Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Кваліфікаційна_робота_ КСУАм-20-1_Черкашин_В_А.doc
Скачиваний:
9
Добавлен:
20.12.2021
Размер:
18.54 Mб
Скачать

3 Експериментальні дослідження

3.1 Експериментальні дослідження моделей адаптивної САК при вхідному ступінчатому впливі

Відомо, що дослідження якості керування можливо тільки при ступінчатому вхідному впливі (функція Гевісайда), тобто отримання ПХ та оцінка швидкодії, перерегулювання та статичної помилки неможлива при інших вхідних впливах за визначенням [31]. Таким чином, необхідно дослідити моделі адаптивного керування з використанням методів нечіткої логіки та ШНМ при ступінчатому впливі, а саме оцінити якість керування. Слід зазначити, що з практичної точки зору знання того, як система реагує на швидку зміну вхідного сигналу, є важливим, оскільки стрибок у вхідному сигналі може вплинути на поведінку всієї системи або якихось її компонентів.

Використовуючи моделі отримані у підрозділах 2.1 – 2.2 та моделі каналів керування з жорстким законом управління, отримали ПХ кожного з каналів керування при використання методів нечіткої логіки та ШНМ, а також жорсткого закону керування (ПІД). Отримані результати моделювання для каналу керування за азимутом наведено на рисунку 3.1. Оцінена якість керування за параметрами, що наведено у таблицях 3.1 – 3.3.

Рисунок 3.1 – ПХ каналу керування за азимутом бортового прожектора (ПІД, адаптер ШНМ, адаптер нечіткої логіки)

Таблиця 3.1 – Значення параметрів якості керування ПІД-регулятором бортового прожектора за азимутом

п/п

Параметр

Значення

1.

Час регулювання, сек

0,66

2.

Перерегулювання, %

19,8

3.

Похибка у сталому режимі, %

0,0002

Таблиця 3.2 – Значення параметрів якості керування бортового прожектора за азимутом при використанні методу нечіткої логіки

п/п

Параметр

Значення

1.

Час регулювання, сек

0,59

2.

Перерегулювання, %

17,2

3.

Похибка у сталому режимі, %

0,0002

Таблиця 3.3 – Значення параметрів якості керування бортового прожектора за азимутом при використанні методу ШНМ

п/п

Параметр

Значення

1.

Час регулювання, сек

0,66

2.

Перерегулювання, %

19,8

3.

Похибка у сталому режимі, %

0,0002

Аналогічним чином необхідно провести дослідження каналу керування за кутом місця бортового прожектора. Отримані результати моделювання для каналу керування за кутом бортового прожектора місця наведено на рисунку 3.2. Оцінена якість керування за параметрами, що наведено у таблицях 3.4 – 3.6.

Рисунок 3.2 – ПХ каналу керування за кутом місця бортового

прожектора (ПІД, адаптер ШНМ, адаптер нечіткої логіки)

Таблиця 3.4 – Значення параметрів якості керування ПІД-регулятором бортового прожектора за кутом місця

п/п

Параметр

Значення

1.

Час регулювання, сек

0,68

2.

Перерегулювання, %

35,8

3.

Похибка у сталому режимі, %

0,0002

Таблиця 3.5 – Значення параметрів якості керування бортового прожектора за кутом місця при використанні методу нечіткої логіки

п/п

Параметр

Значення

1.

Час регулювання, сек

0,6

2.

Перерегулювання, %

29,2

3.

Похибка у сталому режимі, %

0,0002

Таблиця 3.6 – Значення параметрів якості керування бортового прожектора за кутом місця при використанні методу ШНМ

п/п

Параметр

Значення

1.

Час регулювання, сек

0,68

2.

Перерегулювання, %

35,8

3.

Похибка у сталому режимі, %

0,0002

Проаналізувавши отримані результати експериментів за оцінками параметрів якості керування, можна зробити наступні висновки:

– усі моделі при вхідному ступінчатому впливі показали достатньо прийнятний результат, так час регулювання від 0,59 сек до 0,69 сек, перерегулювання від 17,2% до 35,8%, похибка у сталому режимі 0,0002%;

– за результатами оцінки якості керування найкращою моделлю є модель з використанням нечіткою логіки – це наслідок широкого чисельного діапазону лінгвістичних змінних, тобто регулятор при малому сигналу помилки зменшує пропорційний коефіцієнт ПІД регулятора, що призводить до зменшення перерегулювання, а також система швидше стабілізується, тобто швидкодія системи збільшуються (час регулювання з 0,69 сек → 0,59 сек);

– модель з жорстким законом керування та модель з використанням ШНМ показали однаковий результат – це наслідок присутності у навчальної вибірки значень помилки и похідної від помилки аналогічних до значень при використанні ПІД регулятора.

Слід зазначити, що навчальна вибірки була складена за результатними моделювання з використанням жорсткого законна керування, через це ПХ при використанні ПІД регулятору та регулятору з використанням методів ШНМ майже однакові. Більш того, якість керування можна покращити, якщо отримати більш репрезативну (більш точну та достатню за розміром) навчальну вибірку.

