Avtomatika i telemehanika

ISSN (Print): 0005-2310ISSN (Online) 2413-9777

Media registration certificate: № 0110164 от 04.02.1993

Founders:  Institute for Information Transmission Problems of the RAS; Institute of Control Sciences of the RAS; Russian Academy of Sciences (RAS)

Editor-in-Chief: Galyaev Andrey Alekseevich , corresponding member of RAS, Institute of Control Sciences of the RAS

Number of issues per year: 12

Indexation:

Translated version: Scopus, Web of Science.

The journal is published under Department of Energy, Mechanics, Engineering and Management Processes of the Russian Academy of Sciences at V.A. Trapeznikov Institute of Control Sciences RAS. Co-founder of the journal is A.A. Kharkevich Institute for Information Transmission Problems RAS.

The journal is one of the oldest periodicals in the world devoted to the problems of control sciences. The journal publishes the results in the field of theory and practice of automatic control.

Journal “Avtomatika i Telemekhanika” is published in Russian and translated in English as «Automation and Remote Control». It is distributed in print both in Russian Federation and worldwide.

Articles submitted to the journal must be written in Russian. There is no publication fee for authors.

 

Publisher's imprint and related links

Journal name:

  • Автоматика и телемеханика (in Russian),
  • Avtomatika i Telemekhanika (trasliteration),
  • Automation and Remote Control (title of translated in English version).


Abbreviation: АиТ (in Russian), AiT (transliterated), ARC (English title)
Abbreviation in reference lists:

  • Avtom. i Telemekh. (transliterated or Russian version reference),
  • Autom. Remote Control (English title).

 

In English references please do not use transliteration (for issues since 1956), but rather refer to translated issues under title “Automation and Remote Control”. Its content is freely available on Springer web-site since 2001.

 

Citation databases and metrics

Journal “Avtomatika i Telemekhanika” (in Russian) is listed in the List of peer-reviewed scientific journals, where main results of PhD dissertations and Doctor of Science dissertations should be published prior defence, see http://vak.minobrnauki.gov.ru - in Russian

Being fully translated in English as title “Automation and Remote Control”, the journal is listed in Scopus and Web of Science Core Collection.
In Web of Science Automation and Remote Control has Impact Factor (IF) 2022: 0.538,
In Scopus 2021: H-index 37, SCImago Journal Rank (SJR) 0.325.

SCImago Journal & Country Rank

 

Print journal and mail subscription

Journal publisher is Akademizdatcenter “Nauka” RAS.
The certificate of registration of mass media No. 0110164 issued 04.02.1993.
Print issues volume is around 320 copies.
Periodicity 12 issues per year annually (monthly).
Average issue volume is around 15.6 conventional printed sheets.
Printer's sheet format is 70х100 1/16.
Language of the journal is Russian.

Print issues may be ordered via subscription index No. 70001 in Russan mail catalogue in post-offices.

 

Translation into English language

All scientific articles of the journal “Avtomatika i Telemekhanika” are being translated in English since 1956 and are being published under title “Automation and Remote Control”, with print ISSN 0005-1179, online ISSN (eISSN) 1608-3032.

Currently translation and publishing are performed by the English Editor board of the journal. Subscription is provided by Springer (electronically or in print)

As title “Automation and Remote Control” the journal is listed in main citation databases and listed in Web of Science Core Collection (see WoS Master Journal List) and Scopus (see Scopus Source List).

Current Issue

Open Access Open Access  Restricted Access Access granted  Restricted Access Subscription Access

No 4 (2025)

Cover Page

Full Issue

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Linear systems

Adaptive Compensation of External Disturbances for MIMO Systems with Output Control
Nikiforov V.O., Gerasimov D.N., Dudarenko N.A.
Abstract
Рассматривается задача адаптивной компенсации внешних заранее неизвестных детерминированных возмущений при управлении по выходу (т.е. по вектору выходных переменных) многоканальным линейным объектом. Предлагаемое новое решение основано на адаптивной реализации метода внутренней модели и построении специального наблюдателя, позволяющего получить регрессионную модель многомерного возмущения и синтезировать адаптивный регулятор с числом настраиваемых параметров, равным числу неизвестных коэффициентов характеристического полинома модели возмущения. При определенных условиях динамический порядок такого наблюдателя оказывается существенно ниже, чем у известных решений.
Avtomatika i telemehanika. 2025;(4):3-21
pages 3-21 views

Nonlinear systems

Problem of Optimal Control by Coefficients of the Nonlinear Schroedinger Type Equation
Pashaev A.M., Iskenderov A.D., Musaeva M.A.
Abstract
Изучается разрешимость задачи оптимального управления коэффициентом старшей производной и квантовым потенциалом в нелинейном и нестационарном уравнении типа Шредингера, которое обобщает известное квантовомеханическое уравнение. Рассматривается задача одновременного управления несколькими коэффициентами уравнения состояния по критерию качества, являющаяся невязкой граничных данных решения. Для этой задачи найдены условия корректности постановки и доказана теорема существования решения. Рассматривается также задача с «возмущенным» критерием качества, для которой доказана теорема существования и единственности решения. Определен явный вид первой вариации функционала качества и описан итеративный алгоритм решения изучаемых задач. Результаты являются новыми также для стандартного уравнения Шредингера в квантовой механике.
Avtomatika i telemehanika. 2025;(4):22-33
pages 22-33 views

