Интеллектуальная идентификация систем с распределенными параметрами в условиях неполноты информации

Целью проекта является разработка новой методологии идентификации процессов и систем с распределенными параметрами в области технологической теплофизики. Предлагаемый подход объединит достоинства аналитических методов теории оптимального управления, позволяющих максимально полно учесть специфику исследуемых процессов и основанных на точных аналитических условиях оптимальности, и методов искусственного интеллекта, предоставляющих эффективные инструменты для поиска решений в условиях неполноты и неопределенности математического описания систем. Планируется разработать интеллектуальную систему идентификации, обеспечивающую информационную поддержку процесса принятия решения в условиях структурно-параметрической неопределенности. Решение указанной проблемы будет осуществляться за счёт преобразования слабо формализованной проблемы в совокупность хорошо формализованных задач, соответствующих допустимым альтернативам, и их последующего решения методами оптимального управления с применением нейросетевых технологий. Актуальность проекта обусловлена потребностью в новых системно-методологических подходах к решению технологических задач промышленной физики, обеспечивающих интенсификацию и оптимизацию производства, как на этапе проектирования промышленного оборудования, так и при его эксплуатации. Практическая значимость исследования обоснована широким распространением обратных задач математической физики в различных областях технических приложений. Научная значимость состоит в разработке методологии, рассматривающей с единых позиций общей теории управления, решения практических задач идентификации, характеризующихся трудноформализуемымиусловиями и предъявляющих высокие требования к качеству управления. Научная новизна заключается в комплексном подходе к процедуре построения математических моделей сложных бесконечномерных систем, совмещающем применение аналитических методов идентификации, учитывающих качественные особенности нестационарных процессов теплопроводности посредством использования точных математических моделей, и методов искусственного интеллекта, позволяющих находить решения в условиях неполноты информации. Предлагается реализация двухуровневой интеллектуальной системы, верхний уровень которой обеспечивает поддержку принятия решения в задаче структурной идентификации, сводящейся к формализации и структуризации исследуемых явлений в рамках совокупности конечного числа математических моделей, определяемых спецификой предметной области. Оценка альтернатив, определяемых в каждом конкретном случае доступной информацией, и выбор предпочтительного варианта осуществляется на основе комплексного критерия качества. Основой системы является условно-корректный метод, вводящий задачу в класс корректных за счет использования ограничений, накладываемых на математическую модель объекта в виде требований физической реализуемости решений с учетом их гладкости. На базе предварительной параметризации на компактных множествах определений искомых решений осуществляется редукция исходной некорректно поставленной обратной задачи к задаче параметрической оптимизации температурных невязок, решение которой осуществляется на нижнем уровне. Наличие априорной информации о структуре искомого решения позволяет сузить множество решений до требуемого класса, а в случае её отсутствия осуществляется процедура поиска последовательных приближений к точному решению на основе их последовательной параметризации. Поиск квазиоптимальных решений осуществляется с применением искусственных нейронных сетей на основе обработки входной информации, задаваемой условиями интервальной неопределенности. Таким образом, поиск решений производится на компактных множествах, выбор которых осуществляется с помощью интеллектуальных технологий на верхнем уровне системы идентификации, на основе параметрической минимизации ошибок идентификации, реализуемой на нижнем уровне.