
- •Глава 2. Элементы теории мягких вычислений и проблемы интеллектуального управления
- •2.1 Введение
- •2.2. Нечеткие системы для описания интеллектуальных стратегий управления присущих человеку
- •2.2.1 Нечеткие множества и их особенности
- •2.2.2 Нечеткая логика и ее особенности
- •2.2.2.1 Типовые нечеткие логические операции
- •2.2.2.2 Процесс нечеткого вывода
- •2.2.3 От нечеткой логики - к нечетким системам и нечетким контроллерам
- •2.2.4 Типовые фаззификаторы и дефаззификаторы
- •2.2.5 Типовые Нечеткие Модели
- •2.2.5.1 Нечеткая Модель Мамдани
- •2.2.5.2 Нечеткая Модель Сугено
- •2.2.5.3 Нечеткая Модель Цукамото
- •2.2.6 Нечеткое пид управление (Fuzzy pid Control)
- •2.2.7 Пример применения нечеткой логики: управление автомобилем на основе нечеткой логики
- •2.3. Внедрение свойств обучения и адаптации в интеллектуальные системы управления
- •2.3.1. Генетические алгоритмы для глобальной оптимизации
- •2.3.1 Основные этапы и блок-схема га
- •2.3.2 Теоретические основы га
- •2.3.3 Примеры применения генетических алгоритмов в задачах управления
- •2.4. Искусственные и нечеткие нейронные сети: основные понятия и применение
- •2.4.1. Простой Перцептрон (Perceptron)
- •2.4.2. Многослойные сети с прямым распространением
- •2.4.3. Многослойные перцептроны (Multiple Layer Perceptron)
- •2.4.4. Нейронные сети как Ассоциативная память
- •2.4.5. Нейронные сети Кохонена
- •2.4.6. Адаптивные сети
- •2.4.7. Нечеткие нейронные сети для задач управления
- •2.4.8. Обучение в нейронных сетях
- •2.4.9 Обучение в нечетких нейронных сетях для задач управления
- •Рекомендуемая дополнительная литература к Главе 2
- •Контрольные вопросы к Главе 2
2.2.6 Нечеткое пид управление (Fuzzy pid Control)
Нечеткие контроллеры (Fuzzy controllers) позволяют реализовывать стратегии управления близкие человеку и представляют собой эффективную альтернативу (или дополнение) классическим системам управления.
Примечание. Будем использовать два термина для перевода «Fuzzy controllers»: нечеткие контроллеры либо нечеткие регуляторы (если речь идет о нечетком ПИД- регуляторе).
Структура нечеткого ПИД - регулятора (Fuzzy PID Controller) показана на рис. 2.18.
Рис. 2.18. Структура нечеткого ПИД – регулятора
Примечание. На рис. 2.18 используются следующие обозначения:
- вектор состояния объекта управления
(ОУ) (a plant),
-
желаемое состояние ОУ (цель управления),
называемое также как «задающий сигнал»
(a reference
signal);
- ошибка управления (control
error), вычисляемая как
,
где
-
скорость ошибки управления,
-
интегральная ошибка,
- сила управления, где
,
где
- универсумы для ошибки управления, ее
производной и интегральной части, а
также силы управления, соответственно.
Отношение «вход/выход» для ПИД-регулятора выражается следующим образом:
,
где
называются коэффициентами усиления
ПИД-регулятора и (пропорциональный,
интегральный и производный коэффициенты).
Выбирая различные значения
,
очевидно, получаем различное поведение
ОУ.
Таким образом, функционирования ОУ существенным образом зависит от выбранных параметров ПИД-регулятора. Поэтому, для разработчиков системы управления становится весьма актуальной проблема эффективного способа выбора этих параметров для того, чтобы обеспечить лучшее качество управления.
Как определить эффективный способ выбора параметров управления?
В случае классического метода управления, коэффициенты усиления ПИД-регулятора являются константами, т.е. постоянными величинами.
Чтобы усилить возможности традиционных (классических) ПИД-регуляторов, прежде всего, введем переменные коэффициенты усиления ПИД-регулятора:
Ясно,
что в этом случае мы получаем больше
возможностей для варьирования значениями
вектора
,
и для улучшения качества управления.
Далее,
будем использовать нечеткий логический
подход. Нечеткое множество управления
,
определенное с помощью алгоритма
нечеткого вывода, в общем виде может
быть представлено следующей вычислительной
процедурой:
,
где “
”
– композиционный оператор (смотри
формулу 2.2),
- нечеткие множества, заданные на
соответствующих универсумах, и
есть совокупность нечетких отношений
(нечетких правил), содержащихся в базе
знаний нечеткого ПИД-регулятора.
Примечание. В дальнейшем будем использовать сокращенное название нечеткого ПИД-регулятора как НР.
Установив один раз нечеткие правила, с помощью нечеткого вывода мы можем реализовывать стратегии управления. Ядром нечеткого ПИД-регулятора является система нечеткого вывода Сугено.
Входные переменные для нечеткого вывода: ошибка управления, ее производная и интеграл.
Выходные переменные нечеткого
вывода:
параметры.
БЗ НР состоит из следующих нечетких правил.
Если
,
- числа функций принадлежности для
описания ошибки управления, ее производной
и интегральной компоненты, то полная
база нечетких правил содержит
нечетких правил.
Полная база выглядит следующим образом:
ЕСЛИ
И
И
есть
,ТО
ЕСЛИ
И
И
есть
,
ТО
ЕСЛИ
И
И
есть
,
ТО
ЕСЛИ
И
И
есть
,
ТО
ЕСЛИ
И
И
есть
ТО
,
где
,
и
– функции принадлежности для описания
значений
,
,
и
,
соответственно.
,
и
- реальные числа, удовлетворяющие
условию:
.
Согласно нечеткой модели Сугено (нулевого порядка), выходное значение вычисляется следующим образом:
,
,
,
где
.
Примечание. В НР регуляторах могут
использоваться более простые правила
в случае, если вместо ПИД управления
использовать П-управление (только
параметр,
),
или ПД (
),
или ПИ (
)
управление.