Stochastic systems

Decomposition-Autocompensation Signal Identification Based on the Continuity, Invariance, Multiplication, and Ranking Principles with Consideration of Regular and Irregular Noise
Bulychev Y.G.
Abstract
С учетом принципов непрерывности, инвариантности, размножения и ранжирования развивается новый метод оптимального распознавания сигналов в условиях существенной априорной неопределенности применительно к информационно-измерительным системам реального времени. Предполагается, что в уравнении наблюдения помимо случайного шума (с неизвестным законом распределения, но заданной корреляционной матрицей) могут присутствовать регулярная помеха (допускает аналитическое конечно-спектральное представление) и нерегулярная помеха (для ее описания не удается использовать какой-либо эффективный вариант вероятностного описания). Относительно последней возможно лишь введение некоторых числовых характеристик и ограничений, подтверждающихся практикой эксплуатации конкретной системы. Метод инвариантен к указанным помехам, не требует традиционного расширения пространства состояний и обеспечивает декомпозицию вычислительной процедуры. Анализируются случайные и методические погрешности, а также достигаемый вычислительный эффект. Приводится иллюстративный пример.
Avtomatika i telemehanika. 2025;(4):34-54
pages 34-54 views
Multivariate Continuous Distributions and Copulas Generating Nontransitive Tuples of Dependent Random Variables
Lebedev A.V.
Abstract
Работа продолжает авторский цикл по изучению феномена нетранзитивности отношения стохастического предшествования в теории вероятностей. Исходя из парадокса Кондорсе, построены примеры трехмерных непрерывных распределений и копул, порождающих нетранзитивные наборы зависимых случайных величин. Доказаны предельные теоремы для многомерных смесей.
Avtomatika i telemehanika. 2025;(4):55-70
pages 55-70 views

Intellectual control systems, data analysis

Data Quality Management in Problem Solving Using Research Infrastructures over Heterogeneous Data Sources
Skvortsov N.A.
Abstract
Решение задач на основе доступных научных данных, особенно в контексте открытой науки и исследовательских инфраструктур, должно обеспечивать возможность их многократного повторного использования. Показатели качества данных являются важными характеристиками, влияющими не только на точность методов при решении исследовательских задач, но и на оценку пригодности данных, возможность решения конкретных научных задач, выбор методов работы с данными, их совместимость, возможность отождествления объектов и другие аспекты повторного использования. При этом требуется оценка различных показателей качества данных на разных уровнях агрегации – от целых наборов данных до отдельных значений. Вданном исследовании представлен подход к комплексному управлению качеством данных на основе их спецификаций, а также требований к качеству данных и метаданных. Обсуждаются различные показатели оценки качества данных, включая точность, полноту и происхождение. Разработанный подход применен на примере решения задач с использованием множественных источников данных в области звездной астрономии.
Avtomatika i telemehanika. 2025;(4):71-91
pages 71-91 views

Optimization, system analysis, and operations research

Using Ensembles with Enhanced Divergence in Forecast Space in Recommender Systems
Senko O.V., Dokukin A.A., Melnik F.A.
Abstract
Рассматривается метод дивергентного решающего леса, основанный на достижении более высокой дивергенции в пространстве прогнозов по сравнению со стандартным случайным решающим лесом за счет включения на каждом шаге в ансамбль нового дерева Tx, которое строится исходя из условий минимизации специального функционала, являющегося разностью квадратичной ошибки Tx и квадрата расхождения прогнозов Tx и текущего ансамбля. Метод является развитием аналогичных ранее разработанных методов, которые предназначены для прогнозирования числовых переменных. Вработе представлены результаты применения метода дивергентного решающего леса для решения задач классификации, возникающих при создании рекомендательных систем. Исследована зависимость эффективности прогноза от глубины деревьев и одного из ключевых параметров алгоритма, регулирующего вклад двух составляющих в минимизируемый функционал. Исследования показали, что точность предлагаемой технологии заметно превышает точность случайного решающего леса и близка к точности метода CatBoost.
Avtomatika i telemehanika. 2025;(4):92-100
pages 92-100 views
Minimax Approach for Using the Qualitative Preferences in the Multicriteria Evaluation
Shaposhnikov D.E.
Abstract
Поддержка принятия решений в аналитических системах на основе использования больших данных предполагает формирование интегральных оценок объектов по всему множеству параметров или некоторому их подмножеству. Встатье рассматривается проблема получения многокритериальной (многопараметрической) оценки объектов и подход, который предполагает использование весовых коэффициентов важности при наличии качественной и, возможно, неполной информации об относительной важности тех или иных частных критериев. Рассматривается фундаментальный принцип возможности различных количественных оценок относительной предпочтительности частных критериев для различных объектов популяции при сохранении системы предпочтений всего множества объектов. Используемый подход предполагает, что лицо, принимающее решение, формулирует качественную информацию об относительной предпочтельности частных критериев в виде необязательно полного графа предпочтений. Для каждого объекта весовые коэффициенты рассчитываются автоматически по принципу гарантированного результата путем решения оптимизационной задачи с использованием обобщенных логических критериев максимального риска и максимальной осторожности. Для частных случаев систем предпочтений приведены аналитические соотношения и алгоритмы расчета весовых коэффициентов. Данная методика обеспечивает использование дополнительной качественной информации о предпочтениях тех или иных критериев, получение численных значений весовых коэффициентов значимости и решение задачи многокритериальной оценки на основе принципа гарантированного результата.
Avtomatika i telemehanika. 2025;(4):101-114
pages 101-114 views

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».