СИНТЕЗ НЕЧЕТКОЙ ЛИНГВИСТИЧЕСКОЙ СИСТЕМЫ УПРАВЛЕНИЯ УСТАНОВКАМИ ЭЛЕКТРОШЛАКОВОГО ПЕРЕПЛАВА

Краткое описание

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ ГОУ ВПО БРЯНСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ”

На правах рукописи

669Л87.56

ДРАКИН АЛЕКСАНДР ЮРЬЕВИЧ
СИНТЕЗ НЕЧЕТКОЙ ЛИНГВИСТИЧЕСКОЙ СИСТЕМЫ УПРАВЛЕНИЯ УСТАНОВКАМИ ЭЛЕКТРОШЛАКОВОГО ПЕРЕПЛАВА
05Л3.06 - Автоматизация и управление технологическими процессами и
производствами (машиностроение)
ДИССЕРТАЦИЯ
на соискание ученой степени кандидата технических наук
Научный руководитель кандидат технических наук, доцент В. А. Хвостов
Брянск - 2008

Содержание
Введение.................................................................................................................................................................................. 5
1. Особенности процесса и управление электрошлаковым переплавом................................................................................................................ 12
1.1. Особенности электрошлакового переплава......................................................................................................................................... 12
1.1.1. Технологический процесс................................................................................................................................................................................................. 12
1.1.2. Контроль параметров ЭШП.................................................................................................................................................................................... 13
1.1.3. Системы автом а гического управле! тя..................................................................................................................................................... 16
1.2. Математическое моделирование процесса ЭШП....................................................................................................................................... 17
1.3. Перспективные средства автоматического управления сложными техническими объектами.................................................................. 22
1.3.1. Системы управления на основе многоцелевых и интеллектуальных моделей............................................................................................... 23
1.3.2. Нейрокомпыотерное управление........................................................................................................................................................................... 26
1.3.3. Управление 11А основе нечеткой логики................................................................................................................................................................. 30
1.3.4. Автономное адаптивное управление........................................................................................................................................................................... 33
1.3.5. Системы управления с идентификатором объекта............................................................................................................................................... 38
1.3.6. Семиотические (логико-лингвистические) системы управления...................................................................................................................... 41
1.4. Выводы........................................................................................................................................................................... 48
2. Процесс электрошлакового переплава как объект управления................................................................................................................ '............... 50
2.1. Физическая схематизация процесса.............................................................................................................................................................................. 50
2.2. Математическая модель процесса ЭШП..................................................................................................................................................................... 52
2.3. Идентификация структуры и параметров модели ЭШП......................................................................................... 56
2.4. Построение моделей процессов при ЭШП.................................................................................................................. 59
2.4.1. Подсистема «Печ1 юй трансформатор».................................................................................................................................................................. 60
2.4.2. Подсистема «Электрическая мощность»............................................................................................................................................ 63
2.4.3. Подсистема «Тепловые процессы»............................................................................................................................................................................. 77
2.5. Выводы 82
3. Построение системы управле1 1ия ЭШП............................................................................................................................................................ 85
3.1. Управление в статическом и динамическом режимах................................................................................................................................................... 85
3.2.&nb

Список литературы

Заключение
В диссертации решена актуальная научно-техническая задача разработки
методики синтеза системы автоматического управления сложным не полностью
идентифицированным техническим объектом, достигнуты следующие результаты и
сделаны выводы:
1. Анализ существующих систем управления установками ЭШП выявил необходимость их разработки на новых принципах, поскольку существующие технические решения не обеспечивают требуемых показателей качества управления. С этой целью в работе выполнен обзор и обоснован выбор интеллектуальных систем управления на основе принципов нейронечеткого и семиотического управления, совмещенных с классической архитектурой следящих систем регулирования по отдельным переменным состояния для сложных многосвязных технических обьектов.
2. Установлена возможность построения системы управления и решения задач идентификации для установок электрошлакового переплава с использованием аппарата нейронных сетей и нечеткой логики.
