litceysel.ru
добавить свой файл
1
Индекс 552800/2201.06/ЕН3



Содержание программы дисциплины

"СИНТЕЗ ДИСКРЕТНЫХ

СИСТЕМ УПРАВЛЕНИЯ"


УЧЕБНЫЙ ПЛАН


Лекции (28 - часов) 8 семестр

Практические занятия (14 часов) 8 семестр

Расчетное задание - 8 семестр

Объем самостоятельной работы - 14 часов



  1. СОДЕРЖАНИЕ ЛЕКЦИЙ




  1. Системы со многими входами и выходами. Описание с помощью полиномиальных матриц. Описание в пространстве состояний. Степень, полюсы и нули передаточной матрицы. Минимальные реализации. Управляемость, наблюдаемость, достижимость, минимальность, стабилизируемость, детектируемость.

  2. Системы без потерь. Разложение унитарных матриц на простые множители. Единственность разложения. Сохранение свойств параунитарных матриц при квантовании коэффициентов. Каузальное обращение (инвертирование) каузальных систем. КИХ и БИХ системы.

  3. Нелинейные цифровые системы и системы управления. Описание с помощью метода переменных состояния. Применение теоремы Харитонова. Квадратичные и эрмитовы формы. Асимптотическая и абсолютная устойчивость. Круговой критерий. Частотная теорема Калмана-Якубовича для нелинейных дискретных систем. Применение частотной теоремы для синтеза адаптивных систем управления. Уравнения Ляпунова для дискретных систем. Применение функций Ляпунова для оценки устойчивости нелинейных дискретных систем. Устойчивость стационарных множеств дискретных систем.

  4. Нелинейные динамические системы. Хаотические системы. Странные аттракторы. Фракталы и их применение в теории кодирования и при сжатии данных.
  5. Нейросети и нейрокомпьютеры: предмет и методология исследований. Смежные дисциплины. Естественные и искусственные нейросети. Понятие и свойства нейросетей. История развития. Биологические и формальные нейроны (ФН). Выходные функции ФН. Обучение ФН. Архитектура и классификация нейронных сетей. Нейронные сети с обратными связями и без них. Нейронные сети, экспертные и нечеткие системы. Нейросети с прямыми и обратными связями. Однослойные и многослойные нейросети. Постановка проблемы обучения нейросетей. Понятие образа и класса образов при решении задач классификации в различных предметных областях. Задачи классификации (распознавания) образов и их подобие. Метрики расстояния (близости) между образами. Линейные классификаторы. Байесовы классификаторы. Аппроксимационные возможности нейронных сетей. Нейросети Кохонена, Хопфилда, радиальных базисных функций.


  6. Нейронные сети для идентификации нелинейных динамических систем. Синтез обучающихся нелинейных наблюдателей нейросетями. Нечеткие системы и нейросети. Основы теории нечеткой логики. Нечеткие системы автоматической классификации.

  7. Задача восстановления сигналов. Линейные, нелинейные и итерационные методы восстановления. Инвертируемость линейных инвариантных систем, распознавание систем и деконволюция (обратная фильтрация).



2. СОДЕРЖАНИЕ ПРАКТИЧЕСКИХ

ЗАНЯТИЙ И РАСЧЕТНОЙ РАБОТЫ


Цель лабораторных и практических занятий - закрепить полученные знания путем проведения ряда экспериментов. Студенты осваивают новое программное обеспечение, знакомятся с методиками обеспечения информационной безопасности. Основное внимание уделяется самостоятельному выбору методов измерения и параметров системы ИБ при проведении эксперимента.

Расчетные задания включают темы 3, 4. Цель расчета - обучить студентов способам оценки результатов эксперимента по характеристикам средств и методов, с помощью которых проводится эксперимент.


3. ЛИТЕРАТУРА


  1. Первозванский А.А. Курс теории автоматического управления. Наука, 1986.

  2. Цыпкин Я.З. Основы теории автоматических систем. Наука, 1977.

  3. Фомин В.Н. Методы управления линейными дискретными объектами. Изд-во ЛГУ, 1985.



Программу составили:


К.т.н., доцент Чобану М.К.

Зав. каф. ЭФ, проф. Казанцев Ю.А.