
- •Основные принципы построения интеллектуальных сау
- •1.1.Предпосылки создания интеллектуальных сау
- •1.2.Информационные аспекты организации интеллектуальных сау
- •1.3.Представление знаний в интеллектуальных системах
- •1) Язык продукционных правил.
- •2) Язык семантических сетей.
- •3) Язык логики предикатов.
- •4) Язык фреймов.
- •.4. Методы описания нечетких знаний в интеллектуальных системах
- •1.5. Классификация интеллектуальных систем и структурная организация интеллектуальных сау
- •Представление и использование знаний в интеллектуальных сау при помощи методов теории нечетких множеств
- •2.1. Определение и основные характеристики нечетких множеств
- •2.3. Операции над нечеткими множествами
- •2.4. Расстояние между нечеткими множествами и индексы нечеткости
- •2.5. Нечеткие числа, нечеткие отображения и нечеткие функции, принцип обобщения, арифметические операции над нечеткими числами.
- •2.6. Нечеткая логика
- •2.7. Системы нечеткого вывода
- •Нечеткие системы автоматического управления
- •3.1. Сау с нечетким контроллером
- •3.2. Гибридные нечеткие сау
- •3.3. Адаптивные нечеткие сау
- •3.4. Анализ динамики нечетких сау
- •4.Примеры построения нечетких сау
- •4.2. Сау движением тележки мостового крана
- •4.3. Сау температурой ферментатора
- •4.17. Структурная схема сау температурой ферментатора с fuzzy-регулятором
- •Заключение
4.Примеры построения нечетких сау
Существует множество подходов к построению нечетких систем автоматического управления, систематизация которых затруднена ввиду того, что процесс синтеза систем данного класса носит преимущественно эвристический характер. Тем не менее, для САУ с нечеткими контроллерами, исторически появившихся раньше остальных типов нечетких САУ, имеющих наибольшую историю создания и опыт эксплуатации, можно выделить следующие этапы разработки САУ [39].
1-й этап. Производится изучение объекта регулирования, его традиционной модели и опыта технологов по его эксплуатации.
2-й этап. На основе проведенного на 1-м этапе всестороннего детального анализа объекта управления осуществляется выбор измеряемых (наблюдаемых) выходных переменных и управляющих воздействий, выбор пределов измерений и масштабных коэффициентов, обеспечивающих нормирование переменных в конечных диапазонах, что позволяет на последующих этапах проектирования использовать нечеткие переменные, заданные нечеткими множествами с конечным носителем.
3-й этап. Для выбранных на 2-м этапе переменных и управляющих воздействий вводятся соответствующе лингвистические переменные, задаются термы лингвистических переменных, образующие термы нечеткие переменные и функции принадлежности нечетких переменных. На данном этапе следует обратить внимание на то, что эффективность разрабатываемой нечеткой САУ зависит от выбора количества, формы и взаимного расположения функций принадлежности нечетких переменных на нормированных интервалах.
4-й этап. Проводится опрос экспертов (операторов, технологов, инженеров), имеющих опыт проектирования и эксплуатации рассматриваемого объекта управления. На основе полученных экспертных данных формируются логические правила регулирования в лингвистической форме. В случае выявления неучтенных ранее особенностей объекта управления осуществляется возврат с предыдущим пунктам проектирования и корректировка соответствующих данных.
5-й этап. Сформулированные на 4-м этапе лингвистически правила управления представляют в форме нечетких продукционных правил и проверяют полученную базу нечетких продукционных правил на полноту, непротиворечивость и избыточность. При необходимости производят коррекцию базы продукционных правил с объединением соответствующих продукционных правил, используя для слияния антецедентов нечетких продукций логические связки «И», «ИЛИ», «НЕ».
6-й этап. СЗадается конкретный процесс нечеткого вывода и выбираются операторы агрегирования подусловий, активизации подзаключений и аккумулирования заключений базы нечетких продукционных правил, а также метод дефаззификации выходных переменных системы нечеткого вывода.