Інтелектуальний адаптер ПІД-регулятора на методі нечіткої логіки також можливо покращити, якщо використовувати більшу кількість термів (функцій належності) для опису лінгвістичних змінних, але це впливає на складність та розмірність база правил, а як наслідок – на швидкодію метода. Тому, на мою думку, не є доцільним використовувати більшу кількість термів.

3.2 Експериментальні дослідження моделей адаптивної САК при вхідному трапецоїдному сигналі завдання

Дослідження при трапецоїдному вхідному впливі дозволяють оцінити поведінку системи при поступовому наростаючому впливі до визначеного значення, утримання на цьому значенні на протязі певного часу та поступовому зменшенні вхідного впливу до нуля. Оцінити якість при такому вхідному впливу неможливо за визначенням оцінки якості керування, тому має сенс оцінювати здатність системи повторювати трапецоїдний вхідний вплив.

Використовуючи моделі отримані у підрозділах 2.1 – 2.2 та моделі каналів керування з жорстким законом управління, отримали вихідний відгук кожного з каналів керування бортового прожектора. Отримані вихідні реакції наведені на рисунках 3.3 – 3.4.

Рисунок 3.3 – Відгук САК по каналу керування за азимутом бортового прожектора (ПІД, адаптер ШНМ, адаптер нечіткої логіки)

Рисунок 3.4 – Відгук САК по каналу керування за кутом місця бортового прожектора (ПІД, адаптер ШНМ, адаптер нечіткої логіки)

За результатами моделювання можна зробити такі висновки:

– усі моделі при вхідному трапецоїдному впливі показали достатньо прийнятний результат;

– більш точно описує сигнал модель з використанням нечіткої логіки;

– відгук моделі з ПІД регулятором та моделі з використанням методу ШНМ майже однаковий з незначними відхиленнями, ці відхилення є наслідком помилки самої нейромережі.

3.3 Експериментальні дослідження моделей адаптивної САК положенням бортового прожектора щодо швидкодії

Визначення швидкодії інтелектуального алгоритму (регулятору) є суттєвим фактором при впровадженні інтелектуальної САК, оскільки у деяких випадках період дискретизації може бути менше, аніж час виконання однієї ітерації алгоритму, тобто якщо, алгоритм виконуються мікропроцесором довше, аніж період дискретизації вхідних сигналів, то такий алгоритм недоцільно використати, через те що, обробка даних та видача вихідних впливів буде довша, аніж подача нових вхідних впливів, тобто результати роботи алгоритму будуть некоректні.

Відомо, що для оцінки швидкодії використовують бенчамарки. Бенчмарк – це метод оцінки продуктивності алгоритмів. Найбільш успішним застосуванням бенчмарків у комп'ютерній області є тестування швидкодії алгоритмів, яке в основному перевіряє час виконання програми, швидкість передачі, пропускну здатність та ступінь використання ресурсів.

У нашому випадку для проведення бенчмарків використано фрейморк JMH, який використовуються для тестування продуктивності алгоритму у багатозначних системах (до яких відноситься операційна система), тобто там де перериванням процесора на виконання іншої задачі, може збільшити час виконанням програми у рази, тому перед запуском тесту JMH перекомпілює код та викликає функцію N разів, підраховує загальний час роботи, та поділяє результат на N, що дозволяє зменшити похибку оцінки швидкодії. Текс програм алгоритмів ШНМ та нечіткого висновку Мамдані згенеровано у MatLab за допомогою модулей Fuzzy Toolbox та MatLab NeuralTool.

Отримана програма для тестування швидкодії на мові програмування Java з використанням фреймворку JMH наведена у додатку В. Результат виконанням програми наведено на рисунку 3.5. Слід зауважити, що дослідження проводилися на процесорі Intel Core I7 7700k.

Рисунок 3.5 – Результат програмної оцінки-швидкодії моделей

адаптивної САК

Аналізуючи отримані результати (див рисунок 3.5), можна зробити висновок, що час виконання однієї ітерації при використанню алгоритму нечіткого висновку Мамдані менше, аніж при використанні методу ШНМ, що дозволяє зменшити період дискретизації при використанні методу нечіткої логіки. Слід зауважити, що ці твердження коректні тільки для реалізації алгоритмів ШНМ та нечіткої логіки, які наведені у підрозділі 2.1 та 2.2 відповідно.

3.4 Експериментальні дослідження моделей адаптивної САК положенням бортового прожектора при випадковому збуренню

Одним із важливих досліджень для будь-яких САК є дослідження поведінки ОК та системи в цілому при зовнішньому випадковому збуренні, тому що, воно показує здатність системи зберегти стійкість. Щодо бортового прожектора гелікоптера, то до випадкових збурень у зовнішніх умовах можна віднести: різка зміна швидкості та напряму вітру, тиску та температури повітряних потоків. Будемо вважати, що характер впливу випадкового збурення буде адитивним [31] і в схемі моделі буде поставлений сумматора на один з входів якого подається вихідний сигнал, а на інший вхід подається сигнал з ланцюга формування випадкового збурення (див рисунки 2.14 – 2.17). У якості сигналу випадкового збурення буде використано:

– ступінчатий вплив та ланку 0.4/s;

– ступінчатий вплив та ланку 1/s;

– білий шум.

