Статья: ВЫЧИСЛЕНИЕ СПЕКТРАЛЬНОЙ ЭНТРОПИИ СЛУЧАЙНОГО СТАЦИОНАРНОГО ПРОЦЕССА (2024)

The 17th International Conference on Management of Large-Scale Systems Development (MLSD’2024) was held on September 24-26, 2024. This annual event is organized by the Trapeznikov Institute of Control Sciences, the Russian Academy of Sciences, with the technical support of the IEEE Russia Section. MLSD conferences are intended to discuss research in the theory and applications of computer control and management for developing large-scale manufacturing, transport, energy, financial, and social systems. The peculiarity of this year’s conference is that the models of large-scale systems are largely focused on solving current problems of strategic management. The MLSD’2024 program included one plenary session and 16 sections with 393 participants. The original proceedings of MLSD’2024 (195 papers) have been published in Russian and indexed by the National Electronic Library (eLIBRARY. RU). Of these, 169 papers have been extended and published electronically in English in IEEE Xplore (Scopus indexing).

Рассмотрен подход к построению адаптивного управления скалярным объектом с текущей параметрической неопределенностью, для которого доступны измерению только его вход и выход, на основе упрощенных условий адаптируемости. Данный подход относится к непрямому самонастраивающемуся управлению с использованием алгоритма текущей параметрической идентификации и неявной эталонной модели. Структура настраиваемой модели в алгоритме идентификации выбирается как можно более простой, соответствующей основному движению объекта управления и элементарному динамическому звену или звеньям. В результате текущие оценки в составе указанной модели аппроксимируют движение объекта, критерием чего является сходимость невязки идентификации. Также требуется обеспечить определенные требования к текущим оценкам параметров. Эти оценки, даже неточные, используются для формирования закона управления, доставляющего заданные свойства замкнутой системы управления. Указанное положение предложено трактовать как уточнение известного принципа уверенной эквивалентности с исключением требования асимптотически точного оценивания параметров для достижения самонастраивающейся системой адаптивных свойств в задачах управления по выходу объекта. Основные соотношения приведены для примера, когда доминирующая динамика объекта близка колебательному процессу без дополнительной временно́й задержки. Предложено применять алгоритм идентификации в виде рекуррентного метода наименьших квадратов с фактором забывания и некоторыми модификациями. Приведены два примера решения задач построения адаптивных систем: управление угловым движением мостового крана и парирование колебаний упругого трехмассового привода. Предложено назвать рассматриваемый подход идентификационно-аппроксимационным. Отмечены возможность и пути его дальнейшего совершенствования.

Предлагается концептуальный подход к построению комбинированной обратной связи в системе человек - машина с введением искусственного сенсорного компонента обратной связи, управляемого технической подсистемой. Подход направлен на систематизацию роли комбинированной обратной связи в управлении многоагентными системами, включающими дополнительные элементы, людей и искусственных агентов. Он исследован в задаче управления вертикальной позой человека, а также в синтетических экспериментах (на модели CartPole), рассматриваемых на примере обучения с подкреплением. Изучалась изменчивость эффективности решения задачи управления в зависимости от характеристик каналов передачи информации и модификации свойств введенного искусственного сенсорного компонента обратной связи. Полученные результаты показывают концептуальное сходство наблюдений натурного эксперимента и искусственного численного эксперимента в части функционирования дополнительного канала обратной связи - как присутствие сходного эффекта перерегулирования, так и перспективы повышения качества управления путем настройки искусственного сенсорного компонента.

Представлен обзор литературы, посвященной диагностике и прогнозированию оставшегося срока полезного использования авиационных двигателей на основе глубокого обучения. Приведена формальная постановка задачи оценки оставшегося срока полезного использования. Рассмотрены основные архитектуры глубоких нейронных сетей, применяемые для обнаружения редких сбоев и прогнозирования следующих сбоев на основе данных мониторинга авиационных двигателей. Рассмотрено извлечение информативных признаков с помощью автоэнкодеров. Приводится структура ячеек долгой кратковременной памяти и механизма внимания, применяемых в глубоких нейронных сетях для прогнозирования оставшегося срока полезного использования. Рассматривается задача интеграции прогноза оставшегося срока полезного использования в планирование технического обслуживания на основе обучения с подкреплением.