Проектирование робастных нечетких регуляторов в условиях неопределенности исходной информации

ВВЕДЕНИЕ.
ГЛАВА 1. АНАЛИЗ СОСТОЯНИЯ ПРОБЛЕМЫ
ПРОЕКТИРОВАНИЯ РОБАСТНЫХ НЕЧЕТКИХ
РЕГУЛЯТОРОВ НА ОСНОВЕ МЯГКИХ ВЫЧИСЛЕНИЙ.
1.1. Интеллектуальное управление сложными динамическими системами на основе мягких вычислений
1.2. Особенности технологии проектирования структур робастных ИСУ.
1.3. Поколения и эволюция типовых структур ИСУ.
Выводы по главе
ГЛАВА 2. МЕТОД УЧЕТА ИНФОРМАЦИОННОЙ ОЦЕНКИ ПРИРАЩЕНИЯ РИСКА В ПРОДУКЦИОННЫХ ПРАВИЛАХ БЗ НР.
2.1. Информационные оценки для приращения среднего риска при изменении законов распределения вероятностей.
2.2. Оценки для приращения байесовского риска
2.3. Информационные оценки устойчивости последовательного решающего правила при изменении законов распределений вероятностей.
2.4. Информационные оценки для риска в задачах обработки больших массивов информации
2.5. Описание приращения информационного риска в терминах
лингвистических переменных.
Выводы по главе
ГЛАВА 3. МЕХАНИЗМ ПРОЕКТИРОВАНИЯ РОБАСТНЫХ НЕЧЕТКИХ РЕГУЛЯТОРОВ, СПОСОБНЫХ ФУНКЦИОНИРОВАТЬ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ИСХОДНОЙ ИНФОРМАЦИИ
3.1. Структура ОБЗ и шаги оптимизации БЗ.
3.2. Программный инструментарий моделирования баз знаний.
3.3. Пример применения ИТП ИСУ на мягких вычислениях с использованием инструментария ОБЗ
3.3.1. Глобально неустойчивый объект управления динамическая система шарик доска .
3.3.1.1. Исследование свободного движения ОУ
3.3.1.2. Стохастическое моделирование движения ОУ.
3.3.2. Исследование классического ПИД управления в различных условиях
3.3.3. Проектирование интеллектуального управления.
3.3.4. Исследование робастности построенных баз знаний
и сравнение с ПИД управлением
Выводы по главе
ГЛАВА 4. ПРИМЕНЕНИЕ МЕХАНИЗМА ПРОЕКТИРОВАНИЯ НЕЧЕТКИХ РЕГУЛЯТОРОВ НА ОСНОВЕ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ РОБАСТНЫХ БЗ С УЧЕТОМ ОЦЕНКИ ПРИРАЩЕНИЯ ИНФОРМАЦИОННОГО РИСКА
4.1. Этапы информационной технологии проектирования ИТП ИСУ
4.1.1. Извлечение, обработка и формирование объективных знаний на основе технологий мягких вычислений
и стохастического моделирования
4.1.2. Аппроксимация обучающего сигнала с помощью ОБЗ.
4.1.2.1. ГА алгоритм генерации лингвистических переменных при построении баз знаний нечетких систем.
4.1.2.2. ГА2 и ГАз алгоритмы для оптимизации БЗ
4.2. Пример интеллектуального управления системой железнодорожного транспорта ЖДТ на основе мягких вычислений
4.2.1. Особенности управления системой ЖДТ
4.2.2. Интеллектуальное управление рисками и безопасность движения ЖДТ в условиях риска и нештатных ситуаций.
4.2.3. Иерархическая ИСУ ЖДТ принятия решения в нештатных ситуациях с учетом неопределенности исходной информации
Выводы по главе.
ЗАКЛЮЧЕНИЕ.
СПИСОК ЛИТЕРАТУРЫ