Отримані вихідні відгуки адаптивної САК положенням бортового прожектора для каналу керування за азимутом наведно на рисунках 3.6 – 3.8, а для каналу керування за кутом місця – на рисунках 3.9 – 3.11.

Рисунок 3.6 – Відгук САК по каналу керування за азимутом бортового прожектора (ПІД, ШНМ, нечітка логіка) при збуренні 0.4/s

Рисунок 3.7 – Відгук САК по каналу керування за азимутом бортового прожектора (ПІД, ШНМ, нечітка логіка) при збуренні 1/s

Рисунок 3.8 – Відгук САК по каналу керування за азимутом бортового прожектора (ПІД, ШНМ, нечітка логіка) при випадковому збуренні

«білий шум»

Рисунок 3.9 – Відгук САК по каналу керування за кутом місця

бортового прожектора (ПІД, ШНМ, нечітка логіка) при збуренні 0.4/s

Рисунок 3.10 – Відгук САК по каналу керування за кутом місця

бортового прожектора (ПІД, ШНМ, нечітка логіка) при збуренні 1/s

Рисунок 3.11 – Відгук САК по каналу керування за кутом місця бортового прожектора (ПІД, ШНМ, нечітка логіка) при випадковому збуренні

«білий шум»

Аналізуючи отримані результати (див. рис. 3.6 – 3.11), можна зробити висновок, що адаптивна САК за кутом місця та азимутом бортового прожектора з адаптованим ПІД-регулятором на основі нечіткої логіки або ШНМ утримує ОК у стійкому стані. Слід зауважити, що для отримання оціночних даних результатів експериментів щодо якості керування САК, слід провести більш детальніші експериментальні дослідження.

ВИСНОВКИ

Згідно завданню, необхідно провести дослідження інтелектуальних методи автоматичного керування САК положенням бортового прожектора гелікоптера.

Для вирішення поставленої задачі проведено аналіз конструктивних особливостей та математичної моделі об’єкта керування, а саме бортового прожектора гелікоптера на вилці; аналіз математичної моделі САК положенням бортового прожектора за азимутом та кутом місця з жорсткими ПІД-законом керування по кожному із каналів; загальний аналіз існуючих інтелектуальних методів адаптивного автоматичного керування, а саме методи нечіткої логіки та методи нейронних мереж, та виконана постановка задач дослідження.

В рамках теоретичних досліджень розроблено математичні моделі системи адаптивного керування положенням (за азимутом та кутом місця) бортового прожектора гелікоптера з використанням нечіткої логіки для підлаштування коефіцієнтів ПІД-регулятора та з використанням нейронної мережі для підлаштування коефіцієнтів ПІД-регулятора.

В рамках експериментальних досліджень проведено експерименти з оцінкою та аналізом якості керування моделі системи адаптивного керування положенням (за азимутом та кутом місця) бортового прожектора гелікоптера з використанням нечіткої логіки та нейронної мережі для підлаштування коефіцієнтів ПІД-регулятора при вхідному ступінчатому впливі, при вхідному трапецоїдному сигналі завдання та при випадковому збуренню різного типу, а також проведено експерименти щодо швидкодії моделей адаптивної САК.

ПЕРЕЛІК ДЖЕРЕЛ ІПОСИЛАННЯ

1. Каталог бортових прожекторів. URL: https://www.hsc-copter.com/en/catalog/spares/item-13044 (дата звернення: 02.11.2021).

2. Рівняння Лагранжа другого роду, розрахунок відносно загальних координат. URL: https://thelib.info/mehanika/540196-rivnyannya-lagranzha-drugogo-rodu/ (дата звернення: 28.10.2021).

3. Вища математика: операційне числення. Пряме перетворення Лапласа. URL: https://card-file.onaft.edu.ua/bitstream/123456789/4153/3/723-A.pdf (дата звернення: 18.10.2021).

4. Огляд САК літальних апаратів. URL : http://trakkasystems.com/wp-content/uploads/2016/02/TRK3837-A800-Brochure-screen.pdf (дата звернення: 15.10.2021).

5. ДПМ-25-Н1-04 документація на двигун постійного струму. URL: https://eandc.ru/catalog/detail.php?ID=18553. (дата звернення: 01.10.2021).

6. ДПМ-25-Н1-07 документація на двигун постійного струму. URL: https://eandc.ru/catalog/detail.php?ID=18557. (дата звернення: 22.10.2021).

7. BOURNS-3400 документація на потенціометричний датчик. URL: https://www.compel.ru/series/BOURNS/3400. (дата звернення: 27.10.2021).