3. Разработана математическая модель системы управления ЭШП. С использованием теории нейро-нечеткой идентификации создана феноменологическая модель тепловых процессов при электр ошлаковом переплаве и предложен метод определения уровня шлаковой ванны (металла) по «тепловому портрету».
4. Предложено использовать в качестве одного из информационных параметров процесса ЭШП значение активного и реактивного сопротивлений электрической цепи шлаковой ванны, что повышает точность оценки глубины погружения электродов за счет исключения случайной составляющей, обусловленной колебаниями напряжения питания.
5. Исследованы режимы, потенциально возможные в нейронечеткой лингвистической системе управления, определены их области существования для ограниченного класса систем. Для указанного класса систем выявленный запас устойчивости определен в 35% по сигналу управления и 300% по коэффициенту петлевого усиления, при возможности уменьшения последнего до 9,8 раз.
6. Разработана методика синтеза нечеткой лингвистической системы управления, с помощью которой реализована и внедрена на ЗАО УК «БМЗ» система автоматического управления установкой ЭШП, выбран аппарат для анализа динамики синтезированной системы.
7. Разработан программный комплекс для осуществления нечеткой идентификации многомерного нелинейного объекта и исследования свойств модели системы с нечетким регулятором.

Список использованных источников
1. Baldwin, J.F., Guild N.C.F. Modelling controllers using fuzzy relations 11 Kybernetes. - 1980. - No. 3. - Vol. 9. - P. 223-229.
2. Bamet, A single-blind controlled competition among tests for nonlinearity & chaos by. Barnett, R. Gallant, M.Hinich, J.Jungeilges, D.Kaplan, M.Jensen, WU working paper archive, forthcoming in Journ. Of Econometrics 1996
3. Braae, М., Rutherford D.A. Fuzzy relations in a control setting // Kybernetes. - 1978.-No. 7.-P. 185-188.
4. C.H. Wong, S.L. Shah, Adaptive fuzzy relational predictive control. Fuzzy Sets and Systems 15(2000) 247-260/
5. Chen Xing, He Xigin, The application of techniques of neural network to product structure analysis of Iron&Steel Corporation. // IJC-NN’99
6. Ge Guo, Xiaohong Hao. Steel leakage prediction in a continuous casting process. // 5th International Conference on Signal Processing Proceedings. 2000
7. Giles, R., Lukasiewicz logic and fuzzy set theory // Int. J. Man-Machine Studies. - 1976.-No. 8.-P. 313-327.
8. Glass, М., Invariance and stability of fuzzy systems // J. Math. Analysis and Appl. -
1984. -Vol. 99, No.l. - P. 299-319.
9. Glass, М., Theory of fuzzy systems // Fuzzy Sets and Systems. - 1983. - Vol. 10. - P. 65-77.
10.Guo Ge, Qiao Junfei, Wang Wei. Steel leakage alarm method based on fuzzy neural network. Control Theory Appl. (China), vol. 15, №4, Aug 1998
1 l.Guo Ge, Qiao Junfei, Wang Wei. Steel leakage alarm method based on fuzzy neural network. Control Theory Appl. (China), vol. 15, №4, Aug 1998
12.Han L. J, Lin L. E. Модель на базе нейронной сети для прогнозирования Si в расплавленном металле доменной печи. A neural network model for predicting Si-content of hot metal in a blast furnace. // 7th IFAC Symp. Autom. Mining. Miner and metal process, Beijing, 1992
13.Hongxing Liu, Tao Chen, Predicting grinding bum using artificial neural network. // J. Intell. Manuf. (UK), vol.6, №3, June 1997
14. Jain R. Outline of an approach for the analysis of fuzzy systems // Int. J. Control. - 1976. - Vol. 27, No. 3. - P. 627-640.
