В последнее время при создании систем автоматического управления сложными динамическими объектами нейросетевые технологии начинают играть заметную роль. Для сложных объектов, как известно, характерны отсутствие точных математических моделей, высокая размерность пространства состояний, многообразие критериев качества, высокий уровень шумов и внешних возмущений. То обстоятельство, что параметры нейросетевых систем могут подстраиваться в реальном времени с учетом входных и выходных данных, указывает на то, что они могут использоваться с составе интеллектуальных систем управления, обеспечивая высокое качество функционирования этих систем в условиях существенной неопределенности информации об объекте управления и внешней среде [1,2]. Основной этап проектирования связан с выбором структуры системы и типа нейросетевой системы, обеспечивающих достижение поставленных перед системой автоматического управления целей. В качестве критерия синтеза структуры системы автоматического управления выбран принцип минимальной сложности: среди всех возможных алгоритмов управления, обеспечивающих выполнение заданных требований, выбрать наиболее простые. Следует подчеркнуть, что использование нейронных сетей в системах автоматического управления оказывается оправданным лишь в тех случаях, когда применение традиционных алгоритмов не дает желаемого результата, то есть спроектированная система оказывается неработоспособной в силу значительной сложности (нелинейность, неопределенность, разброс параметров) систем управления.

В последнее время при создании систем автоматического управления сложными динамическими объектами нейросетевые технологии начинают играть заметную роль. Для сложных объектов, как известно, характерны отсутствие точных математических моделей, высокая размерность пространства состояний, многообразие критериев качества, высокий уровень шумов и внешних возмущений. То обстоятельство, что параметры нейросетевых систем могут подстраиваться в реальном времени с учетом входных и выходных данных, указывает на то, что они могут использоваться с составе интеллектуальных систем управления, обеспечивая высокое качество функционирования этих систем в условиях существенной неопределенности информации об объекте управления и внешней среде [1,2]. Основной этап проектирования связан с выбором структуры системы и типа нейросетевой системы, обеспечивающих достижение поставленных перед системой автоматического управления целей. В качестве критерия синтеза структуры системы автоматического управления выбран принцип минимальной сложности: среди всех возможных алгоритмов управления, обеспечивающих выполнение заданных требований, выбрать наиболее простые. Следует подчеркнуть, что использование нейронных сетей в системах автоматического управления оказывается оправданным лишь в тех случаях, когда применение традиционных алгоритмов не дает желаемого результата, то есть спроектированная система оказывается неработоспособной в силу значительной сложности (нелинейность, неопределенность, разброс параметров) систем управления.

В последнее время при создании систем автоматического управления сложными динамическими объектами нейросетевые технологии начинают играть заметную роль. Для сложных объектов, как известно, характерны отсутствие точных математических моделей, высокая размерность пространства состояний, многообразие критериев качества, высокий уровень шумов и внешних возмущений. То обстоятельство, что параметры нейросетевых систем могут подстраиваться в реальном времени с учетом входных и выходных данных, указывает на то, что они могут использоваться с составе интеллектуальных систем управления, обеспечивая высокое качество функционирования этих систем в условиях существенной неопределенности информации об объекте управления и внешней среде [1,2]. Основной этап проектирования связан с выбором структуры системы и типа нейросетевой системы, обеспечивающих достижение поставленных перед системой автоматического управления целей. В качестве критерия синтеза структуры системы автоматического управления выбран принцип минимальной сложности: среди всех возможных алгоритмов управления, обеспечивающих выполнение заданных требований, выбрать наиболее простые. Следует подчеркнуть, что использование нейронных сетей в системах автоматического управления оказывается оправданным лишь в тех случаях, когда применение традиционных алгоритмов не дает желаемого результата, то есть спроектированная система оказывается неработоспособной в силу значительной сложности (нелинейность, неопределенность, разброс параметров) систем управления.

