Аннотация результатов, полученных в 2016 году
В ходе выполнения работ по проекту подготовлен аналитический обзор существующей литературы в различных областях, имеющих отношение к системам с изменяющейся во времени структурой пространства состояний, теории управления на основе прогнозирующей модели, ее применениям, а также релевантным приложениям в сетевом управления движением, в распределенных вычислениях и в автоматизации медицинских инструментов; теоретические результаты о рамках традиционных динамических моделей движения в условиях изменений со временем структуры пространства состояний, о возможных и допустимых типах неопределенностей и внешних возмущений, укладывающихся в эти рамки. В ходе работы над проектом на основании проведенного анализа сделан вывод о необходимости обобщения формализации описания динамических систем для адекватного учета переходных процессов и "включения" в рассмотрение моделей с переменной структурой пространства состояний. Для снятия многих трудностей и противоречий традиционных описаний предлагается использовать модель, так называемых, "кластерных потоков", которые появляются при рассмотрении систем, описываемых интегро-дифференциальными уравнениями. Кластеры в системе образуются под влиянием внешних воздействий на систему. При предположении о конечности структуры внешних воздействий на систему и достаточно медленном изменении структуры внешнего воздействия изменения структуры пространства состояний системы происходят не очень часто, а так, чтобы время формирования новых кластеров (переходные процессы в системе) было существенно меньше времени, за которое структура внешнего воздействия поменяется существенно. Для определения моментов существенных "переключений" в системе предложен новый метод, который обоснован при предположениях, что плотность распределения значений параметров зависит от скалярного параметра и модель наблюдения содержит гауссовский шум. Первый шаг алгоритма - фильтрация шума с помощью адаптивного оценивания непараметрической регрессии (spatial adaptive estimation of nonparametric regression). Далее используется метод Filtered Derivative Algorithm (FDA), основанный на тесте отношения правдоподобия. Основная идея этого метода состоит в том, чтобы вычислять скорость изменения градиента функции отношения правдоподобия и потом сравнивать ее с некоторым адаптивным пороговым значением. Для построения адаптивного управления на интервалах времени без существенных изменений структуры пространства состояний предлагается использовать робастное управление с прогнозирующими моделями в комбинации с рандомизированной стратегией управления и алгоритмом оценивания доверительного множества возможных значений неизвестных параметров, являющимся расширением метода "исключения областей знакодоминирующих корреляций" LSCR на случай почти произвольных помех. Общие новые подходы и методы в ходе работы над проектом применяются для двух важных приложений. Для задачи выравнивания влияния возмущающих турбулентных воздействий на разные элементы крыла самолета с большим массивом распределенных по поверхности датчиков и исполнительных устройств предложено применить мультиагентный протокол локального голосования с неубывающим до нуля размером шага, работоспособность которого обоснована ранее в условиях значительных неопределенностей и внешних помех. Для протокола локального голосования в условиях существенных неопределенностей получены условия на соотношения типичного времени переходного процесса выравнивания давлений с помощью поворотов "перьев" и длительностями интервалов, через которые характеристики внешних воздействий на систему (ветра) меняются значительно, а также обосновано применение рандомизированного алгоритма типа стохастической аппроксимации с постоянным размером шага (коэффициентом усиления) для адаптивной подстройки размера шага при изменении внешних условий. Для проведения натурных физических экспериментов разработан и изготовлен стенд-макет крыла самолета с размещенными на поверхности сотней "перьев" с датчиками и исполнительными механизмами. Для решения задачи об автоматизации дефибриллятора для реанимации сердца подготовлены тестовые исходные данные для использования классификатора "Машина с гарантированной ошибкой" (Guaranteed Error Machine, GEM) на основании анализа кардиограмм, которые являются основным источником данных о пациентах при проведении дефибрилляции. На этих данных были апробированы метод опорных векторов, линейный дискриминантный анализ и нейронные сети. Научные результаты первого года работы опубликованы в 5 статьях, которые будут индексироваться в базах данных Scopus и РИНЦ, и еще в одной статье, которая проиндексирована в РИНЦ. Кроме того, научные результаты представлены на пяти международных научных конференциях и нескольких всероссийских.

