- •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
41.Нечеткий сумматор для контроллеров с 2 входами и 1 выходом
Для получения линейного преобразования
вход-выход универсумы для входов должны
быть шире диапазонов изменения входных
сигналов, чтобы последние не выходили
за пределы универсумов (не имело место
явление насыщения). Кроме того,
терм-множество каждого входа должно
содержать некоторое число термов,
проектируемых так, чтобы при любом
значении входа сумма значений функций
принадлежности всех термов была равна
1. Это условие соблюдается, если все
термы, точнее их функции принадлежности,
имеют треугольную форму и пересекаются
с соседними функциями принадлежности
при степени принадлежности
=0,5.
При этом пиковые (максимальные) значения
(сердцевины) этих функций должны быть
равноудалены друг от друга. Тогда каждому
значению входа может соответствовать
самое большее значения лишь двух функций
принадлежности, и каждая из функций
принадлежности между пиковыми значениями
будет являться линейной функцией
входного сигнала. Возьмем для примера
следующие базовые правила.
1. Если e есть Пол и CE
есть Пол, то выход u
равен
,
2. Если e есть Пол и
CE есть Отр, то выход
u равен
,
(2.38)
3. Если e есть Отр и
CE есть Пол, то выход
u равен
,
4. Если e есть Отр и
CE есть Отр, то выход
u равен
.
Здесь e − ошибка, ce − скорость изменения ошибки.
П
редположим,
что оба входных сигнала e
и ce определены на
стандартном универсуме [-100,100] и терм
Пол имеет треугольную форму с пиковым
значением 100 и абсциссой левой крайней
точки основания (опоры) равной -100, а
терм Отр имеет треугольную форму с
пиковым значением -100 и абсциссой правой
крайней точки основания равной 100 (рис.
2.14). В правилах (2.38) функции принадлежностей
для терм Пол, соответствующих четким
входным сигналам e и
ce, обозначим, как
и
.
Операция агрегирования левой части
первого правила вычисляет степень
истинности
,
(2.39), где символ
обозначает оператор нечеткого и.
Чтобы обеспечить линейность, для
осуществления операций и нужно
применить алгебраическое произведение
*. Число терм в каждом терм-множестве
входов определяет число правил, т.к. они
(правила) должны быть комбинацией
операторов и (внутренним произведением)
всех термов для обеспечения полноты
(комплектности) правил. Множества (термы)
выхода желательно выбирать в виде
синглтонов, занимающих позиции
,
равные сумме позиций пиковых значений
соответствующих входных терм.
1. Если e есть Пол и CE есть Пол, то выход u равен ,
2. Если e есть Пол и CE есть Отр, то выход u равен , (2.38)
3. Если e есть Отр и CE есть Пол, то выход u равен ,
4. Если e есть Отр и CE есть Отр, то выход u равен .
В данном примере для первого правила
имеем два входных терма с функциями
принадлежности
и
,
пиковые значения которых соответствуют
значениям
=100
и
=100.
Следовательно, для первого правила
=
+
+
=200.
Аналогично для второго правила имеем
две функции принадлежности
и
.
Для них пиковым значениям соответствуют
позиции
=100
и
=
-100. Отсюда
=100 - 100=0. Таким же путем находим
позиции остальных синглтонов:
= -100 +100 =0,
= - 100 - 100 = -200. Итак, вектор позиций
синглтонов для данного примера
определяется выражением
= [
,
,
,
]
= [200, 0, 0, -200].
(2.40). Функции принадлежностей терм выхода
могут в принципе иметь вид треугольников,
симметричных относительно позиций,
занимаемых их пиковыми значениями,
однако для синглтонов проще осуществляется
операция дефаззификации.
Приведем доказательства аддитивности базовых правил для данного примера, полагая, что нечеткий логический вывод и функции принадлежности входов и выходов осуществляются в соответствии с вышерассмотренными требованиями. Возвращаясь к базовым правилам (2.38), определяем вклад первого правила в управляющий сигнал
=
(2.41)
=
.
(2.42)
Комбинация всех правил, иначе
дефаззификация, осуществляемая с помощью
метода центра тяжести COGS,
приводит к
(2.43). Чтобы упростить запись, введем
обозначения
=
(2.44),
=
(2.45),
=
(2.46),
=
(2.47)
В данном примере = (e+100)/200 (2.48), = (ce +100) /20 (2.49).
Если мы сложим агрегированные значения,
определяемые первым и третьим правилами,
входящие в знаменатель (2.43), то получим
=
(2.50) =
(2.51)
Найденный результат обусловлен
специфическим выбором треугольных
функций принадлежности. Аналогичным
образом находим
=
(2.52).Следовательно,
=1
. (2.53).
Полученный результат объясняет, почему
можно опустить знаменатель в (2.43), точнее
положить его равным единице. Числитель
(2.43) имеет вид
= (2.54)
.
(2.55)
1. Если e есть Пол и CE есть Пол, то выход u равен ,
2. Если e есть Пол и CE есть Отр, то выход u равен , (2.38)
3. Если e есть Отр и CE есть Пол, то выход u равен ,
4. Если e есть Отр и CE есть Отр, то выход u равен .
Очевидно, что
,
т.к.
и
соответствуют правильным с точки зрения
нечетких множеств функциям принадлежности.
Поэтому функция (2.55) представляет собой
линейную комбинацию четырех скалярных
значений
с коэффициентами, принадлежащими
интервалу
.
Так как
является линейной функцией e,
а
линейной функцией ce,
то числитель
,
следовательно, и выход u
контроллера (управляющий сигнал)
представляют собой линейную комбинацию
e и ce,
в данном примере сумму e
и ce. Действительно,
с учетом
= [
,
,
,
]
= [200, 0, 0, -200] (2.40) из (2.43) и (2.55) находим
или
.
Принимая во внимание (2.48) и (2.49) ,
получаем
.
(2.56). Как видим,
рассмотренная методика конструирования
нечеткого контроллера приводит, в
сущности, к нечеткому сумматору,
осуществляющему суммирование двух
сигналов, в данном случае e
и ce. Выражение (2.56)
можно трактовать как выход линейного
ПД - контроллера с равными единице
коэффициентами усиления.
В общем случае можно разработать базовые правила, обеспечивающие линейное преобразование вход-выход. При этом такая методика конструирования нечеткого контроллера приводит, по сути, к нечеткому сумматору, осуществляющему суммирование двух сигналов, в данном случае e и ce. Следующий перечень пунктов резюмирует основные принципы проектирования, позволяющие сконструировать нечеткие правила, эквивалентные суммированию входных сигналов.
Используйте для терм входов функции принадлежности треугольной формы, пересекающиеся при = 0,5.
Используйте алгебраическое произведение * для реализации операции и;
Базовые правила должны быть полной комбинацией связок и (декартовым произведением) всех входных термов.
Используйте в качестве термов выхода синглтоны, их позиции определяйте как сумму позиций пиковых значений функций принадлежности терм входа.
Используйте для дефаззификации метод центра тяжести COGS.