8. Застосування ПІД регулятора у САК реального часу. URL: http://we.easyelectronics.ru/Theory/pid-regulyatory-dlya-chaynikovpraktikov.html (дата звернення: 15.11.2021).

9. Вибір функції ціни чисельної оптимізації ПІД регуляторів. URL: https://habr.com/ru/post/349686/ (дата звернення: 12.11.2021).

10. Інтелектуальні регулятори САК. Застосування та синтез. URL: https://khai.edu/assets/files/robochi-programi/173/rp_m_173_272_151_suchasna-teoriya-avtomatichnogo-upravlinnya.pdf (дата звернення: 04.12.2021).

11. Проектування нечітких промислових регуляторів САК. URL: http://repository.kpi.kharkov.ua/bitstream/KhPIPress/20071/1/IKSZT_2015_3_German_Proektirovanie.pdf (дата звернення: 14.11.2021).

12. Використання псевдолінійного фазі-ПІД регулятора САК. URL: https://moluch.ru/archive/313/71383/ (дата звернення: 01.11.2021).

13. Штучні нейронні мережі. Пряме управління САК. URL: https://www.it.ua/ru/knowledge-base/technology-innovation/iskusstvennye-nejronnye-seti-ins (дата звернення: 04.11.2021).

14. Синтез системи нечіткого висновку Мамдані. URL: https://elearning.sumdu.edu.ua/free_content/lectured:5de5178bb62ca7a97fe35cba8b92d1b337ee8101/latest/8080/index.html (дата звернення: 04.11.2021).

15. Побудування бази правил нечіткого регулятору САК. URL: https://habr.com/ru/post/413539/ (дата звернення: 02.12.2021).

16. Методи проведення акумуляцій системи нечіткого висновку Мамдані. URL: http://nrsu.bstu.ru/chap27.html (дата звернення: 02.12.2021).

17. Порівняльний аналіз алгоритмів нечіткого висновку. URL: https://sites.google.com/site/ne4itkalogika/necitka-logika/metodi-necitkogo-vivedennahtml (дата звернення: 02.12.2021).

18. Функції належності. Процес фазифікації термів. URL: https://cybernetics.wikia.org/ru/wiki/%D0%A4%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D1%8F_%D0%BF%D1%80%D0%B8%D0%BD%D0%B0%D0%B4%D0%BB%D0%B5%D0%B6%D0%BD%D0%BE%D1%81%D1%82%D0%B8 (дата звернення: 13.11.2021).

19. Нейронні мережі. Основні визначення та положення. Алгоритми навчання. URL: https://ieeexplore.ieee.org/document/4667193/authors#authors (дата звернення: 15.11.2021).

20. Штучний нейрон в штучній нейронній мережі. URL: https://uk.theastrologypage.com/artificial-neuronauthors (дата звернення: 18.11.2021).

21. Багатошарова нейромережа Розенблатта. URL: https://dspace.bdpu.org/bitstream/123456789/416/1/Tretyak%20E.%20Neironni%20merezhi%20yikh%20mozhlyvosti%20ta%20perspektyvy%20vykorystannia%20u%20fizychnii%20kulturi%20ta%20sporti.pdf (дата звернення: 19.10.2021).

22. Алгоритм навчання багатошарової нейромережі Розенблатта. URL: https://uk.freejournal.org/619446/1/metod-zvorotnogo-poshirennya-pomilki.html (дата звернення: 11.11.2021).

23. Штучні нейроні мережі. URL: https://evergreens.com.ua/ua/development-services/neural-network.html (дата звернення: 17.11.2021).

24. Навчання нейронної мережі за допомогою TDL авторегресії. URL: http://dspace.nbuv.gov.ua/bitstream/handle/123456789/143554/08Kuznetsov.pdf?sequence=1.html (дата звернення: 18.11.2021).

25. Нечітка логіка та нечітке керування САК конспект лекцій. URL: https://uk.freejournal.org/619446/1/metod-zvorotnogo-poshirennya-pomilki.html (дата звернення: 18.11.2021).

26. Fuzzy PID controller. URL: https://uk.freejournal.org/619446/1/metod-zvorotnogo-poshirennya-pomilki.html (дата звернення: 06.11.2021).

27. ПІД-регулятор залежність коефіцієнтів на якість керування. URL: https://www.omega.co.uk/prodinfo/pidcontrollers.html#:~:text=A%20PID%20controller%20is%20an,most%20accurate%20and%20stable%20controller.html (дата звернення: 01.11.2021).

28. Вибір кількості прихованих шарів перцептрона. URL: http://pbf.kpi.ua/old/txt/pbf/Vistnik/40/40_10.pdf (дата звернення: 12.11.2021).

29. MatLab Simulink. Modeling and investigation of intelligent methods. URL: https://link.springer.com/book/10.1007/978-3-642-30154-4 (дата звернення: 02.12.2021).

30. Оцінка якості керування систем автоматичного керування. URL: https://studfile.net/preview/5685680/page:18/ (дата звернення: 03.12.2021).

