№ 5 (2022)

Обложка

Весь выпуск

Анализ и синтез систем управления

РАЗРАБОТКА адаптивной системы стабилизации для беспилотного летательного аппарата самолетного типа

Первушина Н.А., Фролова А.Д.

Аннотация

Представлен результат разработки алгоритма синтеза математической модели эффективной адаптивной системы стабилизации беспилотного летательного аппарата самолетного типа в канале тангажа. Модель представлена в виде структурной схемы. В основу разработки положен метод коррекции, предложенный для применения в бортовых вычислителях. Внесены предложения по изменению структуры контура коррекции с целью улучшения качества работы системы стабилизации нелинейного динамического объекта в условиях переключения режимов управления. Получены результаты математического моделирования работы системы стабилизации после настройки параметров контура коррекции при фиксированных значениях коэффициентов усиления основного контура. Результаты работы системы стабилизации с новой структурой контура коррекции показали ее высокую эффективность в рассматриваемом диапазоне режимов работы летательного аппарата. Представленный алгоритм синтеза системы стабилизации с предложенной структурой контура коррекции позволяет сократить время на процедуру синтеза в несколько раз по сравнению с классическим методом замороженных коэффициентов.

Проблемы управления. 2022;(5):3-15
pages 3-15 views

Условие ограниченности анизотропийной нормы для стационарных систем с мультипликативными шумами

Юрченков А.В.

Аннотация

Проводится анизотропийный анализ для линейных дискретных стационарных систем с мультипликативными шумами. Используется описание динамики системы в пространстве состояний. Внешнее возмущение принадлежит классу последовательностей случайных векторов с ограниченным уровнем средней анизотропии. Мультипликативные шумы центрированы и имеют единичные дисперсии. Внешнее возмущение и мультипликативные шумы предполагаются взаимно независимыми. Для рассматриваемой системы получено условие ограниченности анизотропийной нормы в терминах неравенства типа Риккати на основе леммы о вещественной ограниченности в рамках анизотропийной теории. Показано, что с помощью специального преобразования можно свести задачу анализа ограниченности анизотропийной нормы к задаче выпуклой оптимизации с дополнительными ограничениями. Из существования решения задачи выпуклой оптимизации будет следовать ограниченность анизотропийной нормы системы с мультипликативными шумами, а минимальная верхняя граница анизотропийной нормы может быть получена после решения соответствующей задачи выпуклой оптимизации.

Проблемы управления. 2022;(5):16-24
pages 16-24 views

Управление в социально-экономических системах

МАТЕМАТИЧЕСКАЯ ПОСТАНОВКА ЗАДАЧ УПРАВЛЕНИЯ НА КОГНИТИВНЫХ МОДЕЛЯХ

Горбанёва О.И., Мурзин А.Д., Угольницкий Г.А.

Аннотация

Рассмотрена методология когнитивного моделирования при различных типах управления. Приведён краткий обзор работ в указанной области. Уточнено формальное описание когнитивной модели как имитационной модели на основе взвешенного ориентированного графа (когнитивной карты). Развиты математические постановки задач оптимального, конфликтного и иерархического управления для когнитивных моделей для случая импульсных процессов и в общем случае. Методология иллюстрирована на примерах моделей «хищник -жертва» и агрегированной модели национальной экономики. Указанные методологические положения детально рассмотрены на примере построения и исследования задачи оптимального управления на когнитивной модели университета. Университет распоряжается числом коммерческих мест и стоимостью коммерческого обучения по направлениям подготовки. Описана идентификация модели по реальным данным о трёх крупнейших вузах Ростовской области. Сформулированы выводы и рекомендации по результатам модельного анализа.

Проблемы управления. 2022;(5):25-39
pages 25-39 views

Информационные технологии в управлении

Применение семиотических моделей предметной области в задачах поддержки принятия решений

Кулинич А.А.

Аннотация

Предложен подход к построению систем поддержки принятия решений, основанный на применении семиотической модели предметной области и методов обработки естественного языка. В качестве базы знаний семиотической модели используется корпус текста, релевантный предметной области, в которой построена субъективная семиотическая модель ситуации и полученный из сети Интернет. Предложен метод решения обратной задачи в семиотической системе. Для интерпретации получаемых решений в предметной области предложен семантический калькулятор, в котором применяются метод извлечения родовидовых отношений из корпуса текста на основе лексико-синтаксических шаблонов и метод определения частоты совместной встречаемости слов в решении на основе дистрибутивного анализа корпуса текста. Предложены обобщенные структуры подсистем мониторинга и принятия решений, основанные на семиотической модели ситуации и методах обработки естественного языка. Разработан программный макет подсистемы принятия решений. Эксперименты показали эффективность предложенного подхода.

Проблемы управления. 2022;(5):40-59
pages 40-59 views

ДИФФЕРЕНЦИРОВАНИЕ И ИНТЕГРИРОВАНИЕ В ФУНКЦИОНАЛЬНО-ВОКСЕЛЬНОМ МОДЕЛИРОВАНИИ

Толок А.В., Толок Н.Б.

Аннотация

Рассматривается способ простой генерации частных производных для многомерной функции на функционально-воксельных моделях (ФВ-моделях). Рассматривается общий принцип построения ФВ-модели, её дифференцирования и интегрирования на примере двумерной функции. Под интегрированием понимается получение локальных геометрических характеристик для первообразной локальной функции с дальнейшим решением задачи Коши при окончательном построении ФВ-модели. Алгоритм прямой и обратной задачи дифференцирования базируется на применении основных свойств локальных геометрических характеристик ФВ-моделирования и заложенного принципа линейной аппроксимации области задания алгебраической функции. Он позволяет посредством простых компьютерных вычислений получить искомый результат в виде ФВ-модели, пригодной к любым дальнейшим алгебраическим операциям. Рассматривается пример построения ФВ-модели сложной двумерной алгебраической функции. На основе такой модели получены ФВ-модели частных производных. На основе этих моделей и краевого условия в заданной точке получена исходная ФВ-модель сложной алгебраической функции. Подход применим для работы с алгебраическими функциями, заданными на области различных измерений.

Проблемы управления. 2022;(5):60-67
pages 60-67 views

Заметки

ИСПРАВЛЕНИЕ К СТАТЬЕ Г.Г. СТЕЦЮРЫ «СПОСОБ УСКОРЕНИЯ ДЕЦЕНТРАЛИЗОВАННОГО УПРАВЛЕНИЯ ОДНОВРЕМЕННЫМ ЗАПУСКОМ ДЕЙСТВИЙ В РАСПРЕДЕЛЕННОЙ ГРУППЕ АВТОМАТИЧЕСКИХ УСТРОЙСТВ С ВКЛЮЧЕНИЕМ РЕТРАНСЛЯТОРА»

Аннотация

...

Проблемы управления. 2022;(5):68
pages 68 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».