Министерство образования и науки Республики Казахстан

Карагандинский государственный технический университет

УТВЕРЖДАЮ
Председатель Ученого совета,
Ректор КарГТУ
_______________ Газалиев А.М.

«____» _________2015г.

ПРОГРАММА ОБУЧЕНИЯ ПО ДИСЦИПЛИНЕ ДЛЯ МАГИСТРАНТА

(SYLLABUS)

Дисциплина ISU 5302 «Интеллектуальные системы управления»

Модуль RSAU 3 «Развитие систем автоматического управления»
Специальность 6М070200 «Автоматизация и управление»
Факультет энергетики и телекоммуникаций
Кафедра автоматизации производственных процессов им. В.Ф. Бырьки

2015
 Предисловие

Программа обучения дисциплине для магистранта (syllabus) разработана:

к.т.н., доцентом Кочкиным А. М.

Обсуждена на заседании кафедры Автоматизации производственных

процессов

Протокол № 21 от «24»___06______2015г.
Зав. кафедрой ____________ Брейдо И.В. «____»____________20___ г.

Одобрена учебно-методическим советом Факультета энергетики и

телекоммуникаций

Протокол № 10 от «__29__»___06______2015 г.
Председатель ________________ «____»____________ 20___ г.
(подпись)
(

Согласована с кафедрой __________________________________________

(наименование кафедры)
Зав. кафедрой ___________ ____________________«___»_________20___ г.
(подпись)

2
 Сведения о преподавателе и контактная информация
Ф.И.О. Кочкин Александр Михайлович к.т.н., доцент, доцент кафедры
Автоматизации производственных процессов.
Кафедра Автоматизации производственных процессов находится в главном
корпусе КарГТУ (Б.Мира, 56), аудитория 131, контактный телефон 56-51-84,
доб. 1105

Трудоемкость дисциплины

Общее количество
часов СРМКоличество
Вид занятий
Количество кредитов/

контроляФорма
количество контактных
часов
Семестр

количест
всего
практиче лаборато во часов
часов
лекции ские рные СРМП

часов
занятия занятия

2 3/5 30 0 15 45 90 45 135 Экзамен

Характеристика дисциплины

Дисциплина ISU 5303 «Интеллектуальные системы управления» входит в

цикл профилирующих дисциплин (ПД) для магистрантов специальности
6М070200 – Автоматизация и управление и относится к обязательному
компоненту (ОК).

Цель дисциплины

Дисциплина «Интеллектуальные системы управления» ставит целью

освоение принципов построения, основ теории расчета и проектирования
интеллектуальных систем управления техническими объектами и техническими
процессами в различных отраслях промышленности.

Задачи дисциплины
Задачи дисциплины следующие.
Научить магистранта ориентироваться в современных системах
управления, основанных на методах искусственного интеллекта; методам
проектирования систем управления с использованием нечеткой логики,
нейронных сетей, генетического алгоритма.
Показать роль интеллектуальных систем управления в развитии
технических, социальных и экономических процессов.
В результате изучения дисциплины магистранты должны:

3
 иметь представление: о функциях, выполняемыми интеллектуальными
системами управления (ИСУ) технологическими процессами, о путях развития
и совершенствования ИСУ;
знать: принципы и методы построения систем управления техническим
объектом на основе методов теории искусственного интеллекта и современных
программно-технических средств;
уметь: производить проверочные расчеты, ориентироваться в схемах
интеллектуальных систем управления типовых технологических процессов;
приобрести практические навыки: расчета и конструирования
интеллектуальных систем управления.

Пререквизиты

Для изучения данной дисциплины необходимо усвоение следующих

дисциплин: Теория линейных систем автоматического регулирования; Теория
нелинейных систем автоматического управления; Автоматизация технических
систем

Постреквизиты

Знания, полученные при изучении дисцыплины «Интеллектуальные

системы управления», используются при написании и защите магистерской
диссертации.

Тематический план дисциплины

Трудоемкость по видам занятий, час.