31. Ребезюк Л.Н., Ребезюк Е.Л. Методы одномерного поиска в условиях случайных возмущений в задачах построения модифицированных ПИД-регуляторов: тези доповідей XII Міжнародної конференції «КОНТРОЛЬ I УПРАВЛIННЯ В СКЛАДНИХ СИСТЕМАХ» (КУСС-2014). Вiнниця, 2014, С.42.

Додаток А

«Текст програми Fuzzy блоку каналу керування положенням

бортового прожектора за азимутом»

Затверджено

ГЮІК.505900.012 – 01 12 01 – ЛЗ

ДОСЛІДЖЕННЯ ІНТЕЛЕКТУАЛЬНИХ МЕТОДІВ АДАПТИВНОГО АВТОМАТИЧНОГО КЕРУВАННЯ БОРТОВОГО

ПРОЖЕКТОРА ГЕЛІКОПТЕРА

Текст програми Fuzzy блоку каналу керування положенням бортового прожектора за азимутом

ГЮІК.505900.012 – 01 12 01

Аркушів – 4

2021

Міністерство освіти і науки України

ЗАТВЕРДЖУЮ

Керівник кваліфікаційної роботи,

доцент кафедри системотехніки

___________________ Л.М. Ребезюк

(підпис, дата)

ДОСЛІДЖЕННЯ ІНТЕЛЕКТУАЛЬНИХ МЕТОДІВ АДАПТИВНОГО АВТОМАТИЧНОГО КЕРУВАННЯ БОРТОВОГО

ПРОЖЕКТОРА ГЕЛІКОПТЕРА

Текст програми Fuzzy блоку каналу керування положенням

бортового прожектора за азимутом

ЛИСТ ЗАТВЕРДЖЕННЯ

ГЮІК.505900.010 – 01 12 01 – ЛЗ

РОЗРОБНИК:

ст. гр. КСУАм-20-1   

Черкашин В.А.

2021

[System]

Name='fis2'

Type='mamdani'

Version=2.0

NumInputs=2

NumOutputs=3

NumRules=15

AndMethod='min'

OrMethod='max'

ImpMethod='min'

AggMethod='max'

DefuzzMethod='centroid'

[Input1]

Name='E'

Range=[-0.2 2]

NumMFs=5

MF1='M':'trimf',[0.02073 0.1583 0.2957]

MF2='S':'trimf',[-0.1637 -0.06693 0.001269]

MF3='XS':'trimf',[-0.1908 -0.1908 -0.149]

MF4='L':'trimf',[0.314 0.4492 0.5516]

MF5='XL':'trimf',[0.5668 2.002 4.42]

[Input2]

Name='de'

Range=[-6 2.5]

NumMFs=3

MF1='N':'trimf',[-10.2 -6 -0.132663847780128]

MF2='Z':'trimf',[-0.05 -0 0.05]

MF3='P':'trimf',[0.05 2.5 8]

[Output1]

Name='kp'

Range=[66 210]

NumMFs=5

MF1='ES':'trimf',[61.68 66 67.44]

MF2='S':'trimf',[67.44 73.2 81.82]

MF3='M':'trimf',[77.52 99.11 113.5]

MF4='L':'trimf',[109.2 142.4 162.5]

MF5='SL':'trimf',[148.1 210 354]

[Output2]

Name='ki'

Range=[250 600]

NumMFs=3

MF1='S':'trimf',[104.1 250 395.7]

MF2='M':'trimf',[390 460 530]

MF3='L':'trimf',[516 600 740]

[Output3]

Name='kd'

Range=[1.5 5]

NumMFs=3

MF1='S':'trimf',[0.04137 1.5 1.85]

MF2='M':'trimf',[1.792 2.958 4.3]

MF3='L':'trimf',[3.542 5 6.458]

[Rules]

3 1, 1 1 1 (1) : 1

2 1, 2 2 2 (1) : 1

1 1, 3 3 1 (1) : 1

4 1, 4 3 1 (1) : 1

5 1, 5 3 1 (1) : 1

3 2, 1 1 3 (1) : 1

2 2, 2 1 2 (1) : 1

1 2, 3 3 1 (1) : 1

4 2, 5 3 1 (1) : 1

5 2, 5 3 1 (1) : 1

3 3, 5 3 1 (1) : 1

2 3, 2 2 2 (1) : 1

1 3, 5 3 1 (1) : 1

4 3, 5 3 1 (1) : 1

5 3, 5 3 1 (1) : 1

Додаток Б

«Текст програми Fuzzy блоку каналу керування положенням

бортового прожектора за кутом місця»

