улучшающим со временем алгоритм второго контура и т. д. В целом самообучающиеся САУ имеют многоступенчатую иерархическую структуру с несколькими этажами адаптации, каждый последующий из которых имеет все более обобщенный алгоритм функционирования, более медленный ритм работы и соответственно более долговременную память.

В качестве примера самообучающейся САУ можно привести описанную в предыдущем параграфе самоорганизующуюся систему управления ПВО, дополненную надстройкой в виде второго этажа адаптации. Этот новый уровень адаптации конструктивно не обязательно должен представлять собой особый контур со своей ЦВМ, а может быть реализован в рамках ЦВМ первого контура адаптации путем усложнения программы ее работы. Второй этаж адаптации на основе данных опыта, накапливаемого в ходе много-шагового процесса управления ПВО, постепенно все более уточняет характеристики средств противника и на основании этого . корректирует оптимизируемый системой критерий качества управления своими средствами ПВО.

В начале действия системы оптимальное управление ПВО целиком определяется первым контуром адаптации по минимаксному критерию (см. § 13-4) при сбмых широких предположениях о возможных характеристиках и действиях противника и в пределах при предположении, что все эти действия равновероятны.

В ходе действия системы ее второй зтаж обобщает данные о состоянии и действиях сил противника, включая его реакции на действия наших сил. В результате зтого для все большей части показателей сил противника находятся вероятностные, а возможно, и детерминированные характеристики. Соответственно при оптимизации управления в отношении этих характеристик минимаксный

. подход заменяется вероятностным (бейесовым) и детерминированным. В результате постепенно сужается множество тех характеристик противника, в пределах которых оптимизация управления осуществляется на основе минимакса. В этом и заключается само-

. обучение как процесс перехода от незнания ко все большему знанию, т. е. ко все большей определенности поведения.

Таким образом, второй этап адаптации постепенно изменяет алгоритм работы первого этажа в направлении от минимаксного критерия к вероятностному и детерминированному. Соответственно величина риска уменьшается, т. е. повышается качество управления.

Важным классом самообучающихся систем, получившим наибольшее распространение, являются самообучающиеся системы распознавания образов (зрительных, звуковых и т. д.). Такие системы нашли применение, например, в читающих автоматах, автоматах, печатающих текст с голоса, устанавливающих диагноз болезней, и т. п. (Разумеется, возможны и существуют и более простые автоматы подобного рода, не обладающие способвоетью в обучению [1; 37; 38J.)

Помимо самостоятельного назначения, системы распознавания образов имеют еще применение в задачах автоматического управления как устройства распознавания свойств объекта и быстро меняющейся внешней ситуации. По сравнению с описанными в предыдущей главе методами самообучающиеся системы распознавания позволяют принципиально более быстро Получать необходимую для осуществления процесса адаптации информацию об объекте, особенно в случае сложных объектов с неизвестными или неподдающимися математическому описанию свойствами [37]. Вообще основной областью применения самообучающихся САУ являются именно такие объекты с принципиально неопределимыми свойствами. Примерами таких объектов служат большие системы телефонной связи, промьппленные предприятия, другие большие системы, включающие живые организмы. Эти объекты не поддаются алгоритмизации из-за своей случайной природы. (Примером такого принципиального неописываемого алгоритмом объекта является также и человеческий мозг.)

Управление такими объектами невозможно детерминированными управляющими устройствами. Здесь принципиально необходимо самообучающееся управляющее устройство с применением принципа распознавания образов (ситуаций) в качестве единственно возможного способа оценки состояния такого объекта [38].

Самообучающиеся САУ требуют принципиально новых методов исследования, чем описанные в настоящей книге. Эти методы, как и сами системы, еще только создаются. Однако уже сейчас ясно, что сложность задачи, особенно в случае неалгориТмизируе-мых объектов, вынуждает ограничиваться при аналитических исследованиях и при моделировании на вычислительных машинах получением в ochobh( i только качественЕШХ результатов. Особое значение в этих условиях приобретает экспериментальное получение конечных количественных результатов путем автоматического процесса самоорганизации и самоусовершенствования управляющего устройства, которое выполнено исходя из очень общих начальных предпосылок. Таким образом, речь идет о принципиально новом пути создания технических устройств путем автоматического синтезирования их в процесс&амоусовершенствования, конечный результат которого может предопределяться человеком только в самых общих чертах.