Наименование раздела (темы) практи- лабора-
лекции СРМП СРМ
ческие торные
1. Введение. История развития теории
искусственного интеллекта методов и средств
создания интеллектуальных систем
управления техническими объектами и
технологическими процессами. Структурная
схема функциональной системы деятельности 2 – – 2
человека, Концепция и определение понятия
интеллектуальной системы. Проблемы теории
и практики. Структурная схема
интеллектуальной системы, классификация
интеллектуальных систем и т.д.

4
 Трудоемкость по видам занятий, час.
Наименование раздела (темы) практи- лабора-
лекции СРМП СРМ
ческие торные
2. Дифференциально-модельная
концепция базы знаний для
интеллектуальных систем.
Дифференциальная макрофизика - наука о
знании физических сущностей материальных
2 – – 2
объектов и систем. Процедура построения
дифференциальных моделей. Принцип
композиции Лагранжа-Рэля. Кинематическая
система размерностей. Особенности
обобщенной диаграммы размерностей.
3. Динамические экспертные системы в
управлении. Структурная схема
динамической экспертной системы (ДЭС).
Динамические экспертные системы и базы
знаний. Концептуальное знание. Фактуальное, 2 – – 2
предметное знание. Алгоритмическое,
процедурное знание.
Соотношение и взаимосвязь различных
типов знаний. Типы баз знаний. Типы
решения задач в зависимости от типа базы
знаний. Структура ДЭС первого, второго и
третьего типов и решаемые ими задачи.
Требования к ДЭС
4. Нейросетевые технологии
интеллектуальных систем. Применение
нейронных сетей. Парадигмы нейросетевой
технологии. Свойство нейронных сетей: 3 – – 6
обучение, обобщение, абстрагирование.
Нейронные сети и другие виды программного
обеспечения. Архитектура сети.
5. Системы управления с нечеткой
логикой. Лингвистические переменные и их
использование. Функции принадлежности.
Нечеткие множества. Операции над
нечеткими множествами. Основные операции
нечеткой логики. Основная структура и
принцип работы системы нечеткой логики. 4 – – 6
Фаззиофикация. База правил нечеткой логики.
Блок вывода. Нечеткий вывод на основе
правила композиции. Нечеткие выводы по:
Мамдани, Ларсени, Цукамото.
Дефазицикация. Примеры использования
нечетких алгоритмов в управлении.

5
 Трудоемкость по видам занятий, час.
Наименование раздела (темы) практи- лабора-
лекции СРМП СРМ
ческие торные
6. Представление базы знаний в
современных интеллектуальных системах.
Задачи баз знаний в интеллектуальных
системах (ИС). Продукционная модель 2 – – 4
представления знаний. Логические модели.
Сетевые модели или семантические сети.
Фрейловые модели.
7. Информативность описания
предметной области. Выделение
1 – – 2
информативности признака.
Информативность системы признаков.
. Технологии для создания правил базы
знаний. Интеллектуальная обработка
2 – – 2
элементарных единиц информации. Дедукция
и индукция. Нейронные сети. Алгоритм на
8 основе грубых множеств. ДСМ - метод.
Алгоритм на основе генерации
гиперповерхности. Алгоритм построения
шарообразных областей
9 Исследование качества работы
алгоритмов. Скользящий контроль качества.
Исследования средних показателей алгоритма.
2 – – 3
Модель пространства описания предметной
области. Модель информации, известной
эксперту.
10. Организация систем для поддержки
и наполнения базы знаний. Разбиение
общей задачи представления информации и
формирование закономерностей на подзадачи.
Онтологические базы знаний. Гибридные
нейронные сети. Мегаклассификация.
2 – – 3
Многоуровневая схема обработки
информации для интеллектуальной обработки
данных. Алгоритмическое выделение целей и
классов информации. Немонотонное
обучение, примеры интеллектуальных систем
для наполнения и ведения базы знаний.
11. Отображение интеллектуальной
системы управления (ИСУ) на архитектуру
многопроцессорной вычислительной сети.
Характеристики ИСУ и требования к
надежности ИСУ. Многопроцессорные
вычислительные сети (МВС). Задача
оптимального отображения структуры ИСУ
на архитектуру МВС. Постановка задачи
отображения. Точное решение задачи
отображения. Приближенное решение задачи
на основе метода релаксации.

