ЖУРНАЛ СТА №1/2026

НОУ-ХАУ СТА 1/2026 6 www.cta.ru Использование машинного обучения при диагностике КИП и динамического оборудования Современный мир переживает бум развития технологий искусственного интеллекта, помимо чат-ботов, сервисов генерации изображений и т.п. Искусственный интеллект (ИИ) применяется в беспилотных автомобилях, которые уже сейчас ездят по дорогам общего пользования. Это пример того, как ИИ управляет техническим средством, а именно, считывает данные с лидаров и видеокамер и т.п., анализирует их и формирует команды для задания направления и скорости движения автомобиля. На первый взгляд, это мало чем принципиально отличается от управления технологическим оборудованием на промышленных предприятиях. Почему же в современных АСУ ТП не применяют ИИ для формирования управляющих воздействий на исполнительные механизмы? Виталий Усенко, Николай Лунцев Введение Причина, по которой в современных АСУ ТП по старинке используют чётко сформулированные алгоритмы управ- ления и защиты, сводится к двум те- зисам. ● Простота и понятность: инженер-тех- нолог может чётко описать допусти- мые режимы работы оборудования и законы регулирования. Эксплуати- рующий персонал в любоймомент мо- жет проверить соответствие поведе- ния системы управления описанным алгоритмам. Если же температура на реакторе растёт, а нейросеть стран- ным образом добавляет топлива, ник- то не сможет объяснить это решение. ● Предсказуемость и надёжность: по- ведение классической системы управления детерминировано. В кри- тических системах предсказуемость важнее, чем потенциально более вы- сокая, но непрозрачная эффектив- ность. Невозможно математически доказать, что нейросеть будет ста- бильна при всех возможных состоя- ниях системы, особенно тех, на кото- рых нейросеть не обучалась. Её пове- дение на граничных условиях не- предсказуемо. Сбой в классической системе управления достаточно лег- ко локализовать и исправить. Почему тогда управление беспилот- ным автомобилем с помощью принци- пов одного только чётко сформулиро- ванного алгоритма невозможно? Всё дело в принципиальном отличии за- мкнутой линейной системы (такой как технологический процесс) от сложной и непредсказуемой среды (такой как дорога). ● Принципиально разные задачи: в отличие от АСУ ТП, задача автопи- лота не просто держать скорость или расстояние. Это комплексная зада- ча навигации, предсказания и при- нятия решений в хаотичной, быстро меняющейся среде с десятками по- стоянно движущихся объектов (ма- шин, пешеходов), меняющимися усло- виями движения (знаки, разметка, светофоры) и непредсказуемыми со- бытиями. ● Множество целей и необходимость прогнозирования: поведение авто- пилота определяется не одной, а сот- ней одновременно действующих це- лей и ограничений: • безопасность: избежать столкно- вения; • комфорт: обеспечить плавность хо- да, без резких ускорений и тормо- жений; • правила: обеспечить соблюдение ПДД; • эффективность: построить и следо- вать оптимальным маршрутом; • предсказание: предвидеть намере- ния пешехода (он остановится или побежит) и поведение других во- дителей. И всё же классические алгоритмы управления, такие как ПИД-регулиро- вание, используются в беспилотных ав- томобилях, но как часть вспомогатель- ных, низкоуровневых систем. ● Адаптивный круиз-контроль (ACC): поддерживает заданную ИИ скорость и безопасную дистанцию до впере- ди идущего автомобиля. Здесь ПИД- регулятор идеально подходит – его задача плавно управлять газом и тормозом, чтобы минимизировать «ошибку» (разницу между желаемой и текущей дистанцией). ● Система удержания в полосе (LKA): не даёт машине съехать с полосы. Здесь ПИД-регулятор осуществляет рулевое управление, где «ошибка» – это отклонение от центра полосы.