Адаптація предикатної моделі в задачах керування нестаціонарними статичними об'єктами

Автор(и)

  • M. Tryputen
  • V. Kuznetsov
  • O. Verovkin

DOI:

https://doi.org/10.34185/1562-9945-5-160-2025-12

Ключові слова:

управління статичними об'єктами, предикатна модель, α-алгебра, мінімізація опису образів, адаптація моделі, інформація, нестаціонарні технологічні процеси, реляційна модель даних, автоматизовані системи управління

Анотація

У даній роботі розглянуто актуальну науково-практичну задачу підвищення ефе-ктивності управління статичними та квазістатичними технологічними об’єктами в умовах їх нестаціонарної поведінки та мінливості зовнішніх впливів. Особлива увага приділяється застосуванню предикатних моделей, які дозволяють формалізовано опи-сувати різноманітні технологічні ситуації, стани та взаємозв’язки параметрів об’єкта управління за допомогою логічних конструкцій. Такі моделі є гнучким інстру-ментом для представлення знань про об’єкт і забезпечують можливість адаптації до зміни параметрів у процесі експлуатації.
Запропоновано новий підхід до побудови та адаптації предикатної моделі на ос-нові алгоритму мінімізації опису образів технологічних ситуацій. Його сутність поля-гає у виявленні та видаленні з моделі інформації, що втратила актуальність, а також у спрощенні логічної структури моделі без втрати якості її опису. Важливою особ-ливістю даного підходу є використання властивості інваріантності кількості пара-метрів, що визначають гіперпаралелепіпед у факторному просторі незалежно від його розмірів. Це дозволяє суттєво зменшити кількість предикатів у моделі та знизити складність обчислювальних процедур у системах автоматизованого управління.
Методика побудови моделі передбачає розбиття факторного простору на еле-ментарні підобласті - гіперпаралелепіпеди, які дозволяють гнучко формувати опис різних ситуацій. При цьому граничні підобласті, що мають найменші розміри, визна-чають точність роздільної функції. Об'єднання таких підобластей у напрямку осей ознак дозволяє оптимізувати структуру моделі та спростити процес прийняття рішень в системах управління.
Особливу увагу в роботі приділено можливості практичної реалізації алгоритму мінімізації на основі апарату α-алгебри. Це забезпечує інтеграцію моделі до інфор-маційних систем на основі реляційних моделей даних, які підтримуються сучасними системами управління базами даних. Такий підхід дозволяє підвищити універсальність та зручність використання запропонованого методу у складі існуючих автоматизова-них систем управління технологічними процесами.
Показано, що використання моделі з мінімізованим описом дозволяє забезпечити високу якість управлінських рішень, адаптивність до зміни характеристик процесу та стабільність функціонування системи в умовах впливу зовнішніх та внутрішніх фак-торів невизначеності.
Таким чином, представлений у роботі підхід до побудови предикатної моделі та її адаптації шляхом мінімізації опису образів технологічних ситуацій є універсальним інструментом для управління нестаціонарними статичними об'єктами. Запропонова-ний алгоритм може бути використаний для створення інтелектуальних систем підтримки прийняття рішень, автоматизованих систем оптимального управління, а також інформаційно-аналітичних систем промислових підприємств.

Посилання

Temnikova, O. L. Mathematical Logic and Theory of Algorithms: Lecture Notes [Elec-tronic resource]: a textbook for students of the specialty 113 "Applied Mathematics", educational program "Data Science and Mathematical Modeling" / O. L. Temnikova; Igor Si-korsky Kyiv Polytechnic Institute. – Electronic text data (1 file: 3.60 MB). – Kyiv: Igor Sikorsky KPI, 2021. – 177 p.

