Интеллектуальная система управления расходом жидкого азота в сборнике криогенной установки контроля СП магнитов: мягкие вычисления

Интеллектуальная система управления расходом жидкого азота в сборнике криогенной установки контроля СП магнитов: мягкие вычисления

Автор: Беспалов Юрий Геннадьевич, Неополитанский Денис Александрович, Никифоров Дмитрий Николаевич, Решетников Андрей Геннадьевич, Седых Георгий Сергеевич, Семашко Сергей Владимирович, Ульянов Сергей Викторович

Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse

Статья в выпуске: 3, 2022 года.

Бесплатный доступ

В работе представлены информационные технологии (ИТ), применение которых возможно в задачах интеллектуального управления сложными экспериментальными комплексами. Рассмотрены особенности мягких вычислений, используемых в сквозных квантовых информационных технологиях. Обоснована (с позиции теории и систем интеллектуального управления) схема структуры двухуровневой интеллектуальной системы управления давлением и уровнем азота. Представлены результаты проведенных экспериментов на фабрике магнитов.

Интеллектуальные системы управления, нечёткий нейронный контроллер, генетический алгоритм, сверхпроводящий магнит, ускорительный комплекс

Короткий адрес: https://sciup.org/14126380

IDR: 14126380

Список литературы Интеллектуальная система управления расходом жидкого азота в сборнике криогенной установки контроля СП магнитов: мягкие вычисления

