ИТ мягких вычислений в слабо формализованных физических объектах: интеллектуальное управление азотным охлаждением сверхпроводящих магнитов без математической модели объекта
Автор: Решетников А.Г., Ульянов С.В.
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Рубрика: Современные проблемы информатики и управления
Статья в выпуске: 2, 2026 года.
Бесплатный доступ
Рассматривается применение методов сквозной ИТ-инженерии на основе мягких вычислений в задачах интеллектуального управления слабоструктурированными и плохо формализуемыми физическими (классическими) объектами с не доопределенными (скрытыми) параметрами. На примере объекта управления из интеллектуальной робототехники и самоорганизующихся интеллектуальных регуляторов, встроенных в бортовые системы управления, показана эффективность и преимущество применения разработанных интеллектуальных систем управления на основе ИТ мягких вычислений. Применяемая теорема об универсальном аппроксиматоре нечеткими системами с заданной точностью плохо формализованных объектов реализована на инструментарии SCOptKBTM проектирования баз знаний нечетких регуляторов. Приведен пример существенно нелинейного и динамически неустойчивого автономного интеллектуального робота, имитирующего взаимодействие вентилей давления и расхода азота (первый этап ИТ). а также управляющего давлением и расходом азота в криогенной установке охлаждения сверхпроводящего (СП) - магнита в «мега – сайенс» проекте NICA. В этом случае СП – магнит рассматривается как объект управления со слабоструктурированной, плохо формализуемой моделью с не доопределенными параметрами, индивидуальная информация о которых содержится в обучающем сигнале, измеренного на реальном объекте. Показано преимущество адаптивного нечеткого управления классическими объектами управления как направления применения ИИ в теории и систем управления. Технология мягких вычислений и нечеткий вывод регулятора с применением инструментария SCOptKBTM позволяют извлекать знания из измеренного (или смоделированного) обучающего сигнала и реализованы на промышленном процессоре, что существенно расширяет возможности эффективного применения ИТ-инженерии и масштабирования на роботизированные производства в проектах типа «Индустрия 4.0 / 5.0 / 6.0».
Интеллектуальные системы управления, нечёткий нейронный контроллер, генетический алгоритм, сверхпроводящий магнит, ускорительный комплекс
Короткий адрес: https://sciup.org/14135745
IDR: 14135745 | УДК: 658.012.011.56
IT of soft computing in weakly formalized physical objects: intelligent control of nitrogen cooling of superconducting magnets without a mathematical object model
This article examines the application of end-to-end IT engineering methods based on soft computing to intelligent control tasks involving weakly structured and poorly formalized physical (classical) objects with undetermined (hidden) parameters. Using the example of a controlled object based on intelligent robotics and self-organizing intelligent controllers integrated into onboard control systems, the effectiveness and advantages of using the developed intelligent control systems based on soft computing are demonstrated. The applied theorem on a universal approximator for fuzzy systems with a given accuracy for poorly formalized objects is implemented using the SCOptKBTM toolkit for designing knowledge bases for fuzzy controllers. An example is given of a highly nonlinear and dynamically unstable autonomous intelligent robot simulating the interaction of nitrogen pressure and flow valves (the first stage of the IT), as well as controlling the nitrogen pressure and flow in a cryogenic cooling unit for a superconducting (SC) magnet in the NICA mega-science project. In this case, the SC magnet is considered a control object with a weakly structured, poorly formalized model with underdetermined parameters, the individual information about which is contained in the training signal measured on the actual object. The advantages of adaptive fuzzy control of classical control objects as an application of a cognitive – rational AI in control theory and systems are demonstrated. Soft computing technology and fuzzy controller inference using the SCOptKBTM toolkit enable knowledge extraction from a measured (or simulated) learning signal and are implemented on an industrial processor, significantly expanding the possibilities for the effective application of IT engineering and scaling to robotic production in Industry 4.0/5.0/6.0 projects.
