Создание

В 1996 году под руководством члена Национального Комитета СССР по аналоговым вычислениям Васильева В.Г. была создана отраслевая научно-исследовательская лаборатория (ОНИЛ) электронного моделирования Министерства электротехнической промышленности СССР и Минвуза УССР, которая в настоящее время преобразована в ОНИЛ Министерства образования и науки Украины.

ОНИЛ оказывала существенное влияние на научно-технический прогресс в электротехнической отрасли, поскольку все электропередачи тепловозов, разрабатываемые ГП "Завод Электротяжмаш" для ОАО ХК "Лугансктепловоз" проходили исследование на уникальных аналого-физических моделях ОНИЛ электронного моделирования. Модели ОНИЛ использовались и для исследования и регулировки различных макетных устройств электропередач тепловозов завода "Электротяжмаш", для оптимизации работы тепловозных дизель-генераторных установок, выпускаемых заводом имени Малышева.

Современное состояние

В последние годы отраслевая лаборатория кафедры принимает активное участие в исследованиях на математических моделях электропередач первых украинских дизель-поездов с прогрессивным тяговым асинхронным приводом, а также в разработке на базе современной вычислительной техники информационно-управляющей и контролирующей системы для этих дизель-поездов, которые выпускает ОАО ХК "Лугансктепловоз".

Научные направления ОНИЛ

1. Разработка методов искусственного интеллекта для моделирования, управления и оптимизации сложных технических систем

Более тридцати лет в рамках ОНИЛ развивается научное направление, связанное с разработкой методов искусственного интеллекта для моделирования, управления и оптимизации сложных технических систем в условиях существенной априорной неопределенности, когда традиционные подходы к разработке математических моделей и алгоритмов решения проблемных задач требуют на своё осуществление годы.

В рамках этого направления предложены новые эволюционные методы и алгоритмы решения вышеуказанных задач. Предложен новый класс математических моделей  К-значные дифференциальные и интегральные уравнения, которые нашли своё применение и в работах по созданию САПР цифровых и гибридных устройств на базе К-значных дифференциальных моделей элементов и устройств вычислительной техники.

Новые математические модели позволяют по сравнению с булевым моделированием или теорией цифровых автоматов на качественно новом уровне исследовать интегральные схемы и дискретные устройства на их основе, а также любые другие динамические объекты, фазовые координаты которых квантованы по амплитуде, а время и другие независимые переменные (если они есть) изменяются дискретно. Основы нового математического аппарата и его приложения изложены в монографиях сотрудников кафедры. В течение ряда лет эти работы выполнялись совместно с кафедрой "Программного обеспечения вычислительной техники и автоматизированных систем" Государственного технического университета имени В.Г. Шухова (г. Белгород, Россия) при поддержке фондов фундаментальных исследований России и Украины.

2. Разработка систем искусственного интеллекта на основе нейронных сетей

В последнее десятилетие все большее число задач моделирования, управления, и оптимизации решаются с помощью систем искусственного интеллекта на основе нейронных сетей. Для идентификации в реальном времени динамических объектов, содержащих в своей структуре "чёрные" и "серые" ящики, применяются нейронные сети, основанные на аппроксимации нелинейностей, например, рядами Вольтера, Винера, полиномами Колмогорова-Габора, нелинейными разностными уравнениями.

Однако в тех случаях, когда управление "чёрным" или "серым" ящиком должно выполняться на основе распознавания ситуаций, которые определяются некоторым множеством динамических процессов, несмотря на большое число работ в этой области, до сих пор удовлетворительных систем управления разработать не удалось. Это связано с тем, что у большинства нейронных сетей, обучаемых методом обратного распространения ошибки, генетическими алгоритмами, в двунаправленной ассоциативной памяти, сетях Хопфилда и т.д., обучение новому образу или ассоциации очень часто требует полного переобучения сети. Невозможность с помощью уже известных нейронных сетей решить проблему стабильности - пластичности привело к разработке принципиально новых конфигураций нейросетей - сетей адаптивной резонансной теории (АРТ). Эти сети в определенной мере решают противоречивые задачи чувствительности (пластичности) к новым данным и сохранения полученной ранее информации (стабильности). Поэтому проблемы распознавания конкретных режимов динамических объектов и адаптация системы в процессе эксплуатации могут решаться на основе нейросетей АРТ. Однако известные дискретные и непрерывные сети АРТ имеют существенные недостатки: относительно малую емкость памяти, наличие только одного поля входных нейронов, невозможность определения нескольких равноценных решений и т.д., что существенно ограничивало область их применения в реальных технических системах.

На кафедре разработан целый спектр нейронных сетей АРТ, которые лишены вышеуказанных недостатков.