- •1.Коньюнкция условий и разбиение пространства входа.
- •Композиция нечетких отношений.
- •Нечеткое инверсное управление и нечеткая система управления с внутренней моделью
- •Алгоритм жесткой кластеризации.
- •Операции над нечеткими множествами. Модификаторы.
- •8. Проектирование нечетких контроллеров (метод Мамдани)
- •2. Нечеткий контроллер с двумя входами и одним выходом
- •9.Нечеткая система управления с плановым изменением коэффициента.
- •10. Оценка параметров заключений по (мнк)
- •11. Адаптивные нейронные нечеткие системы инференции (anfis)
- •12.Импликация Мамдани. Внешнее произведение.Таблица импликаци
- •13. Нечеткая идентификация. Структура и параметры.
- •14. Нечеткий логический вывод для нескольких правил и нескольких входов.
- •Несколько входов (многомерная лингвистическая модель)
- •16. Функциональная схема нечеткого контроллера
- •17. Отношения между нечеткими множествами
- •18. Алгоритм нечеткой кластеризации с-средних
- •19. Моделирование статических объектов упр-я как аппроксимация функций с помощью нейронных сетей (есть только для динамических объектов)((((((((
- •20. Анализ устойчивости тс модели объекта управления в пространстве состояний.
- •22. Нечеткий логический вывод с исп-м отношений. Пример
- •24. Визуализация алгоритма нечеткого логического вывода.
- •25. Понятия о нечетких множествах
- •26. Обучение нейронной сети. Общие сведения.
- •27. Упрощение алгоритма нечеткого логического вывода.
- •28. Обратное распространение ошибки
- •29. Визуализация нечеткого логического вывода.Аккумуляция.
- •30. Параметры алгоритма с-средних
- •31. Проектирование нечетких контроллеров (метод Мамдани)
- •32. Нечеткая логика. Логические связки.
- •33.Проектирование нечетких контроллеров(метод Мамдани). Многомерный нечеткий контроллер.
- •34. Алгоритм обучения anfis
- •35. Максиминная композиция нечетких отношений. Внутренне произведение. Пример.
- •36. Преобразование вход-выход. Кривая управления. Пов-ть управления.
- •37. Табличное изменение коэффициента усиления (супервизорное управление)
- •38. Алгоритм нечеткой кластеризации Густафсона–Кесселя.
- •39. Генетические алгоритмы
- •40. Извлечение правил с помощью кластеризации
- •41.Нечеткий сумматор для контроллеров с 2 входами и 1 выходом
- •42. Нейросетевое прямое и косвенное адаптивное управление с эталонной моделью
- •43. Обратное распространение ошибки. Обновление весовых коэф-в скрытых слоев. Локальные градиенты.
- •44. Модель Такаги-Сугено как квазилинейное устройство
- •45. Контроллер типа Такаги-Сугено
- •46. Нейросетевое управление с адаптивной линеаризацией обратной связью
- •48. Такаги-Сугено модель оу в пространстве состояний
- •49. Нечеткие множества. Синглтоны и лингвистические переменные.
- •50. Моделирование нелинейных динамических оу с помощью нейронных сетей
- •51. Структура интеллектуальной системы управления
- •52. Многослойная нейронная сеть
- •53. Дефаззификация. Методы дефаззификации.
- •54. Нейронная сеть с радиальными базисными функциями
- •56. Синтез нечеткой обратной связи
- •57. Линейные матричные неравенства, основные понятия.
- •58. Аппроксимация функций (моделирование) с помощью нейронных сетей (персептронов)
- •59. Классификация генетических нечетких систем
- •60. Синтез нейронных нечетких сетей. Структура anfis
- •19. Моделирование статических объектов управления как аппроксимация функций с помощью нейронных сетей.
- •Адаптивные нейронные нечеткие системы интерференции (anfis). . Синтез нечетких нейронных сетей
- •5.1. Введение
- •Адаптивные нейронечеткие системы инференции (anfis)
- •Импликация Мамдани. Внешнее произведение. Таблица импликации.
- •Нечеткая идентификация. Структура и параметры
- •Нечеткий логический вывод для нескольких правил и нескольких входов.
- •1. Настройка пид-регулятора
- •3. Перенос параметров пид-регулятора в нечеткий контроллер
- •Анализ устойчивости тс модели объекта управления в пространстве состояний. Анализ устойчивости тс модели объекта
- •1. Настройка пид-регулятора
- •Нечеткий логический вывод (инференция). Пример.
- •Визуализация нечеткого логического вывода. Агрегирование условий и активизация заключений.
- •Математическая модель нейрона. Математическая модель нейрона
- •Нечеткое управление с предсказанием.
- •Визуализация нечеткого логического вывода. Аккумуляция заключений.
- •5.1. Введение
- •Алгоритм обучения anfis
- •Максиминная композиция нечетких отношений. Внутреннее произведение. Пример.