15.Jian Chen, Hong Liu, An integrating system for predicting Si content in pig iron of blast furnaces. // IEEE International Conference on Systems, Man and Cybernetics. Information Intelligence and Systems, Beijing, China 14-17 Oct. 1996
16Jian, Chen, A predictive system for blast furnaces by integrating a neural network with qualitative analysis. // Eng. Appl. Intell. (UK), vol.l 17 №1, 2000
17 Jiang Hong, Zeng Li-bo. Распознавание морфологии структуры серого чугуна с помощью нейронной сети. // J. Wuhan Univ. Technol., vol.46, №3, 2000
18.Ke-Jin Zhang Modeling delayed cooking plant via RBF neural networks. // IJCNN’99, Int. Joint Conf. on Neural Networks, 1999
19.Kickert, W.J.M., Mamdani E.H. Analysis of a fuzzy logic controller // Fuzzy Sets and Systems. - 1978. - No. 1. - P. 29-44.
20.Kickert, Van Nauta Lemke H.R. Application of fuzzy controller in a warm
water plant // Automatica. - 1976. -No. 12. - P. 301-308.
21.King, G. P., Steward 1. Phase space reconstruction for symmetric dynamical systems // Physica D: Nonlinear Phenomena. 1992.— V.58.— P.216-228.
22.King, P.J., Mamdani E.H. Application of fuzzy control system to industrial processes // Automatica. - 1977. - No. 13. - P. 235-242.
23.Kiszka 1.В., Gupta M.M., Nikiforuk P.N. Energetistic stability of fuzzy dynamic systems // IEEE Trans. Syst. Man and Cybern. - 1985. - Vol. SMC-15, No. 5. - P. 783-792.
24.Lau H. C. W., Wong Т. Т., Нейро-нечеткое моделирование машины для формовки с помощью пластичной инъекции для интеллектуального управления// J Shenyang Polytechn. Univ., vol. 21 №3, 1999
25.Li Jie, Wang Qianpu, Интеллектуальная система нечеткого управления электролизером для восстановления алюминия. // Chin. J. Nonferrous Metals vol. 8, №3, 1998
26.Ljung, L., System Identification — Theory for the User. 2nd edition — Prentice Hall, Upper Saddle River, N.J., 1999.
27.Luo Peng. Моделирование и оптимизация с помощью нейронной сети высокоскоростной электроискровой волочильной обработки провода. // J. Guizhov. Univ. Tech. Natur. Sci. Ed., vol. 29, №5, 2000
28.Mamdani, E.H., Assilian S. An experiment in linguistic synthesis with a fuzzy logic controller// Int. J. Man-Machine Studies. - 1975. - No. 7. - P. 1-13.
29.McCaffrey, Ellner, Gallant & Nychka (1992), Estimating Lyapunov exponent of a chaotic system with nonparametric regression”,J. Am. Stat.Assoc., September, vol. 87,no.419.
30.Мок, S. L., Kwong С. K., An intelligent hybrid system for initial process parameter setting of injection moulding. // Int. J. Prod. Res. (UK), vol.38, №17, 20 Nov, 2000
31.0hsuga S. Toward intelligent CAD systems.- Computer Aided Design, Vol.21,- N0.5,- 1989.-C.315-337.
32.0hsuga S., Yamauchi H. Multi-layer logic - a predicate logic including data structure as knowledge representation language.- New generation computing, Vol.3,-NO.4,-1985 -c.451-485.
33.Рао, Y.-H., Nonlinear process control with neural nets. // Neurocomputing. 1990
34.Pedrycz, W., On the use of fuzzy Lukasiewicz logic for fuzzy control // Archiwum automatyki i teiemechaniki. - 1980. - Vol. 25, No. 3. - P. 301-314.