Аннотация результатов, полученных в 2017 году
В ходе выполнения первого этапа работ в 2016 году было установлено, что миниатюризация и увеличение быстродействия вычислителей, датчиков и исполнительных устройств открывают новые возможности интеллектуального управления сложными мехатронными системами на переходных процессах и в условиях турбулентности. Изучение вопросов адаптивного управления в изменчивой среде и с изменяющейся во времени структурой пространства состояний актуализировало исследования алгоритмов работоспособных на конечном интервале времени при малом количестве точек наблюдений. В отчетном периоде для адаптации на конечном интервале времени были развиты рандомизированные стратегии управления с прогнозирующими моделями в условиях неопределенностей на основе алгоритма ``исключения областей знакодоминирующих корреляций''. Для задач идентификации при малом числе наблюдений метод ``знаковозмущенных сумм'' был расширен для применения в нелинейных задачах. Для решения задач идентификации и оптимизации выпуклой вещественнозначной функции векторного аргумента обосновано использование нескольких квази-ньютоновских методов, основанных на подходе проекции-аппроксимации-восстановления. В сложных системах адаптация к изменениям структуры внешних возмущений часто происходит за счет внутренней самоорганизации, как в мультиагентных системах. Исследование таких процессов приводит к изучению свойств достижения консенсуса в разных сложных системах. В отчетный период в этой области участниками проекта были получены существенные новые результаты для модели Фридкина-Йонсена, для синхронизации в сети непрерывно связанных биологических осцилляторов, описываемых моделью Гудвина с несколькими нелинейностями, для задачи размещения агентов на окружности с центром в некоторой целевой точке, либо на заданном расстоянии от заданного множества. Для схем синхронизации (называемых маятниковыми системами или системами с цилиндрическим фазовым пространством), описываемых сингулярновозмущенными интегро-дифференциальными уравнениями Вольтерра с периодическими нелинейностями, модификация методов абсолютной устойчивости, взятая из работ В.М. Попова, позволила установить эффективные критерии для градиентного поведения маятниковой системы, что также подразумевает устойчивость системы к широкому классу возмущений. В условиях турбулентности для задачи сетевого адаптивного управления большим массивом роботизированных подвижных элементов распределенных на всей поверхности планера («перьев») при воздействии переменного ветра предложено использовать в контуре обратной связи новый мультиагентный алгоритм, основанный на методе скоростного градиента, позволяющий эффективно выравнивать влияния возмущающих сил на разные элементы крыла. Работоспособность алгоритма апробирована на натурном стенде в условиях воздействия на крыло турбулентных потоков. Для решения задачи автоматизации дефибриллятора разработана архитектура и прототип приложения для тестирования различных алгоритмов машинного обучения. Научные результаты второго года работы опубликованы в 12 статьях, которые будут индексироваться в базах данных Web of Science, Scopus и РИНЦ, и еще в двух статьях, которые будут индексироваться в РИНЦ. Кроме того, научные результаты представлены на 10 международных научных конференциях и одной всероссийской. Подана заявка на регистрацию патента.