6
 Трудоемкость по видам занятий, час.
Наименование раздела (темы) практи- лабора-
лекции СРМП СРМ
ческие торные
12. Логико-динамические модели и
программно-технические средства ИСУ
дискретными производственными
процессами. Проблемная среда
интеллектуальных систем управления. Задачи
мониторинга. Задачи контроля. Задачи
диагностики. Задачи поддержки принятия
2 – – 2
решений при планировании производственной
деятельности, задачи управления комплексами
дискретных распределенных объектов в
реальном времени. Логическая структура
ИСУ дискретными производственными
процессами. Базовые инвариантные
программно-информационные средства
интеллектуальной системы управления.
транспьютерная реализация инвариантного 3 – – 3
ядра системы
13. . О некоторых задачах теории и
техники интеллектуальных систем.
Разработка и создание интеллектуальных
систем с гибкой работкой информации.
Система управления с ЭВМ в контуре;
3 – – 3
нейрокомпьютеры - ЭВМ нового поколения.
Биологическая параллель нейрокомпьютерам.
Гибридные интеллектуальные системы
управления, Генетические алгоритмы поиска
экстремума целевой функции.
Перечень лабораторных работ
14.Лабораторно-практическая работа
«Изучение пакета FUZZY LOGIC 6 4
TOOLBOX ППП MATLAB» (лаб. раб. 1)
15. Лабораторно-практическая работа
«Исследование нечетких моделей
6 4
управления техническим объектом» (лаб.
раб. 2)
16. Лабораторно-практическая работа
«Создание нейронной сети, выполняющей
6 4
логические функции «И», «ИЛИ» и другие
функции» (лаб. Раб3)
17. Лабораторно-практическая работа
«Исследование гибридной сети как
6 4
адаптивной системы нейро-нечеткого
вывода. » (лаб. раб. 4)
18. Лабораторно-практическая работа
«Исследование генетического алгоритма
6 4
поиска экстремума целевой функции»
(лаб. раб. 5)
ИТОГО: 30 0 30 60

7
 Темы контрольных (курсовых) заданий для СРМ
1. Создание на основе метода планирования экспериментальной базы
знаний (правил) по управлению техническим объектом или технологическим
процессом (по теме диссертации).
2. Разработка и исследование нечеткой модели управления объектом (по
теме диссертации).
3. Разработка и исследование системы управления объектом (по теме
диссертации) с использованием архитектуры нейронной сети Кохонена.
4. Разработка и исследование системы управления объектом (по теме
диссертации) с использованием архитектуры нейронной сети Хопфилда.
5. Сравнительный анализ систем управления объектом (по теме
диссертации), созданных с помощью нечетких алгоритмов и нейронных сетей.
6. Разработка и исследование гибридной (нейро-нечеткого вывода) системы
управления объектом (по теме диссертации).

Критерии оценки знаний магистрантов

Экзаменационная оценка по дисциплине определяется как сумма
максимальных показателей успеваемости по рубежным контролям (до 60%) и
итоговой аттестации (экзамену) (до 40%) и составляет значение до 100% в
соответствии с таблицей.

Цифровые Процентное
Оценка по Оценка по
эквиваленты содержание
буквенной традиционной
буквенной усвоенных
системе системе
оценки знаний
А 4,0 95-100
Отлично
А- 3,67 90-94
В+ 3,33 85-89
В 3,0 80-84 Хорошо
В- 2,67 75-79
С+ 2,33 70-74
С 2,0 65-69
С- 1,67 60-64 Удовлетворительно
D+ 1,33 55-59
D- 1,0 50-54
F 0 0-49 Неудовлетворительно
Оценка «А» (отлично) выставляется в том случае, если магистрант в течение
семестра показал отличные знания по всем программным вопросам
дисциплины, а также по темам самостоятельной работы, регулярно сдавал
рубежные задания, проявлял самостоятельность в изучении теоретических и
прикладных вопросов по основной программе изучаемой дисциплины, а также
по внепрограммным вопросам.
Оценка «А-» (отлично) предполагает отличное знание основных законов и
процессов, понятий, способность к обобщению теоретических вопросов
дисциплины, регулярную сдачу рубежных заданий по аудиторной и
самостоятельной работе.

