В.В. Красильников1

1 Елецкий государственный университет им. И.А. Бунина (г. Елец, Россия)
1 slava.krasilnikov99@gmail.com

Постановка проблемы. В современной инженерии разработка эффективных стратегий управления сложными техническими объектами требует интеграции качественных и количественных параметров. Традиционные математические модели не всегда подходят для систем с высокой степенью неопределенности, сложными взаимосвязями и нечеткими экспертными знаниями. Когнитивные карты представляют собой перспективный инструмент для формализации знаний и моделирования поведения системы в зависимости от различных факторов.

Цель. Показать развитие подхода к построению когнитивных карт управляемой технической системы на основе данных имитационного моделирования с использованием нечеткой логики для определения весовых коэффициентов связей между концептами.

Результаты. Предложен алгоритм построения когнитивной карты, основанный на анализе количественных данных имитационного моделирования. Отмечено, что алгоритм включает в себя этапы определения концептов, проведения имитационного моделирования, сбора данных, определения связей между концептами и вычисления весовых коэффициентов с использованием аппарата нечеткой логики. Применение нечеткой логики позволило формализовать взаимосвязи между концептами с учетом неопределенности. Рассмотрен пример построения когнитивной карты для системы управления температурным режимом термопластавтомата.

Практическая значимость. Полученные результаты могут быть использованы для решения задач когнитивного моделирования, задач управления техническими системами и задач разработки систем поддержки принятия решений с учетом неопределенностей.

Красильников В.В. Анализ особенностей моделирования управляемых систем при помощи когнитивных карт // Наукоемкие технологии. 2025. Т. 26. № 2. С. 53−58. DOI: https://doi.org/ 10.18127/j19998465-202502-05

1. Горелова Г.В. Когнитивное моделирование сложных систем: состояние и перспективы // Системный анализ в проектировании и управлении. 2021. Т. 25. № 1. С. 224–248.
2. Дружинина О.В., Масина О.Н., Игонина Е.В. Применение методов искусственного интеллекта и когнитивных технологий в задачах моделирования динамических систем // Современные информационные технологии и ИТ-образование. 2022. Т. 18. № 1. С. 83–97.
3. Петухова А.В., Коваленко А.В., Теунаев Д.М. Обзор динамических свойств и алгоритмов обучения нечетких когнитивных карт // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2021. № 167. С. 43–74.
4. Рыков Ю.Г. Технология использования нечетких когнитивных карт с математической точки зрения // Препринты Института прикладной математики им. М.В. Келдыша РАН. 2021. С. 73–22.
5. Заграновская А.В. Построение нечеткой когнитивной карты с использованием методов машинного обучения // Международный научно-исследовательский журнал. 2022. № 9 (123). С. 21.
6. Ротштейн А.П. Нечеткие когнитивные карты в анализе надежности систем // Надежность. 2019. Т. 19. № 4. С. 24–31.
7. Андреева О.Н. Анализ динамики состояния сложных систем на основе нечетких когнитивных моделей // Наукоемкие технологии. 2021. Т. 22. № 1. С. 29–34.
8. Firsova, A., Gorelova, G., Makarova, E.L., Makarova, E.A., Chernyshova, G. Simulation Cognitive Modeling Approach to the Regional Sustainable Complex System Development for Improving Quality of Life. Mathematics. 2023. V. 11. P. 4369.
9. Holt D.V., Osman M. Approaches to cognitive modeling in dynamic systems control. Frontiers in Psychology. 2017. V. 8. P. 2032.
10. Karatzinis G.D., Boutalis Y.S. A Review Study of Fuzzy Cognitive Maps in Engineering: Applications, Insights, and Future Directions. Eng. 2025. V. 6. № 2. P. 37.
11. Tatarkanov A.A., Alexandrov I.A., Chervjakov L.M., Karlova T.V. A fuzzy approach to the synthesis of cognitive maps for modeling decision making in complex systems. Emerging Science Journal. 2022. V. 6. № 2. P. 368–381.
12. Ким Т.А., Арещенков Д.А., Сотников А.А. Исследование средств имитационного моделирования многомерных сигналов в системах искусственного интеллекта реального времени // Современные наукоемкие технологии. 2022. № 10 (2). С. 218–225.
13. Рыков Ю.Г. К вопросу развития гибридного аналитического подхода к моделированию сложных систем, содержащих как слабо структурированные, так и хорошо структурированные подсистемы Информационные и математические технологии в науке и управлении // Информационные и математические технологии в науке и управлении. 2022. № 4 (28). С. 234–247.