35.Peng Xiaogi, Hu Zhikun, Mei Chi, Hu Jun, Yao Junfeng (Dept, of Appl. Phys. & Heat Eng., Central South Univ., Changsha, China). Converting furnace endpoint prediction model based on neural network and adaptive error compensation. // Control Theory Appl. (China), vol. 19, № 1 Feb 2002
36.Qi Lehua, Hou Junjie. Нейронные сети и генетические алгоритмы в моделировании разливки жидкого металла. // J. Northwest. Polytechn. Univ., vol. 19, № 1, 2001
37.Qian Feng, Yu Jinshou, Jiang Waisum. Modeling of industrial thermal cracking furnaces via functional-link artificial neural network. // Proceedings of the IEEE
International Conference on Industrial Technology. Guangzou. China. 5-9 Dec. 1994
38.Reinfrank M. Fuzzy-Control-unscharfe Logik als Regelungskonzept. - Siemens 1991, № 5.Reusch B., Fuzzy-Logik. 4. Dortmuder Fuzzy-Tage, 6-8 Juni, 1994.
39.Shan Ming Zhou, Dynamic recurrent neural networks for a hybrid intelligent decision support system for the metallurgical industry. // Expert Syst. (UK) vol. 16 №4, Nov, 1999
40.Sontag E.D., Recurrent neural networks: some learning and system-theoretic aspects”, Dept, of Mathematics, Rutgers University, New Brunswick, NJ, 1996
41.Tang Shengping, Nan Jun-min, Использование технологий искусственного интеллекта при совершенствовании системы управления промышленной печыо. // Changsha Univ. Elec. Power., vol. 15, №4, 2000
42.Tong, R.M., Analysis and control of fuzzy systems using finite discrete relations // Int. J. Control. - 1978. - Vol. 27, No. 3. - P. 431-440.
43.Vagin V.N, Viktorova N.P., Golovina E.Yu. Multi-layer Logic as a Knowledge Representation Model in the CASE System.- Journal of Computer and Systems Sciencis International. Vol. 33, No.3,1995,pp72-83
44.Vagin, V.N., E.Yu.Golovina Knowledge Model in Semiotic System.- Seventh Intemation Conference Artificial Intelligence and Information-Control Systems of Robots A1ICSR'97. Second Workshop on Appli ed Semiotics. September 15,1997 Smolenice Castle, Slovakia,p.61-66
45.W. He. Automated process parameter resetting for injection moulding: a fuzzy- neuro approach. // J. Intell. Manuf. (UK), vol. 9 №1 Feb 1998
46.Wang Feng, He Jianping (Autom. Inst., Taiyuan Iron & Steel Co, China), Wang Shunhuang, Guo Jiang. Intelligent multiple control of prossure and caloriric values of mixed blast furnace and charring furnace gas. // Acta Autom. Sin. (China) vol. 26, № 6, 2000
47. Wang Ning (res. Inst. Of Adv. Process control, Zhejiang Univ., Hangzhou, China). Fuzzy neuron model-free control for continuous steel casting process/ ). // Proceedings of the 3 rd World Congress on Intelligent Control and Automation (Cat. No.00EX393). Hefei, China, 28 June 2000
48.Wang Yu-tao, Jiang Hui-yan. Гибридная нейронная сеть и ее применение для радиального распределения газового потока в доменной печи. // J Shenyang Polytechn. Univ., vol. 21 №3, 1999
49.Wang, Q.P., D.L Tarn,Y.C. Wang (Robotics Lab Acad. Sinica, Shenyang, China). Event-based intelligent control system of carbide electric arc furnace (CEAF). // Proceedings of the 3rd World Congress on Intelligent Control and Automation (Cat. No.00EX393). Hefei, China, 28 June 2000
50.Wang, Rui, Применение нечеткой нейронной сети для интеллектуального управления силой фиксации листов. // J. Nankin Univ. Sci. and Technol. Natur. Sci., vol.25,№5, 2001
51.Wang, Y., Гибридная модель на нейронных сетях для предсказания содержания кремния. // Elektrotechn. und Informationstechn., vol.l 17, N«1, 2000

52.Wu Min, Shen Deyao. Экспертное управление, базируемое на нейронных сетях и математических моделях для процесса смешивания каменного угля. // Contr. Theory and Appl., vol.17, №6, 2000
53.Wu Min, Tang Zhao Hui (Dept, of Autom. Control Eng., Central South Univ., Changsha, China). Expert control using neural networks an electrolytic zinc process. // Autom Sin. (China), vol.27 №6 Nov 2001
54.Yeremeyev, A.P. The Organization of Real Time Decision Support Systems of a Semiotic Type // Sixth National Conf. with Intern. Participations CAI'98. Workshop Applied Semiotics and Abstracts of CAI'98 Reports. 5-11 Oct. 1998. Pushchino, Russia, 1998. Vol. III.
