Профессор Сергей Викторович Ульянов родился в России 15 декабря 1946 года, в 1971 году Закончил Московский Государственный Технический Университет по специальности «Электромеханика и автоматизированные системы управления». В 1974 он защитил кандидатскую диссертацию в Московском Государственном Строительном Университете по специальности «Динамика строительных конструкций в условиях землетрясений». В 1992 году он получил ученую степень доктора физико-математических наук в Институте Физико-Технических Проблем в Москве по специальности «Квантовые и релятивистские динамические системы управления».
Его научные интересы – системы управления на основе искусственного интеллекта (ИИ) с зависящими от времени случайными (переменными) структурами для сложных механических систем, интеллектуальные средства разработки для робототехники, нечеткие интеллектуальные системы управления, программно-аппаратные средства нечетких контроллеров, интеллектуальная механотроника, биомедицинская техника, квантовые и релятивистские системы управления, мягкие вычисления, квантовые алгоритмы и квантовые мягкие вычисления.
Академическая деятельность:
Опубликовал более 35 книг и 200 статей в периодических журналах и трудах конференций по разным научным областям. В числе примеров написанных им книг: “Введение в теорию относительности и ее применение в новых технологиях” (Москва, 1979); “Проблемы управления квантовыми и релятивистскими динамическими системами” (Москва, 1982); “Статистическая динамика машиностроительных конструкций” (Москва, 1977); “Статистический анализ строительных конструкций при землетрясениях” (Москва, 1977); “Теория моделей в процессах управления” (Москва,1978), “Нечеткие контроллеры и интеллектуальные системы управления“ (Москва,1990,1991 и 1992). “Quantum Information and Quantum Computational Intelligence: Backgrounds and Applied Toolkit of Information Design Technologies,” (Vol. 79 – 86, Italy, 2005).
В качестве профессора он читал лекции в Московском Университете Электроники, Автоматики и Радиотехники с 1974; в 1994 – 1997 был профессором в Университете Электросвязи в Токио (Япония); в 1998 – 2003 был профессором Миланского Университета (Италия).
Является членом редколлегий многих международных журналов, таких, как “Soft Computing: A Fusion of Foundations, Methodologies and Applications,” “Journal of Robotics and Mechatronics,” “Journal of Advanced Computational Intelligence,” “Biomedical Engineering,” и т.д.; председателем многих секций на международных конференциях; научным координатором международных проектов с участием США, Италии, Японии и России.
Получил свыше 25 патентов на изобретения в области робастного интеллектуального управления и квантовых мягких вычислений в США, ЕС, Японии и Китае.
Работа в промышленности:
Разработал практическую модель лазающего по стенам робота для ликвидации аварии на Чернобыльской АЭС для операций по очистке, покраске, тушения пожаров и т.д.; нечеткий контроллер для мобильных роботов и манипуляторов в Институте Проблем Механики Российской Академии Наук и Университете Электросвязи в Токио (Япония).
Разработал новые методы проектирования зданий переменной структуры в условиях землетрясений.
Внес вклад в механотронику, разработав новый электро-пневматический пропорциональный регулятор на СБИС для интеллектуальных контроллеров для лазающего по стенам робота и автомобильной подвески.
В области биомедицинской техники изобрел новую аппаратуру для искусственной вентиляции легких на основе этого электро-пневматического регулятора и получил на это патенты.
Разрабатывал совместно с фирмой ST Microelectronics Company (Италия-Франция) новые программные и аппаратные средства интерфейса для нечеткого процессора и нечеткого контроллера. Ожидается, что этот нечеткий контроллер найдет себе применение в мобильном роботе для сферы обслуживания, который разрабатывается в лаборатории профессора Ямафуджи в Университете Электросвязи в Токио (Япония) и в аппарате для искусственной вентиляции легких в ИМБП в России.
Создал средства разработки для применения квантовых вычислений для проектирования робастной интеллектуальной системы управления для фирмы Yamaha Motor Co., Ltd.
Сергей Ульянов сотрудничает в области нечетких интеллектуальных систем управления и интеллектуальной механатроники для мобильных роботов и роботизированного одноколесного велосипеда в Лаборатории Ямафуджи и Ульянова на кафедре Машиностроения и Интеллектуальных Систем в Университете Электросвязи в Токио (Япония), а также интеллектуального робастного управления для автомобильной подвески и роботизированного мотоцикла с фирмой Yamaha Motor Co., Ltd.