Аннотация результатов, полученных в 2018 году
В ходе выполнения работ по проекту в 2018 г. году для мультиагентных робототехнических систем (больших групп роботов, роботизированных устройств, агентов) предложены и обоснованы новые подходы к синтезу адаптивного управления на основе прогнозирующих моделей в динамической среде при переменной структуре пространства состояний в условиях неопределенности и существенных внешних возмущений, которые развили и консолидировали разработанные ранее новые методы адаптивного управления с прогнозирующими моделями при изменяющейся со временем структуре пространства состояний в условиях неопределенностей и значительных внешних возмущений, обоснованы правила априорного задания параметров алгоритмов. В приложениях к системам сетевого управления движением в основе нового подхода лежат исследование условий кластеризации (разбиения на подгруппы) агентов за счет локальных взаимодействий на "микро-уровне" в "быстром времени", последующая дискретизация системы как по времени так и по пространству состояний (переход к "динамике кластеров" в "медленном времени"), синтез адаптивного "макро-управления" на основе прогнозирующих моделей на конечном интервале времени пока не поменялась кластерная структура. В системе, состоящей из большого числа агентов, с одной стороны, при наличии согласованности в поведении некоторых групп агентов (кластеров) общая размерность пространства состояний снижается. С другой стороны, действие возмущений может приводить к нарушению согласованности поведения агентов в некоторой группе, что будет соответствовать перестроению структуры кластеров и изменению размерности пространства состояний. Проведенное исследование теоретических вопросов адаптивного управления в изменяющейся динамической среде при переменной структуре пространства состояний объектов и среды показало практическую актуальность таких новых задач и принципиальные возможности достижения новых, недоступных ранее технологий. В результате выполнения проекта был сделан вывод о достаточно типичном процессе формирования кластерных структур в процессе функционирования больших сложных систем (групп роботов, роботизированных устройств, агентов) с локальными взаимодействиями. Кластеры (подгруппы роботов) в таких системах динамически возникают/изменяются в "быстром'" времени за счет локальных обратных связей между роботами на микро-уровне и могут достаточно долго не разрушаться при некоторых общих (макро) воздействиях на подгруппы роботов. Такие системы (группы роботов и т.п.) на интервалах времени с неизменной кластерной структурой в "медленном" времени при дискретизации с шагом большим, чем время переходного процесса формирования/изменения кластеров, могут адекватно описываться конечномерными динамическими моделями с макро-переменными состояний, представляющими собой интегральные по интервалу дискретизации и по кластерам характеристики микро-переменных состояний исходной системы (например, положения центра масс кластера, скорости центра масс и скорости вращения) и кусочно-постоянным макро-управлениями, применяемыми одновременно ко всем элементам кластера на протяжении интервала дискретизации. Формализация процесса принятия управляющего решения обычно связывается с заданием цели управления, в определении которой участвуют реализовавшиеся траектория системы и совокупность управляющих воздействий. При выполнении проекта для макро-управлений группой роботов были рассмотрены интегральные цели управления, задаваемые интегралами по пространству и времени от некоторой функции качества управления. Решение общей задачи на всем допустимом интервале времени естественным образом распадается на последовательность задач управления на конечных интервалах времени (при неизменной кластерной структуре). При этом на каждом таком интервале времени в силу аддитивности интегралов можно рассматривать задачи только относительно макро-переменных состояний и макро-управлений. Основные трудности решения задач на таких конечных интервалах возникают из-за того, что заранее обычно трудно спрогнозировать, какая кластерная структура сформируется и, следовательно, практически невозможно провести предварительную валидацию системы. В проекте предлагается для формирования макро-управлений при неизменной кластерной структуре использовать робастные алгоритмы управления с прогнозирующими моделями. Так как степень априорной неопределенности о моделях очень высока, то было предложено для адаптации на конечном интервале времени использовать рандомизированные стратегии управления с прогнозирующими моделями в условиях неопределенностей на основе алгоритма "исключения областей знако-доминирующих корреляций''. При управлении большим количеством роботов (агентов) возникают серьезные проблемы получения достоверной информации о траекториях движения всех агентов состоянии, причем обычно требуется обеспечить достаточно высокое быстродействие работы системы для принятия решения в реальном времени. В рамках проблемы разработки методов интеллектуального анализа, управления и прогнозирования функционирования робототехнических систем для отслеживания движения группы объектов сетью сенсоров (роботов-наблюдателей) решена задача оптимизации распределения объектов между наблюдателями. При ограничении количества наблюдателей