55.Yin Jian, Zhou Dixun. Применение нейронной сети для целей выбора рабочих параметров машины литья под давлением. // J. Wuhan Univ. Technol., vol.21, №1, 1999
56.Zadeh A, Fuzzy Sets. Information and Control, 1965.
57.Zhao Hong. Applicability of fuzzy machine learning to modeling in blast furnace smelting process. // 7th IFAC Symp. Autom. Mining. Miner and metal process, Beijing, 1992
58.Zone-Ching Lin. Application of a neural network machine learning model in the selection system of sheet metal bending tooling. // Artif. Intell. Eng. (UK) vol. 10, №1, 1996
59.Авдонин, H. А., Расчет температурного поля при затвердевании в водоохлаждаемом кристаллизаторе. // ИФЖ, 1972, т.22, №4
60.Бершадский, А.В., Методы анализа временных рядов (обзор зарубежных публикаций) // Интернет: http://cslab.ptci.ru/ archive/ Воо1<2/ С8/ ARTICL09.htm
61.Бодянский, Е.В. Кодирование сигналов в задачах нейроэмуляции / Е.В. Бодянский, Н. В. Кулишова // Радиоэлектроника. Информатика. Управление №2,2001 Киев, с. 136-139.
62.Бондаренко, О. П. Новая технология электрошлаковой сварки толстолистовых сталей без последующей термообработки // Автоматическая сварка.-1994 - N 12.-С.З-22
63.Борисов, В. Т. Современное состояние квазиравновесной теории двухфазной зоны и ее применение к затвердеванию сплавов/ В.Т. Борисов, В.В. Виноградов, И.Л. Тяжельникова// Оптимизация теплофизических процессов литья. - Киев: ИПЛ АН УССР, 1977. - С. 39 - 59.
64.Бураков, М. В. Механизм адаптации нечеткого регулятора.- Известия РАН. Теория и системы управления №1, 1998 с.84-87.
65.Вагин, B.FI. Модели и методы представления знаний в CASE-технологии/В.Н. Вагин, Е.Ю. Головина, Ф.Ф. Оськин // Интеллектуальные системы. Том 2 выпуск 1-4. М.: Издательский центр РГГУ, 1997 с. 115-134
66.Вагин, В. Н. Конструирование интеллектуальных систем поддержки принятия решения реального времени, В. FI. Вагин, А. П. Еремеев, Отчет о гранте РФФИ 99-01-00049
67.Вагин, B.FI. Реализация концепции распределенного искусственного интеллекта и многоагентности в системах поддержки принятия решений на базе инструмен гального комплекса G2 + GDA/ В.Н. Вагин, А.П. Еремеев //
Proc. of the Internat. Workshop "Distributed Artificial Intelligence and Multi-Agent Systems" DAIMAS'97, June 15-18, 1997. St.Petersburg, Russia.
68.Васильев, В.И. Контроль и диагностика силовых установок летательных аппаратов на базе нейронных сетей/ В.И. Васильев, С.В. Жернаков // Труды 8- й Всероссийской конференции "Нейрокомпьютеры и их применение" НКП- 2002. V с. 289- 303. - М.: Век книги.
