Рассматривается задача построения интервальных наблюдателей для нелинейных динамических систем, описываемых дискретными моделями, при действии на систему внешних неконтролируемых возмущений, а также при наличии шумов измерений и параметрических неопределенностей. Ставится задача синтеза наблюдателя размерности меньшей, чем размерность исходной системы, формирующего верхнюю и нижнюю границы множества допустимых значений заданной нелинейной функции вектора состояния исходной системы. Для решения используется математический аппарат так называемой алгебры функций, достоинством которого является то, что он позволяет анализировать динамические системы, описываемые моделями с негладкими нелинейностями. Для синтеза интервального наблюдателя вначале ищется модель исходной системы, нечувствительная или малочувствительная к внешним возмущениям, размерности меньшей, чем размерность исходной системы. Процедура основана на двух алгоритмах, первый из которых предназначен для построения модели, малочувствительной к внешним возмущениям, второй — для уменьшения размерности модели. Формулируются правила, позволяющие обеспечить устойчивость такой модели для заданного множества желаемых собственных чисел за счет введения в модель обратной связи. Строящийся интервальный наблюдатель состоит из двух подсистем, первая из которых генерирует нижнюю границу множества допустимых значений заданной функции вектора состояния системы, вторая — аналогичную верхнюю границу. Приводятся соотношения, описывающие каждую подсистему. Для синтеза такого наблюдателя в нелинейном случае вводятся понятия положительного и отрицательного влияния переменных, входящих в построенную модель, на компоненты вектора состояния модели. Эти понятия позволяют определить, каким образом верхние и нижние границы соответствующих переменных будут входить в строящийся интервальный наблюдатель. Получены условия, при которых наблюдатель может быть получен. Теоретические результаты иллюстрируются примером известной трехтанковой системы, для которой синтезирован соответствующий интервальный наблюдатель. Проведенное на основе пакета MATLAB моделирование исходной системы и наблюдателя подтвердило правильность принятых допущений и разработанной теории.

Изучение динамики сложных сетевых систем является одной из актуальных задач. Сетевые системы могут пребывать в различных состояниях, начиная от полной синхронизации, когда все системы в сети ведут себя согласованно, заканчивая полной десинхронизацией, т. е. полной рассогласованностью в функционировании систем. Явление синхронизации уже изучено достаточно хорошо: введены математические определения синхронизации, предложены алгоритмы исследования синхронизации, получены условия синхронизации для различных типов сетевых систем. Однако не так много работ на текущий момент посвящено исследованию десинхронизации. В данной работе вводится определение десинхронизации по выходу для сетей из нелинейных систем. Рассматриваются определения колебательности по Якубовичу, и устанавливается связь между колебательностью и десинхронизацией в сетях из возбудимых нелинейных систем. Возбудимые системы являются устойчивыми, поэтому колебания в них отсутствуют. Добавление связей между такими системами может привести к возникновению колебаний. Выводятся условия колебательности для диффузионно-связанных сетей из простейших моделей нейронов ФитцХью—Нагумо. Сначала рассматривается случай простейший сети из двух связанных систем ФитцХью—Нагумо, а затем результат обобщается на случай из нескольких систем. Спектр матрицы Лапласа играет ключевую роль в динамике таких сетей. Получено условие, связывающее параметры единичной системы, входящей в сеть, и собственные числа матрицы Лапласа, которое устанавливает, будет ли сеть колебательной или нет. Число систем, которые будут генерировать колебания в такой сети, зависит от числа собственных чисел матрицы Лапласа, удовлетворяющих полученным условиям. Полученные аналитические результаты подтверждаются проведенным численным моделированием. Приводятся результаты моделирования полной десинхронизации в сети, когда все системы начинают колебаться, а также химероподобного состояния, при котором колеблется лишь часть систем, а остальные находятся в покое.

Рассматривается задача определения по сигналам электроэнцефалограммы того, какой рукой — правой или левой — испытуемый намеревается совершить движение. Актуальность задачи обусловлена широким распространением интерфейсов мозг—компьютер, где электроэнцефалография является одним из основных неинвазивных методов снятия сигналов с головного мозга. Определив руку, которой испытуемый намеревается совершить движение, можно подавать соответствующие команды в компьютер.

Для решения поставленной задачи из отрезков сигналов, предшествующих движению, выделяются временные и частотные признаки, которые подаются на вход модели машинного обучения. Задача формулируется как задача бинарной классификации. Модель должна предсказать, будет ли движение совершено правой рукой или левой.

В отличие от стандартной постановки задачи обучения с учителем предполагается, что предзаданный набор данных для обучения отсутствует, и семплы для обучения модели поступают один за другим. Таким образом имитируется ситуация, при которой модель должна работать с новым испытуемым и подстроиться под него в реальном времени. Традиционным методом обучения линейных моделей в такой парадигме является стохастический градиентный спуск. Ранее было показано, что алгоритм "Полоска", разработанный В. А. Якубовичем для ряда задач, обладает более высокой скоростью сходимости, чем стохастический градиентный спуск. Однако это достигается за счет того, что шаг алгоритма совершается на каждый признак семпла. Это делает рассматриваемую ранее версию "Полоски" не пригодной для работы с данными высокой размерности. В статье предлагается использование другой версии "Полоски", не обладающей указанным недостатком.

Предложенный алгоритм апробирован на открытом наборе данных с соревнований "BCI competition II". Показано, что алгоритм обладает более высокой скоростью совершения одного шага обучения по сравнению с традиционными линейными моделями на основе стохастического градиентного спуска на рассматриваемом наборе данных, что является преимуществом при использовании в реальном времени.