8
 Оценка «В+» (хорошо) выставляется в том случае, если магистрант показал
хорошие и отличные знания по вопросам дисциплины, регулярно сдавал
семестровые задания в основном на «отлично» и некоторые на «хорошо».
Оценка «В» (хорошо) выставляется в том случае, если магистрант показал
хорошие знания по вопросам, раскрывающим основное содержание конкретной
темы дисциплины, а также темы самостоятельной работы, регулярно сдавал
семестровые задания на «хорошо» и «отлично».
Оценка «В-»(хорошо) выставляется магистранту в том случае, если он
хорошо ориентируется в теоретических и прикладных вопросах дисциплины
как по аудиторным, так и по темам СРС, но нерегулярно сдавал в семестре
рубежные задания и имел случаи пересдачи семестровых заданий по
дисциплине.
Оценка «С+» (удовлетворительно) выставляется магистранту в том случае,
если он владеет вопросами понятийного характера по всем видам аудиторных
занятий и СРС, может раскрыть содержание отдельных модулей дисциплины,
сдает на «хорошо» и «удовлетворительно» семестровые задания.
Оценка «С» (удовлетворительно) выставляется магистранту в том случае,
если он владеет вопросами понятийного характера по всем видам аудиторных
занятий и СРС, может раскрыть содержание отдельных модулей дисциплины,
сдает на «удовлетворительно» семестровые задания.
Оценка «С-» (удовлетворительно) выставляется магистранту в том случае,
если магистрант в течение семестра регулярно сдавал семестровые задания, но
по вопросам аудиторных занятий и СРС владеет только общими понятиями и
может объяснить только отдельные закономерности и их понимание в рамках
конкретной темы.
Оценка «D+» (удовлетворительно) выставляется магистранту в том случае,
если он нерегулярно сдавал семестровые задания, по вопросам аудиторных
занятий и СРС владеет только общими понятиями и может объяснить только
отдельные закономерности и их понимание в рамках конкретной темы.
Оценка «D-» (удовлетворительно) выставляется магистранту в том случае,
если он нерегулярно сдавал семестровые задания, по вопросам аудиторных
занятий и СРС владеет минимальным объемом знаний, а также допускал
пропуски занятий.
Оценка «F» (неудовлетворительно) выставляется тогда, когда студент
практически не владеет минимальным теоретическим и практическим
материалом аудиторных занятий и СРС по дисциплине, нерегулярно посещает
занятия и не сдает вовремя семестровые задания.
Рубежный контроль проводится на 7-й, 14-й неделях обучения и
складывается исходя из следующих видов контроля:

9
 %-ое содержание
Вид контроля

Итого, %
Академический период обучения, неделя

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Посещаем
7 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 7
ость
Конспект
5 1 1,5 1 1,5 5
ы лекций
Защита
20 3 3 4 3 3 4 20
лаб.работ
Письменн
15 7,5 7,5 15
ый опрос
СРС 7 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 0,5 7
СРМП 6 1 1 1 1 1 1 6
Всего по
60 30 30 60
аттестац.
Экзамен 40 40
Всего 100 1 5 2 4 2 5 11 1 5 2 4 2 5 11 - 100