69.Вдовин, К. Н. Математическая модель процесса электрошлакового переплава /Вдовин K. H., Юсин A. H., Подосян А. А. // Электрометаллургия №4, 2004 с.25
70.Воробьев, В.В. Фазовое пространство: Свойства и топология. Случайные и детерминированные системы. // Интернет:
http://www.tmz.narod.ru/Fazovoe_Prostranstvo.html
71.Галушкин А. И. Нейрокомпьютеры и их применение на рубеже тысячелетий в Китае. Т2.-М.: Горячая линия-Телеком, 2004
72.Галыгин, А. Н. Алгоритмы автоматического формирования базы правил для систем управления на нечеткой логике. // Диссертация кандидата технических наук 05.13.01, Красноярск. 2004.
73.Головина Е. Ю. Модель представления знаний в семиотической системе. //Интернет: http://www.inftech.webservis.ru/it/conference/ scm/2000/sessionl0/ golovina.htm
74.Горбаиь, А. Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Интернет: http://www.elibrary.ru/item.asp? id=9084779
75.Горбань, А. Н. Обучение нейронных сетей.—М.: СП ПараГраф, 1990., 190 с.
76.Гудвин, Г.К. Проектирование систем управления / Г.К Гудвин, С.Ф. Гребе, М.Э. Сальгадо.— М.: Бином. Лаборатория знаний, 2004
77.Двинянинов, М. М. Влияние теплофизических эффектов на кристаллизацию и плавление высокочистых веществ в неравновесных и квазиравновесных условиях// Автореф. дис. на соиск. учен. степ. канд. физ.-мат. наук : 01.04.07, Л.1989
78.Дедушев, Л. А. Регулирование электрического режима электрошлакового переплава, Специальная электрометаллургия, №7, 1980 г.
79. Демидов, Д. Е. Синтез нечетких моделей методом эволюционного моделирования на основе экспериментальных данных. // Диссертация кандидата технических наук 05.13.18, 05.13.17, Ростов НУД, 2005.
80.Демченко Д. Ф. Численный расчет переноса тепла и вещества при кристаллизации слитков рафинирующих переплавов, автореферат дисс. Киев, 1970
81.Денисов, Ю.А. Моделирование хаотических процессов в системах силовой электроники/ Ю.А. Денисов, A.A. Велигорский// Технічна електродинаміка. Тематичний випуск. Проблеми сучасної електротехніки. 4.6. - 2006,- С.76-79, Чернигов, Украина.
82.Елисеев, В.Л. Метод замены ПИД-регулятора нейросетевым / В.Л. Елисеев, Г.Ф. Филаретов // Сборник докладов научной конференции Информационные системы и технологии (ИСТ2000), Московский энергетический институт (Технический университет), Москва, Россия, 2000
83.Еремеев, А.П. Средства параллельной обработки информации в системах поддержки принятия решений реального времени/ А.П. Еремеев, Д.А. Тихонов // Программные продукты и системы, N2. 1999.
84.Еремин, E. Н. Электрошлаковый переплав никелевых сплавов/ E. Н. Еремин, С. Н. Жеребцов// Технология машиностроения.-2004.-N 1. - С. 3-5
85.Жданов, A.A. Накопление и использование информации при управлении в условиях неопределенности// Сб.науч.тр. Информационная технология и численные методы анализа распределенных систем. - М.: ИФТП. 1992. С. 112-
133.
86.Жданов, A.A. Об одном подходе к адаптивному управлению// Сб. науч. тр. Анализ и оптимизация кибернетических систем, .-- М.: ГосИФТП, 1996. С. 42-44.
87.Жданов, A.A. О подходе к моделированию управляемых объектов. Препринт ВЦ АН СССР. Сообщения по прикладной математике. Москва, 1991. 44 с.
88.Жданов, A.A. Об одном имитационном подходе к адаптивному управлению// Сб. Вопросы кибернетики. - М.: 1996. С. 171 - 206.
89.Жданов, A.A. Принцип автономного адаптивного управления. Диссертация на соискание ученой степени доктора физико-математических наук. ВЦ РАН. Москва, 1993.