В концепции "Цифровая трансформация 2030", определяющей национальные цели и стратегические задачи развития Российской Федерации на период до 2030 года, указаны специализированные цели и задачи, являющиеся важным посылом для внедрения интеллектуальных информационных технологий управления в сферу электроэнергетики. Основными вызовами для перехода к цифровой трансформации являются увеличение темпов роста тарифов для конечного потребителя, нарастающий износ сетевой инфраструктуры, наличие избыточного сетевого строительства и повышение требований к качеству энергопотребления.

Определяющим фактором возможности разработки эффективной энергетической политики является прогнозирование потребления электроэнергии с использованием методов искусственного интеллекта. Одним из методов реализации вышесказанного является разработка искусственной нейронной сети (ИНС) для получения заблаговременного прогноза количества требуемой (потребляемой) электроэнергии. Полученные прогнозные значения открывают возможность не только выстроить грамотную энергетическую политику путем повышения энергоэффективности энергетической компании, но и проводить специализированные энергосберегающие мероприятия в целях оптимизации бюджета организации.

Решение данной проблемы представлено в виде искусственной нейронной сети второго поколения. Основными преимуществами данной ИНС являются универсальность, скоростное и точное обучение, а также отсутствие необходимости в большом количестве исходных данных для качественного прогноза. За основу самой ИНС берутся классический нейрон и метод обратного распространения ошибки с их дальнейшей модификацией. В метод обратного распространения ошибки добавлены коэффициенты скорости обучения и чувствительности, а в нейрон внедрен коэффициент реагирования на аномалии во временных рядах. Это позволило существенно улучшить скорость обучения искусственной нейронной сети и повысить точность прогнозных результатов.

Представленные в настоящем исследовании результаты могут быть взяты в качестве ориентира для энергетических компаний при принятии решений в рамках энергетической политики, в том числе и при проведении энергосберегающих мероприятий, что будет особенно полезным в текущих экономических реалиях.

Решаются актуальные проблемы искусственного интеллекта, связанные с разработкой инструментальных средств абстрактного мышления автономных интеллектуальных мобильных систем, позволяющих планировать целенаправленное поведение в труднодоступных и агрессивных для человека средах. Предложены когнитивные инструменты, обеспечивающие интеллектуальным системам возможность организации целенаправленной многоэтапной деятельности, связанной с решением сложных задач, когда план поведения автоматически строится в одних условиях проблемной среды, а заданная цель поведения достигается в других условиях функционирования, находящихся за пределами разрешающей способности технического зрения. Важной особенностью предложенных типовых элементов представления и обработки знаний является то, что они позволяют интеллектуальным системам организовать вывод решения сложных задач, опираясь только на данные, хранящиеся в модели представления знаний и поступающие из текущих условий функционирования.

В общем случае разработанная модель знаний интеллектуальных систем различного назначения состоит из декларативных и процедурных типовых элементов их представления. Для формального описания типовых элементов представления декларативных знаний используются традиционные семантические сети и различные наборы ограничений, отражающих дополнительные условия предстоящего функционирования автономных мобильных интеллектуальных систем. Что же касается формального описания типовых элементов представления процедурных знаний безотносительно к конкретной предметной области, то для этого используются нечеткие семантические сети. Это позволяет автономным интеллектуальным мобильным системам адаптироваться к конкретным условиям функционирования в недоопределенных проблемных средах и выполнять на этой основе сформулированные для них сложные задания.

Практическая значимость полученных результатов заключается в эффективности их использования для разработки интеллектуальных решателей задач, обеспечивающих автономным интеллектуальным мобильным системам различного назначения возможность выполнения сложных заданий в априори недоопределенных проблемных средах путем адаптации сформированного в общем виде плана целенаправленной деятельности к конкретным текущим условиям функционирования.

Рассматривается задача планирования траектории движения строем группы мобильных наземных роботов (МР) с учетом неоднородности параметров сцепления колес роботов с опорной поверхностью. Проведен краткий анализ существующих методов решения задачи планирования траектории и сформулирован вывод о необходимости дополнительного исследования для решения рассматриваемой в статье задачи. В работе предложен метод решения данной задачи, основанный на выборке (Sampling-based). В качестве базового алгоритма использован алгоритм быстрорастущего случайного дерева (RRT). Преимуществом, общим для методов, основанных на выборке, является простота введения различных нелинейных ограничений (например, препятствий, дифференциальных ограничений и т. д.). Помимо этого, благодаря древовидной структуре данных этого алгоритма возможно распараллеливание алгоритма. Недостатком предлагаемого метода является высокое потребление бортовых вычислительных ресурсов и, как следствие, значительная длительность расчета. В связи с этим в работе дополнительно предложена модификация рассматриваемого метода, позволяющая проводить вычисление на всех роботах группы одновременно. Также выполнен сравнительный анализ распределенного и не распределенного методов. Показаны пути и методы повышения эффективности работы обоих методов. Основным преимуществом предложенного метода является то, что он позволяет использовать практически любые модели взаимодействия движителя робота с опорным основанием для последующего расчета ограничений на ускорение движения робота по определенной поверхности. При этом модели взаимодействия движителя робота с опорным основанием в данной статье не рассмотрены, а использованы допустимые значения тангенциальных и нормальных ускорений, полученные опытным путем для конкретных условий и моделей мобильных роботов. В статье приведены результаты моделирования планирования движения строя МР с учетом свойств опорных поверхностей. Полученные результаты моделирования подтверждают эффективность предложенных методов для решения задачи планирования движения строя МР с учетом свойств опорных поверхностей.