- •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
Теорема б универсальной аппроксимации.
Такаги-Сугено модель объекта управления в пространстве состояний.
Табличный контроллер. Билинейная интерполяция.
2.3. Табличный контроллер
Если универсумы являются дискретными, то всегда имеется возможность вычислить значения управляющего сигнала для всех мыслимых комбинаций входных сигналов, перед тем как включить контроллер в работу. В контроллере, построенном с помощью таблицы, связи между всевозможными комбинациями входов и соответствующими выходами отображаются с помощью таблицы. При двух входных сигналах и одном выходе такая таблица является таблицей значений функции двух переменных. При трех входах таблица становится трехмерным массивом значений функции трех переменных. Табличная реализация нечеткого контроллера уменьшает время, требуемое для вычисления управляющего сигнала благодаря использованию таблицы, по крайней мере тогда, когда на поиск требуемого значения управляющего сигнала в таблице не надо затрачивать много времени. Ниже приведен пример таблицы функции двух переменных, соответствующий базовым правилам (2.2) совместно с функциями принадлежности терм-множеств, изображенных на рис. 2.8. Надо отметить, что в ячейках таблицы, которую можно назвать таблицей управления, размещены округленные до целых чисел значения управляющего сигнала, соответствующие значениям ошибки и скорости изменения ошибки, на пересечении которых находится ячейка. Так, если ошибка равна нулю и скорость изменения ошибки равна -50, то значение управляющего сигнала равно -61, что, разумеется, совпадает с округленным значением, полученным ранее с помощью механизма инференции (рис. 2.8). Почему разумеется?
Потому что сама таблица заполнена за счет использования алгоритма нечеткого логического вывода.
Типичная область приложения табличных контролеров – та область, в которой в качестве входов фигурируют ошибка и скорость изменения ошибки. Табличный контроллер может быть встроен в крупный объект управления, например автомобиль, за счет использования технологии построения таблиц нескольких переменных.
Области таблицы.
Касательно таблицы управления заметим,
что отрицательные значения ошибки
означают, что управляемая величина y
превышает
заданное значение
=const,
так как ошибка e
определяется соотношением e
=
- y.
Положительное значение ошибки говорит
о том, что управляемая величина меньше
заданного значения. Отрицательные
значения скорости изменения ошибки
означают, что управляемая величина
увеличивается, а положительные значения
− что уменьшается.
Некоторые области таблицы представляют особый интерес. Центр таблицы соответствует случаю, когда ошибка равна нулю, т.е. управляемая величина равна заданному значению. Кроме того, здесь скорость изменения ошибки тоже равна нулю, так что переходной процесс завершился и система пребывает в желаемом состоянии. Это устойчивое состояние равновесия. Диагональ, противоположная главной диагонали, является нулевой. Ей соответствуют желаемые состояния системы, когда имеет место устойчивое состояние равновесия, при котором управляемая величина равна заданному значению либо когда управляемая величина стремится (приближается) к заданному значению за счет инерционности объекта. Если управляемая величина немного отклонилась от значений, соответствующих нулевой диагонали, из-за помехи или возмущений, то контроллер будет создавать небольшие управляющие сигналы с целью вернуть систему в прежнее состояние. Если управляемая величина значительно отклонилась от заданного значения, и наблюдается тенденция к дальнейшему увеличению такого отклонения, то этим состояниям системы соответствуют верхний левый и правый нижний углы таблицы. В этих случаях, как видим, контроллер вносит весьма существенные изменения в управляющий сигнал. Числовые значения по обе стороны от нулевой диагонали не обязательно должны быть антисимметричны. Они могут быть произвольными, однако отражающими асимметричную стратегию управления. При переходной характеристике с перерегулированием изменение положения точек кривой с координатами (ошибка, скорость изменения ошибки) будет отслеживать траектория перемещения от одной ячейки таблицы к другой в виде спирали, закручивающейся по часовой стрелке от левого нижнего угла таблицы по направлению к центру. Эта траектория подобна фазовой траектории на фазовой плоскости, по осям которой отложены ошибка и скорость изменения ошибки. Умелый проектировщик в течение настройки может так подобрать числовые значения управляющего сигнала, другими словами, так заполнить ячейки таблицы управления вручную, чтобы получить желаемое качество переходного процесса.
Билинейная
интерполяция.
Если квантование по уровню входов,
осуществляемое с целью использования
табличного контроллера, является грубым,
т.е. с большим шагом квантования, то в
системе будут иметь место предельные
циклы, другими
словами, незатухающие колебания в
окрестности требуемого состояния
равновесия. При этом таблица позволяет
ошибке изменяться произвольно вблизи
нулевого значения до тех пор, пока эти
изменения не приведут к скачкообразному
изменению нулевого значения управляющего
сигнала на значение, соответствующее
ячейке таблицы, соседней с центральной
ячейкой. Этих неприятностей можно
избежать, применяя билинейную интерполяцию
между значениями таблицы управления,
вместо того чтобы округлять входы до
ближайшего целого значения, определяемого
шагом квантования по уровню. В случае
двухмерной таблицы управления пусть
ошибка
e
удовлетворяет условию
,
где
и
соседние значения
ошибки, разделенные шагом квантования
по уровню. Скорость изменения ошибки
пусть аналогично удовлетворяет условию
.
Результирующее табличное значение
управляющего сигнала тогда определяется
с помощью линейной интерполяции по оси
e
между первой парой
,
:
и второй парой
значений
,
:
,
и затем интерполяции по оси ce между парой значений u1, u2:
.