Затверджено

ГЮІК.505900.012 – 02 12 01 – ЛЗ

ДОСЛІДЖЕННЯ ІНТЕЛЕКТУАЛЬНИХ МЕТОДІВ АДАПТИВНОГО АВТОМАТИЧНОГО КЕРУВАННЯ БОРТОВОГО

ПРОЖЕКТОРА ГЕЛІКОПТЕРА

Текст програми Fuzzy блоку каналу керування положенням

бортового прожектора за кутом місця

ГЮІК.505900.012 – 02 12 01

Аркушів – 4

2021

Міністерство освіти і науки України

ЗАТВЕРДЖУЮ

Керівник кваліфікаційної роботи,

доцент кафедри системотехніки

___________________ Л.М. Ребезюк

(підпис, дата)

ДОСЛІДЖЕННЯ ІНТЕЛЕКТУАЛЬНИХ МЕТОДІВ АДАПТИВНОГО

АВТОМАТИЧНОГО КЕРУВАННЯ БОРТОВОГО

ПРОЖЕКТОРА ГЕЛІКОПТЕРА

Текст програми Fuzzy блоку каналу керування положенням

бортового прожектора за кутом місця

ЛИСТ ЗАТВЕРДЖЕННЯ

ГЮІК.505900.012 – 02 12 01 – ЛЗ

РОЗРОБНИК:

ст. гр. КСУАм-20-1   

Черкашин В.А.

2021

[System]

Name='fuzzyblock'

Type='mamdani'

Version=2.0

NumInputs=2

NumOutputs=3

NumRules=0

AndMethod='min'

OrMethod='max'

ImpMethod='min'

AggMethod='max'

DefuzzMethod='centroid'

[Input1]

Name='E'

Range=[-1.2 1.2]

NumMFs=7

MF1='S-OTR':'trimf',[-0.3 -0.2 -0.05]

MF2='ZERO':'trimf',[-0.05 0 0.05]

MF3='S-P':'trimf',[0.05 0.2 0.3]

MF4='L-P':'trimf',[0.5 1.2 1.4]

MF5='M-P':'trimf',[0.3 0.45 0.6]

MF6='L-OTR':'trimf',[-1.4 -1.2 -0.5]

MF7='M-OTR':'trimf',[-0.6 -0.45 -0.3]

[Input2]

Name='de'

Range=[-6 6]

NumMFs=3

MF1='N':'trimf',[-12 -6 -0.075]

MF2='Z':'trimf',[-0.075 0 0.075]

MF3='P':'trimf',[0.075 6 12]

[Output1]

Name='kp'

Range=[0 100]

NumMFs=5

MF1='ES':'trimf',[-3.31 0 1]

MF2='S':'trimf',[0.8 5.31 10.69]

MF3='M':'trimf',[8 23.31 51.6]

MF4='L':'trimf',[30 53.3 74.2]

MF5='SL':'trimf',[59.6 102.9 202.9]

[Output2]

Name='ki'

Range=[0 500]

NumMFs=3

MF1='I':'trimf',[-208 0 127.700617283951]

MF2='Z':'trimf',[131.6 261.6 361.6]

MF3='D':'trimf',[366.126543209877 500 700]

[Output3]

Name='kd'

Range=[0 2.4]

NumMFs=3

MF1='Z':'trimf',[-1.001 0 0.5657]

MF2='H':'trimf',[0.1989 1.001 1.92]

MF3='P':'trimf',[1.046 2.4 3.401]

[Rules]

3 1, 1 1 1 (1) : 1

2 1, 2 2 2 (1) : 1

1 1, 3 3 1 (1) : 1

4 1, 4 3 1 (1) : 1

5 1, 5 3 1 (1) : 1

3 2, 1 1 3 (1) : 1

2 2, 2 1 2 (1) : 1

1 2, 3 3 1 (1) : 1

4 2, 5 3 1 (1) : 1

5 2, 5 3 1 (1) : 1

3 3, 5 3 1 (1) : 1

2 3, 2 2 2 (1) : 1

1 3, 5 3 1 (1) : 1

4 3, 5 3 1 (1) : 1

5 3, 5 3 1 (1) : 1

Додаток В

«Програма тестування швидкодії на мові програмування

Java з використанням фреймворку JMH»

Затверджено

ГЮІК.505900.012 – 03 12 01 – ЛЗ

ДОСЛІДЖЕННЯ ІНТЕЛЕКТУАЛЬНИХ МЕТОДІВ АДАПТИВНОГО

АВТОМАТИЧНОГО КЕРУВАННЯ БОРТОВОГО

ПРОЖЕКТОРА ГЕЛІКОПТЕРА

Програма тестування швидкодії на мові програмування Java

з використанням фреймворку JMH

ГЮІК.505900.012 – 03 12 01

Аркушів – 3

2021

Міністерство освіти і науки України

ЗАТВЕРДЖУЮ

Керівник кваліфікаційної роботи,

доцент кафедри системотехніки

___________________ Л.М. Ребезюк

(підпис, дата)

ДОСЛІДЖЕННЯ ІНТЕЛЕКТУАЛЬНИХ МЕТОДІВ АДАПТИВНОГО АВТОМАТИЧНОГО КЕРУВАННЯ БОРТОВОГО

ПРОЖЕКТОРА ГЕЛІКОПТЕРА

Програма тестування швидкодії на мові програмування Java

з використанням фреймворку JMH

ЛИСТ ЗАТВЕРДЖЕННЯ

ГЮІК.505900.012 – 03 12 01 – ЛЗ

РОЗРОБНИК:

ст. гр. КСУАм-20-1   

Черкашин В.А.