90.Заде, JT.A. Основы нового подхода к анализу сложных систем и процессов принятия решений // Математика сегодня. - М.:3нание, 1974, с. 5-49.
91.Заде, JI.A. Понятие лингвистической переменной и его применение к принятию приближенных решении. - М.: Мир, 1976. - С. 165.
92.Зайченко, Ю. П. Основы проектирования интеллектуальных систем // Интернет: http://www.iasa.org.ua/tpr.php?lang=eng&ch=3, 2004
93.Захаров, В. Н. Интеллектуальные системы управления: Основные понятия и определения // Известия академии наук. Теория и системы управления. 1997. №3.
94.Захаров, В. Н. Современная информационная технология в системах управления // Известия академии наук. Теория и системы управления. 2000. №1.
95.Захаров, В. Н. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. Методология проектирования./ В. Н. Захаров, С. В. Ульянов //Известия академии наук. Техническая кибернетика. 1993. №5.
96.Золотухин, Ю.Н. Вариант построения базы правил для нечеткого контроллера/ Ю.Н. Золотухин, A.B. Кущ // Труды международной конференции «Информационные системы и технологии» .- М. 22 - 26 апреля 2003
97.Каплан, В.Н. Аналитическая теория непрерывных линейных систем / В.Н. Каплан, К.А.Пупков, В.Д. Юрасов.-М.: МИЭМ, 1975.
98. Караваев, М.В. Применение нечеткой логики в имитационной системе автономного адаптивного управления. // Отчеты о проектах РФФИ 03-01-0323, 04-01-0823.
99. Ключев, В.И. Теория электропривода -М.:Энергоатомиздат, 2001.
100. Кольцова, В. В. Линейный асинхронный электропривод двойного питания с нечетким регулятором. // Диссертация кандидата технических наук
05.09.3, Воронеж, 2005.
101. Комарцова, Л.Г. Нейрокомпьютеры / Л.Г. Комарцова, A.B. Максимов М.: МГТУ им. Баумана, 2002. 320 с.
102. Кофман А. Введение в теорию нечетких множеств-М.: Радио и связь, 1982.
103. Красовский, H. Н. Управление динамической системой- М.: Наука,
1985.
104. Кудрявцев, В. С. Применение нечетких лингвистических регуляторов
для управления сложными динамическими объектами. // Диссертация
кандидата технических наук 05.13.06, Екатеринбург, 2003 г.
105. Кулик, Б А. Алгебраические основы естественных рассуждений: Е-
структуры — Материалы второй международной конференции Логико­лингвистическое управление динамическими объектами (DOLLC'99)”, Санкт- Петербург, 21-25 июня 1999 г.,
106. Куржанский, А. Б. Управление и наблюдение в условиях неопределенности. М.: Наука, 1977.
107. Кусков, Ю. В. Влияние технологических параметров конструкции' токопроводящего кристаллизатора на процесс электрошлаковой наплавки // Автоматическая сварка.-1996. - N 9.-С. 59
108. Кусков, Ю. М. Формирование проплавления основного металла при
электрошлаковой наплавке в токопроводящем кристаллизаторе // Сварочное производство.-2001. - №7.-С. 36-39
109. Лукаш, А. Г. Принципы построения и алгоритмы функционирования АСУ ТП ЭШЛ на основе обучающихся моделей./А. Г. Лукаш, Л.А. Кудин// Пробл. спец. электрометаллургии, 1981, вып. 14.
110. Любов, Б. Я. Теория кристаллизации в больших объемах.// М.: Наука, 1975
111. Малинецкий, Г. Г. Современные проблемы нелинейной динамики/ Г. Г. Малинецкий, А. Б. Потапов. Эдиториал УРСС. 2000. — 336 с.