Какую основную задачу Вы решаете при разработке интеллектуальных систем управления?
Существует основная проблема при проектировании интеллектуальных систем управления: как внедрить возможности по самообучению, самоадаптации и самоорганизации в процесс управления, чтобы повысить робастность разработанных усовершенствованных систем управления. Было предложено много схем обучения, основанных на алгоритме обратного распространения ошибки и других алгоритмах. Однако для более сложных непредсказуемых ситуаций управления (временная задержка или шум в системе датчика, скачкообразное изменение в параметра модели управляемого объекта, непредвиденные стохастические шумы и т.д.) способы обучения и адаптации, основанные на алгоритме обратного распространения ошибки и прочих алгоритмах случайной итерации не могут привести к робастному управлению в глобальном смысле.
Сложность задачи возрастала для случая интегрированных систем управления с необходимостью проектирования координационного управления многими подсистемами как объектами управления с различными критериями оптимизации (общая задача инженерии систем). Методы мягких вычислений расширили область применения нечетких контроллеров за счет добавления свойств обучения и адаптации. Однако, до сих пор сложно спроектировать «хорошую» и робастную интеллектуальную систему управления, когда ее условия работы меняются существенным образом (старение, выход из строя датчика, шум или задержка от датчика и т.д.). С одной стороны, эти условия можно предвидеть, но трудно охватить такие ситуации с помощью одного нечеткого контроллера.
Вы – автор квантовых мягких вычислений. Вы показали роль и необходимость применения интеллектуальных информационных технологий, основанных на интеллектуальном инструментарии для задачи объективной оценки психофизиологического состояния человека-оператора. Как Ваша команда использовала эмоции человека в когнитивном интеллектуальном управлении роботом?
Мы показали, что оптимизаторы баз знаний на основе квантовых или мягких вычислений (QSCOptKBTM) служат инструментарием разработки для применения технологии глубокого машинного обучения при поиске решения задачи интеллектуального когнитивного управления с применением когнитивного шлема в качестве нейроинтерфейса. В частном случае мы продемонстрировали возможность классификации психического состояния человека-оператора в режиме онлайн с извлечением знаний из электроэнцефалограммы на основе инструментария SCOptKBTM и QCOptKBTM.
Вы предложили новый метод проектирования робастного самоорганизующегося ПИД-регулятора, основанного на алгоритме квантового нечеткого вывода, а также описали структуру технологии проектирования интеллектуальных самоорганизующихся нечетких контроллеров, основанных на модели квантового алгоритма поиска нечеткого вывода.
Проектирование структуры робастных современных автономных или интегрированных систем управления для непредвиденных ситуаций управления является краеугольным камнем современной теории и систем управления. Степень, в которой система управления успешно справляется с вышеуказанными трудностями, зависит от интеллектуального уровня усовершенствованной системы управления. Мы решаем проблемы алгоритмической сложности при проектировании современных систем управления с помощью нетрадиционных и сложных методов вычислительного интеллекта. Основным результатом квантовых вычислений является экспоненциальное (или квадратичное) ускорение по сравнению с классическими вычислениями и решениями задач.
Структура и механизм квантового ПИД-регулятора (QPID) на основе квантовой логики принятия решений с использованием двух K-коэффициентов усиления классических ПИД-регуляторов (с постоянным коэффициентом K-усиления). Мы применили инструментарий вычислительного интеллекта в качестве технологии мягких вычислений в ситуациях обучения.
Как реализованы Ваши технологии проектирования?
Конечное применение квантовых стратегий управления может включать CO в качестве интеллектуальных макро- и микроэлектромеханических систем, интеллектуальных сенсорных систем (со сжатием данных при обработке избыточной информации и усовершенствованным принятием решений), интеллектуальной робототехники и механотроники, квантовой информатики, компьютерной науки, безопасности коммуникационных и информационных системы с ИИ, включая систему моделирования квантовых алгоритмов для проектирования робастного интеллектуального управления в нанотехнологиях.
Интервью: Иван Степанян
