Найти

Результаты поиска

• ОПЫТ ПРИМЕНЕНИЯ ОБУЧАЮЩИХ СИСТЕМ С ЭЛЕМЕНТАМИ ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ ДЛЯ ПОДГОТОВКИ СПЕЦИАЛИСТОВ РАКЕТНЫХ ВОЙСК И АРТИЛЛЕРИИ, ПРИМЕНЯЮЩИХ РОБОТОТЕХНИЧЕСКИЕ КОМПЛЕКСЫ ВОЕННОГО НАЗНАЧЕНИЯ

  А.И. Наговицин, С. Н. Пестерев, Б. Б. Молоткова, И. В. Аксенов

  2020-07-10

  Аннотация ▼

  Представлены задачи, решаемые перспективными РТК ВН в интересах РВиА. Сформу-лирован вывод о том, что проблема подготовки и повышения качества знаний специалистов РВиА применяющих робототехнические комплексы военного назначения остается одной из актуальных проблем высшего военно-профессионального образования и приобретает новыеаспекты рассмотрения. Показано,что одним из эффективных путей решения проблемы под-готовки и повышения качества знаний специалистов РВиА является разработка и внедрение в образовательный процесс компьютерных обучающих систем с элементами виртуальной реаль-ности и 3D визуализации изучаемых образцов техники и вооружения. Кратко изложены основ-ные возможности, разработанной в Михайловской военной артиллерийской академиии используемой в образовательном процессе компьютерной информационно-справочной системы «Компендиум РВиА». Приведены предварительные результаты проводимого педагогического эксперимента с применением «Компендиума РВиА», Отмечены основные факторы, повышающие эффективность образовательного процесса. На основе результатов педагогического эксперимента сделан обоснованный вывод, что применение КИСС «Компендиум РВиА» позволяет повысить эффективность обучения, уменьшить сроки освоения техники, т.е.более эффективно использовать учебное время и как результат – сократить стоимость подготовки специали-стов и количество моторесурсов.

• МЕТОД АВТОМАТИЧЕСКОЙ ОПТИМИЗАЦИИ БАЗЫ НЕЧЕТКИХ ПРАВИЛ ИНТЕЛЛЕКТУАЛЬНЫХ РЕГУЛЯТОРОВ НА ОСНОВЕ СУБТРАКТИВНОЙ КЛАСТЕРИЗАЦИИ

  А.С. Игнатьева , В.В. Шадрина , В. В. Игнатьев , А.В. Максимов

  181-197

  2025-07-24

  Аннотация ▼

  Целью работы является разработка метода оптимизации базы нечетких правил интеллектуального регулятора для управления техническим объектом с использованием субтрактивной кластеризации. В статье приведен обзор и краткий анализ состояния дел в области оптимизации работы интеллектуальных систем управления. Для достижения цели исследования разработана гибридная модель, в которой управление техническим объектом реализуется с помощью классического ПИ-регулятора и нечеткого ПИ-регулятора с сгенерированной структурой системы нечеткого вывода типа Cyгено и разработанной моделью адаптивной системы нейро-нечеткого вывода. Данная конфигурация модели позволяет формировать базу нечетких правил, которая не зависит от знаний эксперта в предметной области. В статье предложен новый метод оптимизации базы правил нечеткого регулятора на основе методов кластеризации, в частности субтрактивной кластеризации, позволяющий уменьшать количество правил нечеткого логического вывода и увеличить быстродействие системы управления техническим объектом. Сначала проведено моделирование гибридной модели, синтезированной на основе значений нечеткого и классического регуляторов до применения субтрактивной кластеризации. Применение субтрактивной кластеризации по разработанному в исследовании способу для значений классического регулятора и нечеткого, позволило добиться их количественного сокращения в 1,7 и 5,25 раз соответственно. Затем проведено моделирование гибридной модели, синтезированной на основе значений нечеткого и классического регуляторов после применения субтрактивной кластеризации. Результаты, полученные в процессе моделирования показали высокую эффективность предложенного метода оптимизации базы правил нечеткого регулятора. За счет применения субтрактивной кластеризации в гибридной модели для интеллектуального регулятора удалось значительно уменьшить количество функций принадлежности, требуемых для описания входных лингвистических переменных (с пяти до четырех) и уменьшить количество правил нечеткого логического вывода (с двадцати пяти до шестнадцати). Анализ полученных графиков переходных процессов, полученных для гибридных моделей до и после применения субтрактивной кластеризации, показал, что основные показатели качества процесса управления остаются неизменными при существенном сокращении проводимых вычислений.