Наши программы

Для наших партнеров мы предлагаем следущее:
Партнерские программы для университетов, НИИ, R&D


Оптимизатор баз знаний

Разработка нечетких регуляторов является одной из самых практических областей применения теории нечетких систем. Для разработчиков систем управления, нечеткие системы столь привлекательны в силу того, что они являются универсальными аппроксиматорами систем с плохо известной динамикой и структурой. Кроме того, они позволяют управлять динамическим объектом без участия человека.

Нечеткие регуляторы, спроектированные с помощью мягких вычислений, обладают следующими достоинствами: сохраняют главные преимущества традиционных систем управления (устойчивость, управляемость, наблюдаемость и т.п.); имеют оптимальную (с точки зрения заданного критерия качества управления) базу знаний, а также возможность ее коррекции и адаптации к изменяющейся ситуации управления; гарантируют достижимость требуемого качества управления на основе спроектированной базы знаний; способны функционировать в непредвиденных ситуациях управления.

Увеличение сложности структур объектов управления и трудности прогнозирования непредвиденных (нештатных) ситуаций управления только усиливают актуальность данной проблемы и внимание к поиску её решения. Такого рода задачи относятся к т.н. проблеме «System of Systems Engineering», изучающей в общем виде сложные структуры систем автоматизированного управления с различными уровнями и шкалами интеграции и/или приоритетным обменом информации между подсистемами с целью установления глобальных (необходимых и достаточных) условий надёжного автономного функционирования объекта управления во внешней среде.

Оптимизатор баз знаний основан на использовании технологии мягких вычислений, включающей использование генетических алгоритмов для поиска оптимального управления и использование нечеткой нейронной сети для аппроксимации найденного оптимального сигнала управления и извлечения на его основе оптимальной базы знаний.