за одним объектом предложено использовать циклический алгоритм стохастической аппроксимации, для которого получены оценки точности в зависимости от выбранных параметров алгоритма. В сложных системах адаптация к изменениям структуры внешних возмущений часто происходит за счет внутренней самоорганизации подсистем (агентов). Исследование таких процессов приводит к изучению свойств достижения полной или частичной синхронизации (называемых также консенсусом и кластеризацией) в разных сложных системах. Участниками проекта были получены существенные новые результаты связанные с динамикой мнений в социальных системах. Разработана и исследована динамическая модель формирования мнений в процессах голосования при ограниченном интервале доверия, развивающая идеи Хегсельманна и Краузе. Установлено, что консенсусные алгоритмы максимизации энтропии (MaxEnt) для разных типов энтропий, возникающих в статистической физике, приводят к неравномерным распределениям, соответствующим кластерному поведению, в то время как ранее было известно, что консенсус при равномерном распределении соответствует максимуму энтропии. Разработанные новые общие подходы были апробированы в прикладных задачах. В условиях турбулентности для задачи сетевого адаптивного управления большим массивом роботизированных подвижных элементов распределенных на всей поверхности планера ("перьев") при воздействии переменного ветра предложено использовать в контуре обратной связи новый мультиагентный алгоритм, основанный на методе скоростного градиента, позволяющий эффективно выравнивать влияния возмущающих сил на разные элементы крыла. Работоспособность алгоритма протестирована на модернизированном натурном стенде в условиях воздействия на крыло турбулентных потоков. В отличие от предшествующего стенда в новой версии вместо отдельных пластин поверхность крыла покрыта плотной материей, закрепленной к исполнительным механизмам в уголках "перьев", подъем и опускание которых приводит к изменению сил давления на подвижные элементы крыла. Для задач анализа неструктурированных данных предложены и обоснованы методы построения паттернов динамических моделей, протестированные при решении проблемы классификации текстовых документов. Большинство методов анализа данных рассматривает исследуемый объект как статический набор описывающих его характеристик, не учитывая динамики процесса их формирования. В то же время динамика формирования свойств объекта может служить его отличительной характеристикой, признаком, по которому в множестве объектов можно выделить схожие группы. Новые методы расширяют возможности методов анализа данных и в медицинской области, позволяя учитывать неструктурированные данные и динамику их изменений в процессе принятия решений. Среди медицинских приложений результатов о вынужденной синхронизации системы связанных биологических осцилляторов, описываемых моделью Гудвина с внешним периодическим воздействием, в ходе выполнения проекта получено объяснение возможностей как синхронизации суточных (циркадных) ритмов в организме при внешней освещенности, имеющей период 24 часа, так и быстрого приспособления к смене часовых поясов. Результаты проекта имеют широкий спектр возможных приложений как в робототехнике, так и в экономике, физике, биологии, социологии и др. науках. Полученный по итогам выполнения проекта патент на изобретение "Аэродинамическое крыло летательного аппарата с адаптивно изменяющейся поверхностью" является основой последующих опытно-конструкторских разработок прототипов будущих летательных аппаратов, формируя научный и технологический задел в передовой высокотехнологической отрасли авиастроения, создавая основу новых технологий. Мультиагентный алгоритм формирования подгрупп роботов-наблюдателей для отслеживания перемещений большой группы автономных агентов (роботов) разработан в таком виде, что может непосредственно применяться в разных практических приложениях, удовлетворяя большому количеству ограничений реального времени. Полученные результаты по достижению консенсуса в сетях и кластеризации внедряются в исследования в экономике, логистике и при изучении доминирующих мнений в социальных сетях, так как достижение "равновесных" состояний лежит в основе многих классических подходов. Переход от изучения свойств сетей дискретных объектов к сетевым континуальным системам позволит "перенести" многие из полученных результатов на актуальные физические задачи при контроле/управлении в сложных системах. Результаты исследования опубликованы в 10 статьях и 1 научной монографии. Популяризации идей проекта служат публикации и передачи в средствах массовой информации, а также веб-сайт проекта http://www.ipme.ru/ipme/ru/infrastr/STENDAF/RSF16-19-00057.html. Реализованные в виде программного обеспечения алгоритмы доступны для скачивания и тестирования из репозитория программ. Научная значимость и новизна результатов определяются недостаточным в настоящее время уровнем теоретических и практических исследований вопросов адаптивного управления робототехническими системами в изменяющейся динамической среде при переменной структуре пространства состояний. Масштабность проведенного исследования обоснована широким спектром возможных приложений как в робототехнике, так и в экономике, физике, биологии, социологии и др. науках.