Проблемы управления


Журнал адресован широкому кругу специалистов, работа и интересы которых связаны с вопросами управления в технических, организационных, социально-экономических, экологических и медико-биологических системах, разработчикам систем управления и средств автоматизации, преподавателям, аспирантам и студентам вузов.

В журнале публикуются статьи по теории и практике управления, в которых излагаются принципы и методы решения управленческих задач на основе современных методов моделирования с учетом нестабильного поведения окружающей среды, с учетом ограниченной исходной информации и противоречивости целей, слабой структуризации и наличия многих критериев, т. е. таких задач, которые наиболее часто встречаются в реальной жизни.

Основные требования к статьям, представляемым для публикации в журнале: статья (за исключением обзоров) должна содержать новые научные результаты, соответствовать тематике и научному уровню журнала и быть оформлена в полном соответствии с правилами оформления статей. Кроме оригинальных научных статей, в журнале публикуются статьи обзорного характера.

Журнал входит в категорию К1 Перечня ВАК  («Перечень рецензируемых научных изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени кандидата наук, на соискание ученой степени доктора наук») и Russian Science Citation Index (RSCI) на платформе Web of Science.

Начиная с 2021 г. все статьи, публикуемые в журнале «Проблемы управления», переводятся на английский язык и выходят в англоязычной версии журнала - "Control Sciences".

Публикации в журнале бесплатные.

Издаётся с 2003 г.

Периодичность выпуска – 6 номеров в год.

 

 

 

 


Текущий выпуск

№ 6 (2024)

Обложка

Весь выпуск

Обзоры, прогнозы

Перспективные подходы к прогнозированию оставшегося срока полезного использования авиационных двигателей
Кулида Е.Л., Лебедев В.Г.
Аннотация
Представлен обзор литературы, посвященной диагностике и прогнозированию оставшегося срока полезного использования авиационных двигателей на основе глубокого обучения. Приведена формальная постановка задачи оценки оставшегося срока полезного использования. Рассмотрены основные архитектуры глубоких нейронных сетей, применяемые для обнаружения редких сбоев и прогнозирования следующих сбоев на основе данных мониторинга авиационных двигателей. Рассмотрено извлечение информативных признаков с помощью автоэнкодеров. Приводится структура ячеек долгой кратковременной памяти и механизма внимания, применяемых в глубоких нейронных сетях для прогнозирования оставшегося срока полезного использования. Рассматривается задача интеграции прогноза оставшегося срока полезного использования в планирование технического обслуживания на основе обучения с подкреплением.
Проблемы управления. 2024;(6):3-19
pages 3-19 views

Анализ и синтез систем управления

Вычисление спектральной энтропии случайного стационарного процесса
Белов А.А., Андрианова О.Г.
Аннотация
Решается задача вычисления уровня спектральной энтропии стационарного случайного процесса. Под спектральной энтропией (σ-энтропией) сигнала понимается скалярная величина, характеризующая окрашенность шума и определяющая класс сигналов, действующих на систему в зависимости от выбора полосы исследования. Предполагается, что случайный процесс задан либо в виде формирующего фильтра, на вход которого поступает белый шум с единичной ковариационной матрицей, либо в форме автокорреляционной функции. Получено аналитическое решение задачи вычисления уровня спектральной энтропии случайного стационарного процесса по известной математической модели формирующего фильтра в виде лог-детерминантной функции, зависящей от передаточной матрицы и грамиана наблюдаемости фильтра. Предложен алгоритм вычисления σ-энтропии для стационарных случайных процессов с известной автокорреляционной функцией. Метод сводится к восстановлению математической модели формирующего фильтра с использованием факторизации его спектральной плотности. Приведен численный пример расчета спектральной энтропии для возмущения, описывающего скорости порывов ветра, действующих на летательный аппарат.
Проблемы управления. 2024;(6):20-26
pages 20-26 views

