядка.

Аннотация: Структурный и параметрический синтез систем автоматического управления газотурбинными электростанциями затрудняется сложностью, нелинейностью и многорежимностъю объекта управления, которым является как сама газотурбинная электростанция, так и связанная с ней электроэнергетическая система. Такой синтез проводится на максимально упрощенных математических моделях. Актуальной задачей является разработка имитационных моделей электроэнергетической системы с различными структурами и составом элементов и анализ их функционирования при воспроизведении заданного перечня внешних и внутренних возмущений. В условиях испытательного стенда становится возможным объединить этапы компьютерных (моделирование системы автоматического управления) и полунатурных испытаний (испытание макетов, экспериментальных и опытных образцов), использующих компьютерную модель электроэнергетической системы. Рассматривается разработка программных модулей моделирования электроэнергетической системы, которые используются в составе подсистемы испытаний энергетических установок. Использование языка Java способствует кросс-платформенности и универсальности. Процесс расчета динамического режима представляется как последовательный расчет статических режимов на каждом шаге дискретизации. Разработаны модели элементов электроэнергетической системы.

Аннотация: Инструментарий технологий мягких вычислений основан на нечетких системах, моделях нечетких нейронных сетей, генетических алгоритмов и т. д., которые имеют свои достоинства и недостатки. В статье этот инструментарий рассмотрен применительно к 3D-принтеру. С точки зрения теории управления 3D-принтер есть сложный нелинейный объект, математическое описание которого известно априори, имеет один вход и несколько выходов. При эксплуатации 3D-принтера требуется непрерывный контроль параметров: температуры нагрева филамента, частоты вращения двигателя постоянного тока для подачи филамента в экструдер и линейного перемещения каретки 3D-принтера. Работа контуров регламентируется регулятором состояния, который синхронно логически непрерывно, анализируя отклонения параметров, управляет температурой разогрева филамента, подачей филамента в экструдер и линейного перемещения каретки. Целевой функцией для всех контуров принято заданное значение регулируемых параметров. Гибридное (нечетко-нейронное) управление 3D-принтера основано на проектировании регулятора состояния с помощью специального фаззификатора с применением несимметричных сигмоидных функций и формировании слоев для выполнения нечеткой импликации. Преобразование нечеткой информации в четкую выполнено в преобразователе (дешифраторе), регулирующем напряжение принтера в заданном интервале.