В последнее время при создании систем автоматического управления сложными динамическими объектами нейросетевые технологии начинают играть заметную роль. Для сложных объектов, как известно, характерны отсутствие точных математических моделей, высокая размерность пространства состояний, многообразие критериев качества, высокий уровень шумов и внешних возмущений. То обстоятельство, что параметры нейросетевых систем могут подстраиваться в реальном времени с учетом входных и выходных данных, указывает на то, что они могут использоваться с составе интеллектуальных систем управления, обеспечивая высокое качество функционирования этих систем в условиях существенной неопределенности информации об объекте управления и внешней среде [1,2]. Основной этап проектирования связан с выбором структуры системы и типа нейросетевой системы, обеспечивающих достижение поставленных перед системой автоматического управления целей. В качестве критерия синтеза структуры системы автоматического управления выбран принцип минимальной сложности: среди всех возможных алгоритмов управления, обеспечивающих выполнение заданных требований, выбрать наиболее простые. Следует подчеркнуть, что использование нейронных сетей в системах автоматического управления оказывается оправданным лишь в тех случаях, когда применение традиционных алгоритмов не дает желаемого результата, то есть спроектированная система оказывается неработоспособной в силу значительной сложности (нелинейность, неопределенность, разброс параметров) систем управления.

В последнее время при создании систем автоматического управления сложными динамическими объектами нейросетевые технологии начинают играть заметную роль. Для сложных объектов, как известно, характерны отсутствие точных математических моделей, высокая размерность пространства состояний, многообразие критериев качества, высокий уровень шумов и внешних возмущений. То обстоятельство, что параметры нейросетевых систем могут подстраиваться в реальном времени с учетом входных и выходных данных, указывает на то, что они могут использоваться с составе интеллектуальных систем управления, обеспечивая высокое качество функционирования этих систем в условиях существенной неопределенности информации об объекте управления и внешней среде [1,2]. Основной этап проектирования связан с выбором структуры системы и типа нейросетевой системы, обеспечивающих достижение поставленных перед системой автоматического управления целей. В качестве критерия синтеза структуры системы автоматического управления выбран принцип минимальной сложности: среди всех возможных алгоритмов управления, обеспечивающих выполнение заданных требований, выбрать наиболее простые. Следует подчеркнуть, что использование нейронных сетей в системах автоматического управления оказывается оправданным лишь в тех случаях, когда применение традиционных алгоритмов не дает желаемого результата, то есть спроектированная система оказывается неработоспособной в силу значительной сложности (нелинейность, неопределенность, разброс параметров) систем управления.

В последнее время при создании систем автоматического управления сложными динамическими объектами нейросетевые технологии начинают играть заметную роль. Для сложных объектов, как известно, характерны отсутствие точных математических моделей, высокая размерность пространства состояний, многообразие критериев качества, высокий уровень шумов и внешних возмущений. То обстоятельство, что параметры нейросетевых систем могут подстраиваться в реальном времени с учетом входных и выходных данных, указывает на то, что они могут использоваться с составе интеллектуальных систем управления, обеспечивая высокое качество функционирования этих систем в условиях существенной неопределенности информации об объекте управления и внешней среде [1,2]. Основной этап проектирования связан с выбором структуры системы и типа нейросетевой системы, обеспечивающих достижение поставленных перед системой автоматического управления целей. В качестве критерия синтеза структуры системы автоматического управления выбран принцип минимальной сложности: среди всех возможных алгоритмов управления, обеспечивающих выполнение заданных требований, выбрать наиболее простые. Следует подчеркнуть, что использование нейронных сетей в системах автоматического управления оказывается оправданным лишь в тех случаях, когда применение традиционных алгоритмов не дает желаемого результата, то есть спроектированная система оказывается неработоспособной в силу значительной сложности (нелинейность, неопределенность, разброс параметров) систем управления.