- •Преобразование вход-выход для нечетких контроллеров. Кривая управления и поверхность управления.
- •2.4. Преобразование вход-выход
- •Табличное изменениекоэффициентаусиления (супервизорное управление).
- •2.8. Табличное изменение коэффициента усиления (супервизорное управление)
- •Алгоритм нечеткой кластеризации Густафсона-Кесселя.
- •Генетические алгоритмы. Генетические алгоритмы
- •Модель Такаги-Сугено как квазилинейное (аффинное) устройство. Модель Такаги-Сугено как квазилинейное устройство
- •Контроллер типа Такаги-Сугено.
- •Деффазификация. Методы деффазификации.
- •2.2.5. Дефаззификация
- •Теорема б универсальной аппроксимации.
- •Такаги-Сугено модель объекта управления в пространстве состояний.
- •Табличный контроллер. Билинейная интерполяция.
- •2.3. Табличный контроллер
- •Моделирование нелинейных динамических объектов управления с помощью нейронных сетей.
- •Моделирование нелинейных динамических процессов (объектов)
- •Упрощение алгоритма нечеткого логического вывода.
- •Обратное распространение ошибки. Обновление весовых коэффициентов выходного слоя.
- •4.6. Обратное распространение ошибки
- •Структура интеллектуальной системы управления.
- •Многослойная нейронная сеть. Многослойная нейронная сеть
- •5.1. Введение
- •Структура anfis
29. Визуализация нечеткого логического вывода.Аккумуляция.
Аккумуляция, или аккумулирование
представляет собой процедуру нахождения
функции принадлежности выходной
лингвистической переменной. Разумеется,
что априорно выбираются функции
принадлежности для всех
,
термов выходной переменной. Поэтому
можно считать как бы априорно заданной
лингвистическую переменную выхода
контроллера. Цель аккумуляции состоит
в том, чтобы объединить или аккумулировать
заключения, лучше сказать подзаключения
всех базовых правил, и в результате
получить заключение, соответствующее
всей правой части То этих правил.
Подзаключения относятся к одной и той
же лингвистической переменной выхода,
но принадлежат различным правилам
нечеткой инференции. После активизации
функции принадлежности всех или части
термов выхода видоизменяются в
соответствии с входными сигналами
контроллера. В сущности, каждое
подзаключение полностью характеризуется
видоизмененной функцией принадлежности
соответствующего терма выхода. При этом
надо иметь в виду, что каждому правилу
отвечает свой терм выхода и свое
подзаключение. Если правило не
активизировано, то присущая ему
видоизмененная функция принадлежности
терма выхода равна нулю и не оказывает
никакого влияния на искомое заключение.
Еще стоит отметить, что одни и те же
термы выхода с одинаковыми или различными
видоизмененными функциями принадлежности
могут фигурировать в нескольких правилах.
Для аккумуляции активизированных
функций принадлежности терм выхода
используется операция
.
З амечание. Если видоизмененные функции принадлежности термов выхода не перекрываются между собой (например, в случае синглтонов), то операция аккумуляции применяется для определения функций принадлежности тех термов, которые встречаются в двух и более правилах инференции. В результате аккумуляции получают заключения для всех термов переменной выхода. Теперь для определения искомой функции принадлежности выходной переменной достаточно расположить полученные функции принадлежности термов на одной оси. Таким способом найден окончательный график функции принадлежности управляющего сигнала (кстати, напомним, что в данном случае q=5, N=9), расположенный на рис. 2.8 внизу справа. Здесь один и тот же терм выхода ОтрС фигурирует во втором и четвертом правилах, терм выхода Нуль – в третьем, пятом и седьмом правилах, наконец, терм выхода ПолС – в шестом и восьмом правилах. Как видно из рис. 2.8, активизированы терм ОтрБ в первом правиле, второй терм ОтрС во втором и четвертом правилах, третий терм Нуль в пятом и седьмом правилах, четвертый терм ПолС в восьмом правиле. Все остальные термы во всех других правилах имеют нулевую функцию принадлежности.
Следовательно, применяя операцию max, получаем, что терму ПолБ соответствует подзаключение с нулевой функцией принадлежности; терму ОтрБ − подзаключение с функцией принадлежности, определяемой видоизмененной функцией принадлежности того же терма в первом правиле; терму ОтрС – подзаключение с функцией принадлежности, определяемой видоизмененной функцией принадлежности того же терма в четвертом правиле; терму Нуль – подзаключение с функцией принадлежности, равной видоизмененной функции принадлежности такого же терма в пятом правиле; терму ПолС - подзаключение с функцией принадлежности, определяемой функцией принадлежности того же терма в восьмом правиле. Искомую функцию принадлежности выхода согласно
(2.31) и (2.32)
можно
записать так,
в
силу того, что
,
,
,
.