Tryputen, N., Nikolenko, A., Voskoboynik, Y., Kuznetsov, V., Kuznetsova, Y., & Tryputen, M. (2018). Predicate model in the task of optimal selection of protection means for an asynchronous motor. Electromagnetic Compatibility and Safety on Railway Transport, (16). Pp. 70-75. https://doi.org/10.15802/ecsrt2018/172650

Kuznetsov V., Tryputen M., Kuznetsov V., Tryputen M., Kuznetsova A., and Kuznetsova Y. Choosing of Asynchronous Motor Protection Equipment in Production Environment IOP Conf. Series: Materials Science and Engineering 985 (2020) 012022 doi:10.1088/1757-899X/985/1/012022

Tryputen M., Kuznetsov V., Kovzel M., Kovalenko V., Artemchuk V., Nadtochyi V. Min-imization of the Description of Images in the Problem of Adaptive Control of Static Techno-logical Objects (2021) Proceedings of the 20th IEEE International Conference on Modern Electrical and Energy Systems, MEES 2021.DOI: 10.1109/MEES52427.2021.9598651

Tryputen M., Kuznetsov V., Kuznetsova A., Tryputen M., Kuznetsova Y., Serdiuk T. Im-proving the Reliability of Simulating the Operation of an Induction Motor in Solving the Technical and Economic Problem (2021) Advances in Intelligent Systems and Computing, 1247 AISC, pp. 143 – 152. DOI: 10.1007/978-3-030-55506-1_13

Kachan, Y. G. (1984). Adaptation of the image in the algorithm for recognizing industrial situations. Mechanization and Automation of Control, (1), 15–17.

Voronov, V. A. (1982). Method for describing technological situations and its application in process control. Ore Beneficiation, (2), 31–35.

Yang K.H., Olson D., Kim J. Comparison of first order predicate logic, fuzzy logic and non-monotonic logic as knowledge representation methodology (2004) Expert Systems with Applications, 27 (4), pp. 501 - 519, DOI: 10.1016/j.eswa.2004.05.012

Zangwill, Willard I. Nonlinear programming; a unified approach (1969) Englewood Cliffs, N.J., Prentice-Hall, 356 p.

Polak, E. Computational Methods in Optimization (1971), Academic Press, New York-London, 329 p.

Himmelblau, David Mautner Applied Nonlinear Programming (1972), New York,498 p.

Tsypkin, Ya Z. Adaptation and Learning in Automatic Systems (1971), Academic Press, New York / London, 399 p.

Tsypkin, Ya Z. Information theory of identification (1995), Moscow, Science, 336 p.

Kuznetsov, V.V., Tryputen, M.M., Kuznetsov, V.G., Tryputen, M., Kuznetsova, A., Kuznetsova, Y. Choosing of asynchronous motor protection equipment in production environment (2020) IOP Conference Series: Materials Science and Engineering, 985 (1), DOI: 10.1088/1757-899X/985/1/012022

Tryputen, M., Kuznetsov, V., Kuznetsova, A., Tryputen, M., Kuznetsova, Y., Serdiuk, T. Improving the Reliability of Simulating the Operation of an Induction Motor in Solving the Technical and Economic Problem (2021) Advances in Intelligent Systems and Computing, 1247 AISC, pp. 143-152. DOI: 10.1007/978-3-030-55506-1_13

Wei, Q., Duan, G., Cai J. and Zhou, G. Mapping Technique of STEP Data Model in Relational Database Based on Data Storage, 2009 Second International Conference on Intelligent Networks and Intelligent Systems, 2009, pp. 657-660, doi: 10.1109/ICINIS.2009.170.

Al-Kandari, A. and Alhouli, M. Fuzzy Object Relational Database Management System (FORDBMS) is appropriate approach for Real-Estate (GIS) business, 2014 Fourth International Conference on Digital Information and Communication Technology and its Applications (DICTAP), 2014, pp. 114-117, doi: 10.1109/DICTAP.2014.6821667.

Suna Yin, Dehua Chen, Jiajin Le, "STNoSQL: Creating NoSQL database on the SensibleThings platform", Software Engineering Artificial Intelligence Networking and Parallel/Distributed Computing (SNPD) 2016 17th IEEE/ACIS International Conference on, pp. 669-674, 2016.

Завантаження

Опубліковано

2025-07-01