В последнее время при создании систем автоматического управления сложными динамическими объектами нейросетевые технологии начинают играть заметную роль. Для сложных объектов, как известно, характерны отсутствие точных математических моделей, высокая размерность пространства состояний, многообразие критериев качества, высокий уровень шумов и внешних возмущений. То обстоятельство, что параметры нейросетевых систем могут подстраиваться в реальном времени с учетом входных и выходных данных, указывает на то, что они могут использоваться с составе интеллектуальных систем управления, обеспечивая высокое качество функционирования этих систем в условиях существенной неопределенности информации об объекте управления и внешней среде [1,2]. Основной этап проектирования связан с выбором структуры системы и типа нейросетевой системы, обеспечивающих достижение поставленных перед системой автоматического управления целей. В качестве критерия синтеза структуры системы автоматического управления выбран принцип минимальной сложности: среди всех возможных алгоритмов управления, обеспечивающих выполнение заданных требований, выбрать наиболее простые. Следует подчеркнуть, что использование нейронных сетей в системах автоматического управления оказывается оправданным лишь в тех случаях, когда применение традиционных алгоритмов не дает желаемого результата, то есть спроектированная система оказывается неработоспособной в силу значительной сложности (нелинейность, неопределенность, разброс параметров) систем управления.

Исследование влияния профиля кулачка в механизме газораспределения (МГР) двигателя внутреннего сгорания при одинаковых подъеме клапана и угле действия на время-сечение клапанной щели, максимальную нагрузку на элементы привода клапана, на характеристику пружинного узла, а также на уровень искажения закона движения за счет резонансных колебаний упругомассовой системы механизма газораспределения одинаковой компоновки.

Исследование влияния профиля кулачка в механизме газораспределения (МГР) двигателя внутреннего сгорания при одинаковых подъеме клапана и угле действия на время-сечение клапанной щели, максимальную нагрузку на элементы привода клапана, на характеристику пружинного узла, а также на уровень искажения закона движения за счет резонансных колебаний упругомассовой системы механизма газораспределения одинаковой компоновки.

Исследование влияния профиля кулачка в механизме газораспределения (МГР) двигателя внутреннего сгорания при одинаковых подъеме клапана и угле действия на время-сечение клапанной щели, максимальную нагрузку на элементы привода клапана, на характеристику пружинного узла, а также на уровень искажения закона движения за счет резонансных колебаний упругомассовой системы механизма газораспределения одинаковой компоновки.

амонавий шароитларда таълим мустақил ижтимоий институтга айланиб, шахсни шакллантиришда, уни ривожлантириш, тарбиялаш ва ижтимоийлаштиришда алоҳида рол эгаллаб, ишлаб чиқариш кучларини ривожлантиришнинг асосий компоненти бўлиб қолмоқда. Шу муносабат билан касбий таълимнинг характери ва функциялари ўзгармоқда: у нафақат билимларни узатиши, маҳоратларни шакллантириши, балки ўз-ўзини билиш/аниқлашга бўлган қобилиятини ривожлантириши, бўлажак мутахассисларни мустақил амалларни бажаришга ва мустақил қарор қабул қилишга (компетенция) тайёрлаши, уларни ўзлари ва ўзларининг ҳатти-ҳаракатлари/амаллари учун маъсулиятни ҳис қилишга ўргатиши керак.

Решение задач теории управления является фундаментальной проблемой современной науки. Бурное развитие новых направлений (интеллектуальное управление, нейросетевые и нечеткие системы и т.п.) сопровождается интенсивными разработками в области теории адаптивного и робастного регулирования. При этом строгий, теоретически обоснованный подход к построению адаптивных и интеллектуальных систем – их выгодное преимущество и одна из характерных черт. Если принять во внимание существенную неопределенность, нелинейность и нестационарность математического описания таких систем, то можно сказать, что задача разработки систем управления для них является актуальной На сегодняшний день в сфере автоматизации ведущее место занимает создание высокоэффективных систем управления технологическими процессами в различных отраслях промышленности, в том числе и в теплоэнергетике, с привлечением интеллектуальных технологий. Одной из наиболее актуальных задач является управление реальными динамическими системами на основе обработки и анализа больших потоков данных.

Сегодня на дорогах всего мира можно встретить автомобили с различными по конструкции системами подачи топлива. Некоторые из них устарели морально и физически. Эти системы не отвечают экологическим нормам по содержанию вредных выбросов в выхлопных газах. Тем не менее, такие автомобили выполняют свои функции [1].