  • Brown K., Rothacker, F., Carey, D. C., Iselin Ch. TRANSPORT: A Computer Program for Designing Charge Particle Beam Transport Systems // SLAC-PUB-91 Rev 2, 1977.
  • Clout P. The status of system // Proc. of the Third Intern. Conference on Accelerator and Large Experi-mental Physics Control Systems, Germany, 1993.
  • Clearwater S., Cleland W. Real-Time Expert System for Trigger Logic-Logic Monitoring // Proc. of the Intern. Conference on Accelerator and Large Experimental Physics Control Systems, Vancouver, B.C., 1989.
  • Klein W. B., Westervelt R. T., Luger G. F. A General Purpose Intelligent Control System for Particle Accelerators - Vista Control Systems Inc., Los Alamos, New Mexico 87544, University of New Mexi-co, Albuquerque, New Mexico.
  • Klein W. B., Westervelt R. T., Luger G. F., An Architecture for Intelligent Control of Particle Accelerators - Vista Control Systems Inc., Los Alamos, New Mexico 87544, University of New Mexico, Albuquerque, New Mexico 87131.
  • Scheinker A., Pang X., Rybarcyk L. Model-independent particle accelerator tuning // Physical Review Special Topics - Accelerators and Beams. 2013. Vol.16. P. 102803. DOI: 16. 10.1103/PhysRevSTAB.16.102803.
  • Innovative applications of genetic algorithms to problems in acceleraror physics / Hofler A. et al. // Phys. Rev. ST Accel. Beams, 2013. Vol. 16. P. 010101. DOI: 10.1103/PhysRevSTAB.16.010101.
  • Chen J., Wang L., Li W.-M., Gao W.-W. Optimization of magnet sorting in a storage ring using genetic algorithms // Chinese Physics C. 2013. Vol. 37. No.12. P. 127004. DOI: 10.1088/1674-1137/37/12/127004.
  • Castelvecch D. Particle physicists turn to AI to cope with CERN’s collision deluge // Nature, 2018. Vol. 557. Pp. 147-148.
  • Ramberger S., Russenschuck S. Genetic algorithms for the optimal design of superconducting accelera-tor magnets // EPAC, 1998.
  • Pang X., Rybarcyk L. J. Multi-objective particle swarm and genetic algorithm for the optimization of the LANSCE linac operation // Nuclear Instruments and Methods in Physics Research Section A: Ac-celerators, Spectrometers, Detectors and Associated Equipment. 2014. Vol. 741. Pp. 124–129. DOI: 10.1016/j.nima.2013.12.042.
  • Yang L., et al. Global optimization of an accelerator lattice using multi-objective genetic algorithm // Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detec-tors and Associated Equipment. 2009. Vol. 609. Pp.50-57. DOI: 10.1016/j.nima.2009.08.027.
  • Интеллектуальная система питания и управления на фазотроне ЛЯП ОИЯИ, реализуемая от одного источника при разных токах в электромагнитных линзах / В. И. Каплин [и др.] // Письма в ЭЧАЯ, 2013. Т.10. №1(178). С.94-100.
  • Каплин В.И., Карпинский В.Н., Поляков Ю.А. и др. Интеллектуальная система питания и управления группами магнитных элементов ускорителей частиц от нескольких источников МВт-Мощности // Письма в ЭЧАЯ, 2012. Т.9. №3(173). С. 489-494.
  • Fiesler, E., Campbell, S. Hybrid neural networks and their application to particle accelerator control // Proc. of the SPIE - The International Society for Optical Engineering, 1999. Vol.3812. Pp.132-142.
  • Neural Networks for Modeling and Control of Particle Accelerators / A. Edelen [et al.] // IEEE Transac-tions on Nuclear Science. 2016. Vol 63. No.2. DOI: https://doi.org/10.1109/TNS.2016.254320. Andrianov S. Control of simulation of a particle accelerator as a spatially distributed system //AIP Con-ferenceProceedings. 2015. Vol. 1648. No.1. Pp. 450003. DOI: 10.1063/1.4912662.
  • Необходимость применения интеллектуальных систем управления в экспериментальных ядерно-физических комплексах (типа NICA). Ч. I: Проблема нештатных ситуаций / О. И. Бровко [и др.] // Системный анализ в науке и образовании. 2019. № 4. С. 32- 57. URL: http://sanse.ru/download/374.
  • Кореньков В. В., Решетников А. Г., Решетников Г. П., Ульянов С. В. Возможности применения сквозных квантовых информационных технологий в интеллектуальных системах управления слабо формализованными физическими объектами (типа комплекс NICA) // Системный анализ в науке и образовании. 2018. № 4. С. 1- 44. URL: http://sanse.ru/download/328.
  • Ульянов С. В., Решетников Г. П. Технологии интеллектуальных вычислений. Мягкие и дробные вычисления в интеллектуальном управлении: учебно-методическое пособие. Дубна: ОИЯИ, 2013. 244 с. ISBN 978-5-9530-0379-7.
  • Ульянов С. В., Решетников А. Г., Решетников Г. П. Технологии интеллектуальных вычислений. Квантовые вычисления и программирование в самоорганизующихся интеллектуальных системах управления : учебно-методическое пособие. Дубна: ОИЯИ, 2015. 246 с. ISBN 978-5-9530-0422-0.
  • Ульянов С. В. Квантовая релятивистская информатика. LAP LAMBERT Academic Publishing, 2014. 400 с.
  • Ульянов С. В., Николаева А. В., Решетников А. Г. Интеллектуальные системы управления в непредвиденных ситуациях. Оптимизатор баз знаний на мягких вычислениях. LAP LAMBERT Academic Publishing, 2014. 380 с.
  • Ulyanov S. V., et al. Quantum swarm model of self-organization process on quantum fuzzy inference and robust wise control design // Proc. 7th Intern. Conf. Appl. of Fuzzy Systems and Soft Computing (ICAFS’2006). Siegen, Germany. 2006. Рp. 10–19.
  • Ulyanov S. V. Self-organizing quantum robust control methods and systems for situations with uncer-tainty and risk. Patent US 8788450 B2, 2014.
  • Ulyanov S. V., Reshetnikov A. G., Ryabov N. V. Deep machine learning and pattern/face recognition based on quantum neural networks and quantum genetic algorithm // The 8th International Conference "Distributed Computing and Grid-technologies in Science and Education" JINR, Dubna, September 13, 2018.
Еще
Статья научная
SciUp 2024 © 2024 ©