10
График выполнения и сдачи заданий по дисциплине
Продол-
Вид Рекомендуем житель-
Форма Срок
конт- Цель и содержание задания ая ность
контроля сдачи
роля литература выпол-
нения
Самосто Отчет по
ятельны Реферирование и расчеты в работе,
1-6
е работы соответствии заданиями [2,3,5] 4 недели. устный
неделя
№1, 2, самостоятельной работы опрос
3,4 (текущий)
«Изучение пакета FUZZY LOGIC Отчет по
Лабора-
TOOLBOX ППП MATLAB», работе,
торная 1-6
«Исследование нечетких моделей 6 недели устный
работа неделя
управления техническим опрос
№1, 2
объектом» (текущий)
Письмен-
Рубежны Контроль знаний по дисциплине и
2 ный и
й усвоения изученного материала. 7
[3,4,5,12] контактн устный
контроль Ответы на контрольные вопросы неделя
ых часа опрос
№1 по темам 1-6.
(рубежный)
Отчет по
Самосто
Реферирование и расчеты в работе,
ятельны 8-14
соответствии заданиями [3,5,31] 2 недели устный
е работы неделя
самостоятельной работы опрос
№ 5,6
(текущий)
Отчет по
Лабора- «Создание нейронной сети,
работе,
торная выполняющей логические 8-13
6 недель устный
работа функции «И», «ИЛИ» и другие неделя
опрос
№3,4 функции»
(текущий)
Отчет по
Лабора-
«Исследование генетического работе,
торная 3 15
алгоритма поиска экстремума устный
работа недели . неделя
целевой функции» опрос
№5
(текущий)
Письмен-
Рубежны Контроль знаний по дисциплине и
2 ный и
й усвоения изученного материала. 14
[1, …,15] контактн устный
контроль Ответы на контрольные вопросы неделя
ых часа опрос
№2 по темам 7-13.
(рубежный)
В
Со-
Контроль усвоения соответстви Реферат,
гласно
СРМП самостоятельно изученного ис 12 недель доклад
графика
материала. тематикой (текущий)
СРМП
реферата
Весь
перечень 3 В
Проверка усвоения
Экзамен основной и контактн Итоговый период
материала дисциплины
допол. ых часа сессии
литературы

11
 Политика и процедуры
При изучении дисциплины «Современная теория автоматического
управления» прошу соблюдать следующие правила:
1. Не опаздывать на занятия.
2. Не пропускать занятия без уважительной причины, в случае болезни
прошу представить справку, в других случаях – объяснительную записку.
3. В обязанности магистранта входит посещение всех видов занятий.
4. Согласно календарному графику учебного процесса сдавать все виды
контроля.
5. Пропущенные практические и лабораторные занятия отрабатывать в
указанное преподавателем время.
6. При подготовке к СРМП предварительно изучить соответствующий
раздел теоретической части дисциплины и ответить на поставленные
преподавателем контрольные вопросы.
7. Активно участвовать в учебном процессе.
8. Быть терпимыми, открытыми, откровенными и доброжелательными к
сокурсникам и преподавателям.

Список основной литературы

1. Методы современной теории автоматического управления, том 5/Под ред. К.А.
Пулкова - М.: МГТУ имени Н.Э.Баумана, 2004.С 405-646.
2. Заде Л.А. Понятие лингвистической переменной, его применение к принятию
приближенных решений. -М.: Мир, 1976, - 77с.
3. Поспелов Д. А. Логико-лингвистические модели в системах управления. - М.:
Энергоиздат, 1981, - 312 с.
4. Леоненков А. Нечеткое моделирование в среде MATLAB и fuzzyTECN, - СПб: БХВ -
Петербург, 2003, - 719 с.
5. Сулейменов Б.А Интеллектуальные и гибридные системы управления
технологическими процессами. - Алматы: Шикула. 2009, - 304 с.: ил.
6. Гаскаров Д.В. Интеллектуальные информационные системы. - М.: Высшая школа,
2003, - 428 с.
7. Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы программирования и
оптимизации систем - СПб.: Наука и техника, 2003-184 с.
8. Галушкин А.И. Теория нейронных сетей. - М.: ИПРШР, 2000, - 415 с.
9. Круглов В.В., Борисов И.Н. Искусственные нейронные сети. Теория
и практика. - М.: Горячая линия телеком, 2001, - 312 с.
10. Густав Олсон, Джангуидо Пиани. Цифровые системы автоматизации и
управления. – СПб.: Невский Диалект, 2001. – 557с.
11. Дорф Р. Современные системы управления / Р.Дорф, Р. Бишоп. Пер. с англ. Б.И.
Копылова. - М.: Лаборатория Базовых Знаний, 2002. – 832с.
12. Штовба С.Д. Проектирование нечетких систем средствами МАТLAB. - М.:
Горячая линия-Телеком, 2007. – 288с.
13. Дейч А.М. Методы идентификации динамических объектов. – М.: Энергия,
1979. – 240с.
14. Гудвин Г.К., Проектирование систем управление /Г.К. Гудвин, С.Ф. Гребе, М.Э.
Сальгадо. – М.: БИНОМ. Лаборатория знаний , 2004. — 911с.