Управление в медико-биологических системах

Искусственный сенсорный компонент в системе человек – машина с комбинированной обратной связью
Кубряк О.В., Ковальчук С.В.
Аннотация
Предлагается концептуальный подход к построению комбинированной обратной связи в системе человек – машина с введением искусственного сенсорного компонента обратной связи, управляемого технической подсистемой. Подход направлен на систематизацию роли комбинированной обратной связи в управлении многоагентными системами, включающими дополнительные элементы, людей и искусственных агентов. Он исследован в задаче управления вертикальной позой человека, а также в синтетических экспериментах (на модели CartPole), рассматриваемых на примере обучения с подкреплением. Изучалась изменчивость эффективности решения задачи управления в зависимости от характеристик каналов передачи информации и модификации свойств введенного искусственного сенсорного компонента обратной связи. Полученные результаты показывают концептуальное сходство наблюдений натурного эксперимента и искусственного численного эксперимента в части функционирования дополнительного канала обратной связи – как присутствие сходного эффекта перерегулирования, так и перспективы повышения качества управления путем настройки искусственного сенсорного компонента.
Проблемы управления. 2024;(6):27-37
pages 27-37 views

Управление техническими системами и технологическими процессами

Адаптивное управление скалярным объектом в форме вход – выход на основе идентификационно-аппроксимационного подхода
Круглов С.П.
Аннотация
Рассмотрен подход к построению адаптивного управления скалярным объектом с текущей параметрической неопределенностью, для которого доступны измерению только его вход и выход, на основе упрощенных условий адаптируемости. Данный подход относится к непрямому самонастраивающемуся управлению с использованием алгоритма текущей параметрической идентификации и неявной эталонной модели. Структура настраиваемой модели в алгоритме идентификации выбирается как можно более простой, соответствующей основному движению объекта управления и элементарному динамическому звену или звеньям. В результате текущие оценки в составе указанной модели аппроксимируют движение объекта, критерием чего является сходимость невязки идентификации. Также требуется обеспечить определенные требования к текущим оценкам параметров. Эти оценки, даже неточные, используются для формирования закона управления, доставляющего заданные свойства замкнутой системы управления. Указанное положение предложено трактовать как уточнение известного принципа уверенной эквивалентности с исключением требования асимптотически точного оценивания параметров для достижения самонастраивающейся системой адаптивных свойств в задачах управления по выходу объекта. Основные соотношения приведены для примера, когда доминирующая динамика объекта близка колебательному процессу без дополнительной временно́й задержки. Предложено применять алгоритм идентификации в виде рекуррентного метода наименьших квадратов с фактором забывания и некоторыми модификациями. Приведены два примера решения задач построения адаптивных систем: управление угловым движением мостового крана и парирование колебаний упругого трехмассового привода. Предложено назвать рассматриваемый подход идентификационно-аппроксимационным. Отмечены возможность и пути его дальнейшего совершенствования.
Проблемы управления. 2024;(6):38-50
pages 38-50 views

Хроника

Семнадцатая международная конференция «Управление развитием крупномасштабных систем» MLSDʹ2024
Цвиркун А.Д., Дранко О.И., Степановская И.А.
Аннотация
The 17th International Conference on Management of Large-Scale Systems Development (MLSD’2024) was held on September 24–26, 2024. This annual event is organized by the Trapeznikov Institute of Control Sciences, the Russian Academy of Sciences, with the technical support of the IEEE Russia Section. MLSD conferences are intended to discuss research in the theory and applications of computer control and management for developing large-scale manufacturing, transport, energy, financial, and social systems. The peculiarity of this year’s conference is that the models of large-scale systems are largely focused on solving current problems of strategic management. The MLSD’2024 program included one plenary session and 16 sections with 393 participants. The original proceedings of MLSD’2024 (195 papers) have been published in Russian and indexed by the National Electronic Library (eLIBRARY.RU). Of these, 169 papers have been extended and published electronically in English in IEEE Xplore (Scopus indexing).
Проблемы управления. 2024;(6):51-58
pages 51-58 views

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».