Рассматривается новый, активно развивающийся класс интеллектуальных систем автоматического управления, построенных на технологии обработки знаний с позиции эффективного применения при решении задач управления в условиях неопределённости. Изложены основы построения интеллектуальных систем. В качестве приоритетного теоретического базиса для проектирования и исследования таких систем обосновано применение технологии нечёткой логики и изложена методика синтеза нечётких алгоритмов управления; представлены системы, в которых целесообразно использование технологий экспертных систем и нейросетевых структур.

Ключевые проблемы, связанные с проектированием интеллектуальных регуляторов и систем, анализируются на примерах следящих систем, систем управления беспилотными летательными аппаратами и многозвенными мехатронными устройствами. Рассмотрено решение задачи автоматизированного синтеза интеллектуальных систем с применением генетических алгоритмов.

Предложены эффективные способы обработки разнородной информации и построения человеко-машинного интерфейса для интеллектуальных автономных систем управления.

Для научных, инженерно-технических работников, аспирантов и студентов, занимающихся разработкой и исследованием систем автоматического управления.

«Проблема создания искусственного интеллекта занимает научную общественность не одно десятилетие. Однако только в последние годы все более чётко прорисовываются области конкретного применения и реальные возможности интеллектуальных технологий. Широкий спектр работ ведётся в области создания интеллектуальных систем различных типов и назначения — поддержки и принятия решений, обработки и распознавания неоднозначной информации, диагностики и автоматического управления.
Принципиальной особенностью таких систем является работа со знаниями в той или иной предметной области.
В сочетании с современным уровнем развития элементной базы и средств вычислительной техники удаётся процедуру обработки знаний включить в контур создаваемых систем, обеспечивая высокое качество их работы в условиях неполноты, нечёткости и неопределённости поступающей входной информации.
В данной книге рассматривается предметная область систем автоматического управления. Ещё в 70-е годы немалые надежды по совершенствованию работы САУ в условиях неопределённости возлагались на теорию адаптивных систем. Но поскольку повышались требования по точности, быстродействию и другим параметрам, эта теория далеко не всегда оказывалась конструктивной. Более того, по мере создания перспективных образцов автономной техники, такой, например, как мобильные роботы, беспилотные летательные аппараты и т.д., которые должны обладать развитыми возможностями по планированию поведения и последовательности целесообразных действий в условиях неопределённости внешней обстановки при наличии различного рода возмущений, возникла необходимость в привлечении принципиально иной теоретической базы, способной обеспечить решение подобной совокупности задач в реальном масштабе времени.
Из мощного пласта фундаментальных исследований в области искусственного интеллекта, имеющих достаточно общий теоретический характер, начинают просматриваться разделы, которые имеют очевидное практическое приложение…»

ВВЕДЕНИЕ

Книги на ту же тему

1. Системы искусственного интеллекта, Лорьер Ж. Л., 1991
2. Логический подход к искусственному интеллекту: от классической логики к логическому программированию, Тей А., Грибомон П., Луи Ж., Снийерс Д., Водон П., Гоше П., Грегуар Э., Санчес Э., Дельсарт Ф., 1990
3. Искусственный интеллект: Методы поиска решений, Нильсон Н., 1973
4. Автоматизация синтеза и обучение интеллектуальных систем автоматического управления, Макаров И. М., Лохин В. М., ред., 2009
5. Искусственный интеллект: применение в химии, Пирс Т., Хони Б., ред., 1988
6. Интеллектуальные информационные системы, Любарский Ю. Я., 1990
7. Эволюция, нейронные сети, интеллект: Модели и концепции эволюционной кибернетики. — 5-е изд., стереотип., Редько В. Г., 2007
8. Нечёткие модели и сети, Борисов В. В., Круглов В. В., Федулов А. С., 2007
9. Нечёткие множества в моделях управления и искусственного интеллекта, Аверкин А. Н., Батыршин И. 3., Блишун А. Ф., Силов В. Б., Тарасов В. Б., 1986
10. Стохастические модели обучаемости, Буш Р., Мостеллер Ф., 1962
11. Компьютеры, мозг, познание: успехи когнитивных наук, Величковский Б. М., Соловьёв В. Д., ред., 2008
12. Сотрудничающий компьютер: проблемы, теории, приложения, Стефанюк В. Л., Жожикашвили А. В., 2007
13. Нейронное программирование диалоговых систем, Толкачёв С. Ф., 2006
14. Нейросетевые системы управления, Терехов В. А., Ефимов Д. В., Тюкин И. Ю., 2002
15. Непараметрические коллективы решающих правил, Лапко В. А., 2002
16. Контроль динамических систем. — 2-е изд., перераб. и доп., Евланов Л. Г., 1979
17. Последовательные методы в распознавании образов и обучении машин, Фу К., 1971
18. Методы распознавания: Учебное пособие для вузов. — 3-е изд., перераб. и доп., Горелик А. Л., Скрипкин В. А., 1989
19. Зрение роботов, Хорн Б. К. П., 1989
20. Искусственный интеллект: Применение в интегрированных производственных системах, Кьюсиак Э., ред., 1991
21. Инжиниринг объектов интеллектуальной энергетической системы. Проектирование. Строительство. Бизнес и управление: практическое пособие, Осика Л. К., 2014
22. Наведение и навигация баллистических ракет: Учебное пособие, Лысенко Л. Н., 2007
23. Игровое моделирование экономических процессов (деловые игры), Гидрович С. Р., Сыроежин И. М., 1976
24. Модернизация системы налогового контроля на основе нейросетевых информационных технологий, Букаев Г. И., Бублик Н. Д., Горбатков С. А., Саттаров Р. Ф., 2001
25. Чего не могут вычислительные машины: Критика искусственного разума, Дрейфус Х., 1978