2021

/**

* BenchMark

*/

public class Benchmarks {

@State(Scope.Thread)

public static class SortState {

private static final int LIST_SIZE = 1000000;

private List<Integer> data;

/**

* Setup values for benchmark test

*/

@Setup(Level.Iteration)

public void doSetup() {

Random random = new Random();

List<Integer> list = new ArrayList<>();

random.ints(LIST_SIZE).sorted().forEach(list::add);

data = list;

}

public List<Integer> getData() {

return data;

}

}

/**

* Benchmark test

*

* @param state state

*/

@Benchmark

public void fuzzyLogic(SortState state) {

Fuzzy<Integer> fuzzy = new Fuzzy();

fuzzy.iterate(state.getData());

}

/**

* Benchmark test

*

* @param state state

*/

@Benchmark

public void neuralNetwork(SortState state) {

Neural<Integer> neural = new Neural();

neural.iterate(state.getData());

}

}

Додаток Г

Графічний матеріал кваліфікаційної роботи

Слайд 1

МЕТА РОБОТИ ТА ПОСТАНОВКА ЗАДАЧ ДОСЛІДЖЕННЯ

Слайд 2

АНАЛІЗ ОБ'ЄКТА КЕРУВАННЯ

Слайд 3

АНАЛІЗ МОДЕЛІ ОБ‘ЄКТА КЕРУВАННЯ

Слайд 4

ЗАГАЛЬНА СХЕМА НЕАДАПТИВНОЇ САК ПОЛОЖЕННЯМ БОРТОВОГО ПРОЖЕКТОРА ГЕЛІКОПТЕРА

Слайд 5

РЕЗУЛЬТАТ ОПТИМАЛЬНОГО НАЛАШТУВАННЯ ПІД-РЕГУЛЯТОРІВ САК ПОЛОЖЕННЯ БОРТОВОГО ПРОЖЕКТОРА ГЕЛІКОПТЕРА

Слайд 6

АНАЛІЗ ЯКОСТІ КЕРУВАННЯ САК

З НЕАДАПТИВНИМ ПІД-РЕГУЛЯТОРОМ

Слайд 7

ЗАГАЛЬНА СХЕМА АДАПТИВНОЇ САК ПОЛОЖЕННЯМ БОРТОВОГО ПРОЖЕКТОРА ГЕЛІКОПТЕРА

Слайд 8

ВИХІДНІ ДАНІ ЛІНГВІСТИЧНИХ ЗМІННИХ ДЛЯ АДАПТЕРА

НА ОСНОВІ НЕЧІТКОЇ ЛОГІКИ ПІД-РЕГУЛЯТОРА

Слайд 9

ФУНКЦІЇ НАЛЕЖНОСТІ ЛІНГВІСТИЧНИХ ЗМІННИХ КАНАЛУ КЕРУВАННЯ ЗА АЗИМУТОМ РЕАЛІЗОВАННИХ В FUZZY-LOGIC TOOLBOX

Слайд 10

ФУНКЦІЇ НАЛЕЖНОСТІ ЛІНГВІСТИЧНИХ ЗМІННИХ КАНАЛУ КЕРУВАННЯ ЗА КУТОМ МІСЦЯ РЕАЛІЗОВАННИХ В FUZZY-LOGIC TOOLBOX

Слайд 11

БАЗА ПРАВИЛ НЕЧІТКОГО АДАПТЕРА ПІД-РЕГУЛЯТОРА

Слайд 12

МАТЕМАТИЧНА МОДЕЛЬ АДАПТИВНОЇ САК ЗА КАНАЛАМИ КЕРУВАННЯ З АДАПТЕРОМ НА ОСНОВІ НЕЧІТКОЇ ЛОГІКИ ПІД-РЕГУЛЯТОРА

Слайд 13

МОДЕЛЬ ОТРИМАННЯ НАВЧАЛЬНОЇ ВИБІРКИ ДЛЯ НАВЧАННЯ

ШНМ-АДАПТЕРА ПІД РЕГУЛЯТОРА

Слайд 14

НАВЧАННЯ ШНМ-АДАПТЕРА ПІД-РЕГУЛЯТОРА

Слайд 15

МАТЕМАТИЧНА МОДЕЛЬ АДАПТИВНОЇ САК ЗА КАНАЛАМИ

КЕРУВАННЯ З ШНМ-АДАПТЕРОМ ПІД-РЕГУЛЯТОРА

Слайд 16

ЕКСПЕРИМЕНТАЛЬНІ ДОСЛІДЖЕННЯ МОДЕЛЕЙ АДАПТИВНОЇ САК ПРИ ВХІДНОМУ СТУПІНЧАТОМУ ВПЛИВІ

Слайд 17

ЕКСПЕРИМЕНТАЛЬНІ ДОСЛІДЖЕННЯ МОДЕЛЕЙ АДАПТИВНОЇ САК ПРИ ВХІДНОМУ ТРАПЕЦОЇДНОМУ СИГНАЛІ ЗАВДАННЯ

Слайд 18

ЕКСПЕРИМЕНТАЛЬНІ ДОСЛІДЖЕННЯ МО АДАПТИВНОЇ САК ЩОДО ШВИДКОДІЇ

Слайд 19

ЕКСПЕРИМЕНТАЛЬНІ ДОСЛІДЖЕННЯ МОДЕЛЕЙ АДАПТИВНОЇ САК ПОЛОЖЕННЯМ БОРТОВОГО ПРОЖЕКТОРА ПРИ ВИПАДКОВОМУ ЗБУРЕННЮ

Слайд 20

ВИСНОВКИ

Додаток Д

«Відомість кваліфікаційної роботи»

ГЮІК.505900.012 ДЗ

(позначення документа)

Позначення

Найменування

Додаткові

відомості

Текстові документи

1.

ГЮІК.505900.012 ПЗ

Пояснювальна записка

103 стор.

2.

ГЮІК.505900.012 – 01 12 01

Текст програми Fuzzy-блоку

4 стор.

каналу керування положенням

бортового прожектора за

азимутом

