Национальный исследовательский университет «МЭИ»
Кафедра управления и интеллектуальных технологий
Отчёт по лабораторной работе №4
по курсу «Нейро-нечёткие технологии в задачах управления»
«Изучение основ применения нейро-нечётких систем»
Выполнили студенты
.
Проверил:
Косинский Михаил Юрьевич
2025
Цель работы – изучение основ работы с нейро-нечёткими системами в среде SimInTech.
В работе рассматривается система управления с нечётким регулятором (Объектом управления является бак с водой, к которому подходят две трубы: через одну трубу, снабженную краном, вода поступает в бак, через другую – вытекает. Подачу воды в бак можно регулировать краном. Расход воды является неконтролируемым и зависит от уровня воды в баке. Если понимать под выходной (регулируемой) переменной уровень воды, а под регулирующим элементом – кран, то подобный объект регулирования с точки зрения его математического описания является динамическим и существенно нелинейным.
Необходимо с помощью выборок с записями сигналов управления настроить нейро-нечёткую систему управления.
Выполнение работы.
Открыли в среде SimIntech проект «Нечёткая кластеризация». Изучили его содержимое, свойства блоков.
Рисунок 1 — Содержимое проекта
Провели кластеризацию данных из файлов с исходными данными с целью определения параметров для создания нейро-нечёткой системы на их основе. Для кластеризации использовали настройки по умолчанию.
С нашими файлами: E
dE
Рисунки 2-7 — Итоги кластеризации
Открыли проект с регулятором из лр3. Запустили моделирование системы и зафиксировали график переходного процесса.
Рисунок 8 — Содержимое проекта
Рисунок 9 — График переходного процесса
Модифицируйте нечёткий регулятор с целью его преобразования к системе нейро-нечёткого вида. Настройте его в соответствии с данными проведённой кластеризации и запустили моделирование получившейся системы. Сравнили с исходным вариантом. Сделайте предположения о причинах произошедших изменений.
Рисунок 10 — Схема регулятора
Рисунок 11— График переходного процесса
Рисунок 12— График переходного процесса
По графику видно, что динамика переходных процессов сильно ухудшилась, что выражается в повышенной колебательности системы. К тому же фактический уровень воды не успевает достигать необходимых параметров. Снижение качества можно объяснить спецификой выполненной кластеризации и влиянием округления её результатов при вводе системных параметров.
Повторили п.3-7 с новыми параметрами метода кластеризации
Рисунки 13-14 — Итоги кластеризации
Рисунок 15 — Схема регулятора
Рисунок 16-17— Графики переходных процессов
Данный график показывает, что изменение диапазона влияния не помогло улучшить характеристики системы. Хоть и удалось избавиться от колебаний, фактическое значение уровня воды сильно отличается от требуемого и не успевает достичь необходимого значения. Также изменение параметров системы привело к увеличению количества термов и решающих правил.
Вывод:
Использование нейро-нечеткого регулятора для регулирования может быть целесообразным и обоснованным выбором, однако важно отметить, что не всегда эффективность данного метода превосходит результаты, достигаемые другими методами. В частности, использование классических нечетких систем или ПИД-регуляторов в ряде случаев может показывать куда более качественные результаты регулирования. В данном случае основным фактором, определяющим качество регулирования с использованием нейро-нечетких технологий, является корректность проведения процесса кластеризации данных.