7-й этап. С использованием специализированного пакета проектирования нечетких систем, например Fuzzy Logic в системе Matlab или fuzzyTECH, производится ввод лингвистических переменных, базы нечетких продукционных правил, программирование процедур системы нечеткого вывода. Далее строится имитационная модель разрабатываемой нечеткой САУ, включающая как модель нечеткого регулятора, так и модели прочих элементов САУ, как-то непосредственно объекта управления, датчиков, усилительно-преобразующих и исполнительных механизмов. С использованием полученной имитационной модели нечеткой САУ производится окончательная доводка разработанной системы в режиме off-line: осуществляется интерактивный анализ поведения системы при помощи программной модели объекта управления, проверяется эффективность работы системы и при необходимости вносятся коррективы в систему нечеткого вывода.
8-й этап. Разработанный алгоритм нечеткого управления средствами специализированно пакета проектирования нечетких систем преобразуется в программный код для реализации на базе обычного или специализированного нечеткого микроконтроллера.
В соответствии с рассмотренными ранее принципами IPDI можно дать следующую классификацию применяющихся в настоящее время нечетких систем автоматического управления, расположив их в порядке возрастания степени интеллектуальности.
САУ с нечетким контроллером. Замкнутая система управления с обратной связью, в прямом контуре которой в качестве регулятора используется нечеткий контроллер – устройство, опрашивающее при помощи датчиков состояние объекта управления и вырабатывающее управляющее воздействие посредством реализации одной из рассмотренных ранее схем нечеткого вывода. Поскольку такое устройство только использует заранее введенные знания, полученные от экспертов на этапе проектирования и представленные в виде базы правил системы нечеткого вывода, но не обладает самостоятельной способностью к модификации базы правил, а все последующие изменения в базе правил осуществляются разработчиком извне, то такая система управления обладает минимальной степенью интеллектуальности.
Гибридные нечеткие САУ. Замкнутая система управления с обратной связью, в прямом контуре которой в качестве регулятора используется гибридный нечеткий контроллер – двухуровневое иерархическое устройство, опрашивающее при помощи датчиков состояние объекта управления и вырабатывающее на первом уровне управляющее воздействие посредством реализации линейного или нелинейного закона управления, полученного методами классической ТАУ (например, ПИД-регулирование, релейный регулятор и т.п.). На втором уровне гибридного нечеткого контроллера осуществляется адаптация параметров регулятора посредством реализации одной из рассмотренных ранее схем нечеткого вывода, для которой в данном случае входными переменными являются переменные состояния объекта управления, а выходными переменными – параметры закона управления, реализованного на подчиненном уровне (например, коэффициенты усиления ПИД-регулятора). Поскольку такое устройство обладает определенной способностью приспосабливаться к изменению свойств объекта управления и самостоятельно модифицировать закон управления в соответствии с правилами, основанными на знаниях, то такая система управления обладает большей степенью интеллектуальности. Еще большее увеличение интеллектуальности системы может быть достигнуто, если и алгоритм управления, и методы его модификации используют методы искусственного интеллекта. Этим требованиям отвечают адаптивные нечеткие САУ.
Адаптивные нечеткие САУ. Замкнутая система управления с обратной связью, в прямом контуре которой в качестве регулятора используется адаптивный нечеткий контроллер – двухуровневое иерархическое устройство, опрашивающее при помощи датчиков состояние объекта управления и вырабатывающее на первом уровне управляющее воздействие посредством реализации одной из рассмотренных ранее схем нечеткого вывода. На втором уровне осуществляется коррекция базы правил системы нечеткого вывода при помощи одного из методов нечеткого вывода. Таким образом, при изменении среды функционирования нечеткой адаптивной САУ верхний уровень осуществляет интеллектуальную адаптацию системы нечеткого вывода нижнего уровня, который в свою очередь представляет устройство автоматического принятия решений на основе знаний эксперта.
Данная классификация нечетких систем является далеко не окончательной, поскольку в настоящее время ведутся работы по дальнейшему увеличению интеллектуальности нечетких САУ в соответствии с реализацией всех принципов IPDI и стремлении прийти от систем, интеллектуальных в малом, к системам, интеллектуальным в большом. Эти цели могут быть достигнуты путем комбинации различных подходов к построению интеллектуальных систем в составе многоуровневых интеллектуальных контроллеров, органично сочетающих принципы и методы нечеткого вывода, ситуационного управления, инженерии знаний, нейронных сетей и эволюционного моделирования. Наиболее перспективным в этом плане, с точки зрения авторов, является разработка интеллектуальных САУ, строящихся на базе нечетких нейронных сетей, что позволяет сочетать как методы работы с нечеткой информацией и знаниями, так и способность систем к самостоятельной адаптации.