Отзыв на автореферат 1 (Нейросетевое моделирование адаптивных динамических систем)

УТВЕРЖДАЮ Про венного данской н., проф. ьев В.В. я 2016 г. те ав ОТЗЫВ на автореферат диссертации Тюменцева Юрия Владимировича на тему «Нейросетевое моделирование адаптивных динамических систем», представленной к защите на соискание ученой степени доктора технических наук по специальности 05.13.01 «Системный анализ, управление и обработка информации (авиационная и ракетно-космическая техника)». систем. Кроме того, эти модели позволяют решать задачи идентифнквциипзясяСм 1т.„е:!вос- 1 - '4, .Ж Свойства объектов авиационной техники (АТ) в процессе их функционирования могут изменяться заранее непредсказуемым образом, например, вследствие отказов их систем, а также нз-за повреждения конструкций.

Модели таких объектов, не учитывающие указанных изменений, могут приводить к возникновению критических ситуаций, если они используются, например, в составе систем управления, Предотвращение такого рода критических ситуаций составляет одну из важных задач, решаемых в рамках проблемы обеспечения безопасности полета (БП). В связи с этим исследования, направленные на обеспечение изменчивости модели сообразно меняющейся ситуации, безусловно, обладают актуальностью. Соответственно, целью исследований, проведенных в рамках диссертационной работы, является формировании адаптивных моделей, т.е. обладающих способностью видоизменяться для сохранения адекватности изменившимся свойствам моделируемого объекта или для парирования неопределенностей других видов в свойствах данного объекта, а также в условиях его функционирования.

Традиционные модели движения летательных аппаратов (ЛА) в виде систем дифференциальных уравнений не позволяют наделить формируемую модель свойством адаптивности, Требуемую адаптивность можно получить, если модель формировать с использованием методов и средств нейросетевых технологий. Однако такие технологии в их традиционном варианте позволяют получать лишь чисто эмпирические модели (т.е. модели типа «черный ящик»), основанные на экспериментальных данных о поведении ЛА, что существенно ограничивает возможности этих технологий с точки зрения задач моделирования динамических становление модели объекта в целом), но в силу своих структурных особенностей не обеспечивают решение задач идентификации характеристик ЛА, например, его аэродинамических характеристик, что является крупным недостатком традиционного нейросетевого подхода к моделированию систем.

В связи с этим предметом исследований в диссертации является создание нового класса математических и компьютерных моделей, которые обладают адаптивностью, позволяют решать задачи с уровнем сложности, достаточным для практики, а также обеспечивают решение задач идентификации характеристик ЛА. Этот новый класс моделей, именуемый в диссертации полуэмпирическими моделями Гэто модели типа «серый ящик»), имеет гибридный характер и основывается как на экспериментальных данных о поведении ЛА (как традиционные нейросетевые модели), так и на теоретических знаниях об объекте моделирования (как традиционные модели движения в виде систем дифференциальных уравнений). Исследования, проведенные в ходе выполнения диссертационной работы, привели к получению ряда новых научных результатов, касающихся, в первую очередь, предложенного класса гибридных (полуэмпирических) нейросетевых моделей динамических систем.

Формирование этого класса моделей потребовало развития целого ряда элементов нейросетевых технологий, в частности, было разработано унифицированное структурное описание НС-моделей, обеспечивающее единообразное представление всех видов статических и динамических сетей. Кроме того, в работе разработан композиционный подход к синтезу статических и динамических НС-моделей, основанный на интерпретации НС-модели как разложения по обобщенному функциональному базису. На этой основе разработаны алгоритмы формирования гибридных нейросетевых моделей полуэмпирического типа, а также алгоритмы их структурной корректировки и параметрической настройки. Еще одна область, где получены новые научные результаты, — это идентификация характеристик динамических систем, при этом, в отличие от традиционного подхода к решению данной задачи, основанного на лицеаризации искомых характеристик, в разработанном подходе эти характеристики трактуются как нелинейных функций многих переменных.

Критически важным элементом процесса формирования полуэмпирических нейросетевых моделей являегся получение наборов обучающих данных для них, обладающих требуемым уровнем информативности. В диссертации разработаны методы и алгоритмы получения таких данных. Теоретическая зиачимость работы определяется ее вкладом в развитие нейросетевых технологий применительно к задачам анализа поведения, синтеза управления и идентификации характеристик динамических систем, включая ЛА различных классов. Полученные результаты открывают новые возможности для решения задач управления поведением сложных технических систем, действующих в условиях неопределенности. Практическая значимость работы обусловлена тем, что полученные в ней результаты обеспечивают базу для решения одной из важнейших для современной авиации задач, которая состоит в роботизацииЛА, что позволит существенно повысить их эффективность при решении сложных целевых задач, а также выживаемость в неблагоприятных условиях.

Эти результаты могут быть использованы разработчиками перспективных ЛА при формировании алгоритмов адаптивного и интеллектуального управления их поведением, а также анализа их поведения и решения задач идентификации характеристик. В числе замечаний по содержанию автореферата диссертации необходимо указать следующие. Материал автореферата не дает возможности понять, каким образом осуществляется структурная корректировка формируемой модели в ситуациях, когда одной параметрической корректировки оказывается недостаточно. Кроме того, предложенные методы применяются к решению задач синтеза управления движением ЛА применительно к нескольким схемам адаптивного управления, однако отсутствует сравнительный анализ эффективности привлекаемых схем. Эти замечания не снижают общую положительную оценку представленной диссертации.

Согласно представленному автореферату, работа удовлетворяет требованиям ВАК РФ, а ее автор, Тюменцев Юрий Владимирович, заслуживает присуждения ему ученой степени доктора технических наук по специальности 05.13.01 «Системный анализ, управление и обработка информации (авиационная и ракетно-космическая техника)». Отзыв обсужден и одобрен на заседании кафедры «Аэродинамика, конструкция и прочность летательных аппаратов» МГТУГА (протокол № 6 от 29 ноября 2016 г.).

Заведующий кафедрой «Аэродинамика„конструкция и прочность ЛА» МГТУГА, Заслуженный деятель науки РФ д.т.н., проф. Ципенко Владимир Григорьевич Почтовый адрес: 125993, Россия, Москва, А-493, ГСП-З, Кронштадтский бульвар, 20 Телефон: 8(499)-459-07-91 Е-та11: чйс)реп)софуапдех.гц .