12
 Список дополнительной литературы
15. Искусственный интеллект. - Кн. 2. Модели и методы: справочник/Под ред. Д.А.
Поспелова. -М.: Радио и связь, 1990. - 304 с.
16. Уоссерман Ф. Нейрокомпьютерная техника. - М.: Мир, 1992, - 435 с.
17. Поспелов Д. А. Логико-лингвистические модели в системах правления. -М.:
Энергоиздат, 1981. - 393 с.
18. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. - СПб.:
Питер, 2000. - 348 с.
19. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. -
Новосибирск: Наука, 1996. - 325 с.
20. Уотерман Д. Руководство по экспертным системам. - М.: Мир, 1989.
21. Искусственный интеллект: Справочник: В 3 т. - М.: Радио и связь, 1990.
22. Рыбина Г.В. Проектирование систем, основанных на знаниях: Учеб.
пособие. - М.: МИФИ, 2000. - 104 с.
23. Микони СВ. Модели и базы знаний. Учебное пособие. - СПб.: СПГУТТС, 2000. - 155
с.
24. А.А. Лисе, М.В. Степанов. Нейронные сети и нейрономпьютеры. Учеб, Пособие.
ГЭТУ. СПб., 1997. - 64 с.
25. В.А Терехов, Д.В. Ефимов, И.Ю. Тюкин, В.Н. Антонов. Нейросетевые
системы управления. - СПб.: Издательство с.-Пб университета, 1999. - 256 с.
26. Ф. Уоссермен. Нейрокомпьютерная техника. Теория и практика. Пер. С англ. 1992.-
161 с.
27. Красовский А.А. Справочник по теории автоматического управления. – М.: Наука,
1987. – 712 c.
28. Бесекерский В.А., Попов Е.П. Теория систем автоматического регулирования – М.:
Наука,1972. – 766с.
29. Дьяконов В.П. MATLAB 6/6.1/6.5. Simulink 4/5. Основы применения / Полное
руководство пользователя / – М.: СОЛОН-Пресс, 2004. – 768с.
30. Фешин Б.Н., Паршина Г.И. Моделирование динамических систем Автоматизация
промышленных установок и технологических комплексов: Учеб. пособие, часть 1– 92с.,
часть 2 — 100с. -Караганда, КарГТУ, 2002.
31. Брейдо И.В., Фешин Б.Н. Имитационное моделирование и параметрическая
оптимизация автоматизированных электроприводов. – Караганда: КарГТУ, 2003. – 130с.
32. LABTAU. Виртуальный лабораторный комплекс по теории автоматического
управления. Кафедра АПП КарГТУ. 2004. - 200с.
33. Фешин Б.Н.Автоматизация промышленных установок и технологических комплексов:
Учеб. пособие Караганда, КарГТУ, 2000.
34. Пупков КА. Динамические экспертные системы в управлении // Изв.
вузов. Приборостроение. - 1996. - N28-9. - с.39-50.
35. Сулейменов Б.А. Гибридные системы - эффективный путь использования методов
искусственного интеллекта в управленнн сложными системами. Сб. докладов круглого стола,
посвященного развитию новых технологий, 27 сентября 2006 г. КазНТУ.
36. Сулейменов Б.А. Интеллектуальная система поддержки принятия решений. Журнал
«КИПИА В Казахстане», 2004, N~3, с. 32-37.
37. Деменков Н.П. SCADA-системы как инструмент проектирования АСУ ТП: Учебное
пособие. М.: Изд-во МГТУ им.Н.Э.Баумана, 2004.– 328с.
38. Ордынцев В.М. Математическое описание объектов автоматизации. – М.:
Машиностроение, 1965. – 360с.

13
ПРОГРАММА ОБУЧЕНИЯ ПО ДИСЦИПЛИНЕ ДЛЯ МАГИСТРАНТА
(SYLLABUS)

по дисциплине ISU 5302 «Интеллектуальные системы управления»

Модуль RSAU 3 «Развитие систем автоматического управления»

Гос. изд. лиц. № 50 от 31.03.2004.

Подписано к печати ______ 20__г. Формат 90х60/16. Тираж _____ экз.
Объем ___ уч. изд. л. Заказ № __________ Цена договорная
_______________________________________________________________
100027. Издательство КарГТУ, Караганда, Бульвар Мира, 56

14