3.

ГЮІК.505900.012 – 02 12 01

Текст програми Fuzzy-блоку

4 стор.

каналу керування положенням

бортового прожектора за

азимутом

4.

ГЮІК.505900.012 – 03 12 01

Програма тестування швидкодії

3 стор.

на мові програмування Java з

використанням фреймворку

JMH

Графічні матеріали

5.

Мета роботи та постановка

слайд 1

задач дослідження.

6.

Аналіз об’єкта керування.

слайд 2

7.

Аналіз моделі об’єкта керування.

слайд 3

8.

Загальна схема неадаптивної САК

слайд 4

положенням бортового

прожектора гелікоптера.

9.

Результат оптимального

слайд 5

налаштування ПІД-регуляторів

САК положенням бортового

прожектора гелікоптера.

10.

Аналіз якості керування моделі САК

слайд 6

ГЮІК.505900.012 Д3

Змін.

Аркуш

№ докум.

Підпис

Дата

Розроб.

Черкашин В.А.

Дослідження інтелектуальних методів адаптивного автоматичного керування положенням бортового прожектора гелікоптера

Відомість кваліфікаційної роботи

Аркуш

Аркушів

Перевір.

Ребезюк Л.М.

1

3

Н. Контр.

Ребезюк Л.М.

ХНУРЕ

Кафедра СТ

Затв.

Гребеннік І.В.

Позначення

Найменування

Додаткові

відомості

з неадаптивним ПІД-регулятором.

11.

Загальна схема адаптивної САК

слайд 7

положенням бортового

прожектора гелікоптера.

12.

Вихідні дані лінгвістичних

слайд 8

змінних для адаптера на основі

нечіткої логіки ПІД-регулятора.

13.

Функції належності

слайд 9

лінгвістичних змінних каналу

керування за азимутом в Fuzzy

Logic Toolbox.

14.

Функції належності

слайд 10

лінгвістичних змінних каналу

керування за кутом місця в

Fuzzy Logic Toolbox.

15.

База правил нечіткого адаптера

слайд 11

ПІД-регулятора.

16.

Математична модель

слайд 12

адаптивної САК за каналами

керування з адаптером на

основі нечіткої логіки ПІД-

регулятора.

17.

Модель отримання навчальної

слайд 13

вибірки для навчання ШНМ-

адаптера ПІД-регулятора.

18.

Навчання ШНМ-адаптера ПІД-

слайд 14

регулятора.

19.

Математична модель

слайд 15

адаптивної САК за каналами

керування з ШНМ-адаптером

ПІД-регулятора.

Дослідження інтелектуальних методів адаптивного

автоматичного керування положенням бортового

прожектора гелікоптера

Відомість кваліфікаційної роботи

Аркуш

2

Позначення

Найменування

Додаткові

відомості

20.

Експериментальні дослідження

слайд 16

моделей адаптивної САК при

вхідному ступінчатому впливі.

21.

Експериментальні дослідження

слайд 17

моделей адаптивної САК при

вхідному трапецоїдному сигналі

завдання.

21.

Експериментальні дослідження

слайд 18

моделей адаптивної САК щодо

швидкодії.

22.

Експериментальні дослідження

слайд 19

моделей адаптивної САК поло-

женням бортового прожектора

при випадковому збуренню.

23.

Висновки

слайд 20

Дослідження інтелектуальних методів адаптивного

автоматичного керування положенням бортового

прожектора гелікоптера

Відомість кваліфікаційної роботи

Аркуш

3

Соседние файлы в предмете Теория автоматического управления