Respublikamiz mustaqilligidan so`ng mamlakatimizda avtomobil sanoati paydo bo`ldi va avtomobil parki keskin darajada o`sdi va hozir ham o`sib bormoqda. Avtomobil yonilg`isi sifatida qo`llaniladigan benzin va dizel yonilg`ilariga bo`lgan talabning o`sishi ularga muqobil yonilg`ilardan foydalanishni taqazo etdi va hozirgi kunda tannarxi jihatdan arzon.

Эффективное использование гидроэнергетического потенциала и формирование единой системы управления водно-энергетическими ресурсами, последовательное увеличение доли возобновляемых гидроэнергетических ресурсов в структуре производства электрической энергии, создание новых экологически чистых генерирующих мощностей, осуществление технического и технологического перевооружения существующих гидроэлектростанций в Узбекистане требует решения задач по техническому совершентвованию гидроэнергетических и гидротехнических объектов.

В статье рассматривается необходимость использования гидравлической энергии при эксплуатаций гидроэлектростанцияй. Показано повышение их эффективности за счет использования холостого сброса воды в нижнем бьефе с применением микрогидростанцй. Разработана программа определения параметров микроГЭС при использовании их в условиях эксплуатируемых гидроэлектростанций.

В данной статье анализируется процесс самораскачивания, который может возникнуть из-за неправильного выбора настроечных параметров автоматических регуляторов возбуждения (АРВ) синхронных генераторов. Сделана цифровая модель Сырдарьинской ТЭС с помощью программного обеспечения DigSilent Power Factory. Рассмотрены режимы работы синхронного генератора Г-1 при различных значениях настроечных параметров АРВ. На основании произведѐнного расчѐта получены переходные характеристики параметров режима. В заключение сделаны выводы по обеспечению статической устойчивости электрических систем.

Большинство смазывающе-охлаждающих жидкостей (СОЖ) щготаалнвают на предприятий! потребителе смешиванием компонентов (эмульсолы, присадки, реамгп!вы) с базовыми растворителями (вида, масло). Наиболее сложна гехнологи приготовления СОЖ на водной основе, которая включает подоподготовку и диспергирование компонентов, Водоподтотовка предусматривает деионизацию, дегазацию, и обеззараживание технический воды [ 1J.

В статье рассматриваются результаты анализа причины потери электроэнергии на линиях электроснабжения и трансформаторах напряжения. Установлена актуальность поставленной задачи, связанная с автоматизацией дистанционного контроля и сигнализации изменения параметров трансформаторов напряжения. Выявлены основные параметры трансформаторов тока, подлежащие автоматизации контроля и сигнализации. Показано, что к контролируемым параметрам относятся: номинальное напряжение трансформатора, номинальные напряжения и токи в первичной цепи трансформаторов, номинальные напряжения и токи во вторичных цепях трансформаторов, коэффициенты трансформации, термическая стойкость, сопротивления изоляции между первичными и вторичными обмотками, реактивные сопротивления обмоток трансформаторов, коэффициент старения железа, изменения (ухудшения) контактов на клеммниках, изменения сопротивления обмоток трансформаторов и др

В статье рассматриваются результаты анализа причины потери электроэнергии на линиях электроснабжения и трансформаторах напряжения. Установлена актуальность поставленной задачи, связанная с автоматизацией дистанционного контроля и сигнализации изменения параметров трансформаторов напряжения. Выявлены основные параметры трансформаторов тока, подлежащие автоматизации контроля и сигнализации. Показано, что к контролируемым параметрам относятся: номинальное напряжение трансформатора, номинальные напряжения и токи в первичной цепи трансформаторов, номинальные напряжения и токи во вторичных цепях трансформаторов, коэффициенты трансформации, термическая стойкость, сопротивления изоляции между первичными и вторичными обмотками, реактивные сопротивления обмоток трансформаторов, коэффициент старения железа, изменения (ухудшения) контактов на клеммниках, изменения сопротивления обмоток трансформаторов и др