- •Введение
- •1. Искусственный интеллект в роботах
- •1.1. Обеспечение взаимодействия системы управления с человеком
- •1.2. Схема интеллектуального управления в робототехнических комплексах
- •1.3. Интеллектуальное программирование и интеллектуальный интерфейс
- •1.4. Организация интеллектуальных систем
- •2. Экспертные системы
- •2.1. Структура экспертных систем
- •2.2. Технология разработки экспертных систем
- •2.3. Механизм вывода в экспертных системах
- •2.4. Методы поиска решений в экспертных системах
- •2.5. Поиск в одном пространстве состояний
- •2.6. Поиск решения методом редукции
- •2.7. Поиск решения во множестве факторизованных пространств
- •2.8. Поиск в фиксированном множестве пространств
- •2.9. Поиск в изменяющемся множестве пространств (метод нисходящего уточнения)
- •2.10. Поиск в альтернативных пространствах
- •2.11. Поиск с использованием нескольких моделей
- •3. Представление знаний в системах
- •3.1. Продукционные системы
- •3.2. Системы поиска на основе классической логики
- •3.3. Использование логики предикатов первого порядка при представлении знаний
- •3.4. Использование фреймов при представлении данных
- •3.5. Семантические сети
- •4. Нейронные сети в системах искусственного интеллекта
- •4.1. Области применения нейронных сетей
- •4.2. Персептронные нейронные сети
- •4.3. Обучение персептронных сетей
- •4.4. Сети встречного распространения
- •4.5. Обучение нейронных сетей методом обратного распространения ошибки
- •4.6. Обучение без учителя
- •4.7. Сети без обучения
- •4.8. Нейронные сети с радиальными базисными функциями (вероятностные сети)
- •4.9. Коллективы нейронных сетей
- •4.10. Аппаратно-программные средства реализации нейронных сетей для задач робототехники
- •2. Использование сетей для распознавания речи
- •3. Использование сетей для формирования законов управления
- •5. Методы нечеткой логики в интеллектуальных системах
- •5.1. Логические операции над нечеткими множествами
- •5.2. Получение выводов в нечеткой логике
- •5.3. Алгоритмы поиска решения в нечеткой логике
- •Заключение
- •Библиографический список
- •394026 Воронеж, Московский просп., 14
5.3. Алгоритмы поиска решения в нечеткой логике
Пусть имеются два параметра x и y, которые описывают входные данные нечеткого регулятора, а z – выходное состояние регулятора. Известны два логических правила:
1. Если xA1, yB1, то zC1.
57
2. Если xA2, yB2, то zC2.
A, B, C – функции принадлежности нечетких множеств x, y, z.
A1 B1 C1
c`1 1
x y z
A2 B2 C2
2
x y c`2 z
Рис.24. Получение нечеткого решения для двух переменных входа.
Для значений входных параметров x0, y0 на первом этапе определяются значение функции принадлежности:
A1(x0), A2(x0)
B1(y0), B2(y0)
На втором этапе определяется уровень отсечения для функции принадлежности выходного параметра:
1=A1B1 определение
2=A2B2 минимума.
Далее определяется модифицированная функция принадлежности выходного параметра:
C`1=1C1
C`2=2C2
Итоговая функция принадлежности для параметра z имеет вид (определяется как дизъюнкция C`1 и C`2):
C=C`1C`2 (max)
Вычисление конкретного значения выходного параметра
выполняется следующим образом:
58
, где w – область существования функции С.
Описанный алгоритм поиска решения называется алгоритмом Мамдани.
Достаточно широко используется алгоритм Сугэно. В этом алгоритме применяются следующие представления нечетких переменных выхода через переменные входа:
П1: Если xA1, yB1, то z=a1x+b1y.
П2: Если xA2, yB2, то z= a2x+b2y.
Поиск выполняется в следующей последовательности:
Вычисляются значения функций принадлежности для конкретных значений x0, y0.
Находятся уровни отсечения 1=A1B1 и 2=A2B2 и индивидуальные выходы правил
z=a1x0+b1y0.
z= a2x0+b2y0.
3. Определяется четкое значение переменной вывода
Заключение
Данное учебное пособие содержит сведения об основных способах реализации интеллектуальных систем для применения в системах управления робототехническими системами с использованием экспертных систем, нейросетевых технологий и нечеткой логики. Изложение материала отображает области применения искусственного интеллекта в приложениях к робототехнике и обеспечивает изучение студентами основных положений по использованию различных реализаций интеллектуальных систем для решения задач распознавания объектов и выбора решений по выполнению действий, адекватных состоянию предметной области.
Учебное пособие восполняет недостаток технической ли-
59
тературы в области интеллектуального управления. Оно полезна студентам специальности 220402 "Роботы и робототехнические системы" при изучении лекционного курса по дисциплине "Методы искусственного интеллекта в робототехнике", выполнении лабораторных работ и дипломном проектировании по соответствующему направлению, а также аспирантам и преподавателям, занимающимся проблемами управления объектами в предметной области с высоким уровнем неопределенности состояния объектов.