ПРИЛОЖЕНИЕ 1

НОМОГРАММЫ ДЛЯ ОПРЕДЕЛЕНИЯ ЧАСТОТНЫХ ХАРАКТЕРИСТИК ЗАМКНУТОЙ СИСТЕМЫ ПО ЧАСТОТНЫМ ХАРАКТЕРИСТИКАМ РАЗОМКНУТОЙ СИСТЕМЫ

Номограммы построены для системы, передаточная функция которой имеет -видг

W{p)

Ws(p)-

l+W{p)-

(О применении их в более обпем сяуч&е см. в § 1-5.)

1. Определение п. а. х. Lg (m) и п. ф. х. Фз (со) замкнутой системы по L (со) и ф(оз) разомкнутой системы.

На рис. П-1, а, б (вклейка) даны линии равных значений ч ffg в координатах L и ф. По имеющимся характеристикам L (со) и ф (со) для каждого отдельного значения m определяются значения L и ф, а по последним с помопхью рис. П-1, а, б находятся соответствующие значения и Фз.

.2. Определение (m) по L (m) и ф (ш) разомкнутой системы.

На рис. П-2 (вклейка) даны пинии равных значений в координатах L Иф. Порядок применения тог же, что и рис. П-1, а.

ПРИЛОЖЕНИЕ 2 ТАБЛИЦА ИНТЕГРАЛОВ [8]

1 р G(/m) .

Н (/т) - а (/т) -I- а, (/т) --... -- а ;

G (/(0) = 6 (/ш)- -Ь 6, (М-* + ... +

все нули И (/ш) расположены в верхней полуплоскости переменной (о <нули Я - левые).

2а в,

2во (оовз - 10 )

+ ala4 -o,a,es):

ад = ajof - 2eoeia4as - 000,0305 + Oooje, + ojoj + o,oje, - aiataae4;

л* = *o (-ОоваОво, + OgOfOj - ejoj + 2aiOio,a, + 010,00, - аоа, -

- oe - o,ooo + aOt) + e,6j (-oiojoj + e,o + efe, - osOo,) + + hfii (-вов - lOjO, + OiOtOt) + 0,6, (ooOgOj -f ofo, - aatOt) +

+ 04 (OoeiOj - OjOf - oJe4 + OjOjOa) + (OioJ + OeOiOgO, -

- 20,040, - OeOjajOj + OoOje* - ejoio, + ajoj + 010*0, - 016:0,04); = ojos + 3000,0,0,00 - 2аов1в4о - OoOjOgoJ - o,eo, + O00J04O, + o}e -

- 2e?ase,oo - 050,040, + ojojo,-f-OiofoJ + OiOjole, - 040,0,040,;

~2ooa,

д/, = ftoo + о*! ! + ao6,m, + ... + во6 т.-, я , = e!a,ef - 20,0,0*0, - 2аоО,04в; + 000,050,0, + 0,030,0 + o,eo,e, - - Л ! + + 80,0,040,0, - 20,0,0,01 - 0,030,0; - 0,050, + а,о}о,ао + + ojof - 2eo,oeo, - 010,0,0, + оооо + e,e,oo, - 0,030,0,0, - Ojojoj; лг, = 000,01 - aoOgoo, - 0,0400a, -f o,o,a - aioj + 2a,o,o,a, + 0,0,0,0, -

- 0,0*0, - ofoj - взОв, + 0,0,0,0,;

л , = вов,о - во ав в - 0,0,0,0, + ooofo, - 0,0,0,0, + 0,030 + e,oje, -

-o,o,e,e,;

, = - ej ! + 20,0,0,0, + 000,040, - 0,0,0,0, - ojoj - 0,0,0,0, + 0,0,0,0,; ni, = 0*0,0, - 0,0,0,0, - 0,0,0,0, - 0,0,0,0, + o,ae, + o;a4a, + 0,00, -

- 0,0,0,04;

Л , = ojojo, - ojo* - 0,0,0,0, - 0,0,0,0, + 20,0,0,0, + 0,030,0, - o,aJa4 +

+ ofojo, - ojoj - o,oo, + 0,0,0,0,;

я = - ( кв? - 20*030,0, + ojoj - 2e,o;a,e, + 00,0,0,0, + 3o,e,o,a,e, -

- 2оов,04о + e,a,ajo, - 0,0,0,01 - e,o}o, + a,ao40, + e}oj -\- ala4,aj -

- 2e?o, 40, - ajo,e4e, + ojojo, - ojOjOao, + o,ao* -j- 0,0,0*0, - 010,0,040,);