112. Математические методы исследования процессов специальной электрометаллургии, Киев, Знание, 1974
113. Махненко, В.И. Применение ЭВМ для исследования кристаллизации слитка при рафинирующем переплаве/ В.И. Махненко, В.Ф. Демченко. - ИФЖ, 1968, т15, №1;
114. Митчелл, А. Механизм выделения и распространения тепла в процессе ЭШП // Электрошлаковый переплав. - Киев, Наукова думка, 1971. - С. 149-
161.
115. Михалюк, Д.П. Формирование оптимального пути в пространстве состояний сложной технической системы в условиях неполноты исходной
информации/ Д.П. Михалюк, А.В. Суворов, В.В.Ященко, Н.Ю. Ященко // Известия РАН, Теория и системы управления.-1996, № 5.-С.61-65.
116. Моисеев, Н. Н. Математические задачи системного анализа. М.: Наука, 1981.
117. Мургаш, М. Использование магнитного поля при электрошлаковом переплаве стали. Физика и химия обработки материалов, 1998, 2.- с.99-107
118. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Д.А. Поспелова,— М., 1986.
119. Николис, Джон С., Хаотическая динамика лингвистических процессов и образование паттернов в поведении человека. Новая парадигма селективной передачи информации. // Перевод Ю. А. Данилова [Электронный ресурс] Интернет: http://sky.lcuban.ru/socio_etno/iphrRAS/~mifs/work.htm
120. Никулин, А. А. Метод расчета электрического сопротивления шлаковой ванны бифилярных двухэлектродных печей ЭШП. Проблемы специальной электрометаллургии №9, 1978 г.
121. Никульчев, Е. В. Simulink как средство исследования дифференциальных моделей // Exponenta Pro. Математика в приложениях.— 2004.— №1 (5).— С.91-93.
122. Никульчев, Е. В. Модели хаоса для процессов изменения курса акций / Е. В. Никульчев, М. Е. Волович // Exponenta Pro. Математика в приложениях.— 2003. — №1. — С.49-52.
123. Никульчев, Е. В. Использование групп симметрий для идентификации сложных систем // Вычислительные технологии.-— 2004.— Т.9.— №3.— С.72-
80.
124. Никульчев, Е. В. Метод моделирования нелинейных динамических процессов в сложных системах/ Е.В. Никульчев, Е.В. Кучаева //Труды II научной конференции «Проектирование инженерных и научных приложений в среде MATLAB», 2004
125. Никульчев, Е. В. Разработка аппарата исследования сложных процессов на основе хаотических моделей, допускающих группы симметрий // II Всероссийская науч.-практ. конф. «Информационные модели экономики»: Сб. тр. / Под ред. Д. А. Королева. — М.: МГАПИ, 2004.— С.34-40.
126. Отчет о выполнении этапа №1 договора 1303-УК/050-9321/04 Система
контроля ЭШП по теме: «Разработка системы контроля (СК) АСУТП ЭШП» .- Брянск, БГТУ, 2005 г.
127. Отчет о выполнении этапа №2 договора 1303-УК/050-9321/04 Система
контроля ЭШП по теме: «Разработка системы управления (СУ) АСУТП ЭШП».- Брянск, БГТУ, 2006 г.
128. Паклин, Н.Б. Адаптивные модели нечеткого вывода для идентификации
нелинейных зависимостей в сложных системах: Дис к-та техн. наук. - Ижевск, 2004.- 162 с.
129. Панин, В. Н. Влияние жесткости ВАХ источника на устойчивость
процессов электрошлаковой сварки малых толщин // Тяжелое машиностроение.-2005 .-№3. - С. 31-33
130. Патон, Б. Е. Исследование температурных полей крупных ЭШС// Специальная металлургия, т.2., К.- 1982
131. Патон, Б. Е. Математическое описание процесса затвердевания полого ЭШС.// Рафинирующие переплавы. Киев, Паукова Думка, 1975
132. Патон, Б. Е. Электрошлаковая сварка: Основные итоги. Задачи и перспективы развития / Патон Б. E., Дудко Д. А., Ющенко К. А. И др. // Автоматическая сварка.-1997. - N 5.-С. 32
133.&n