Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Разработка интеллектуальных систем на базе нечеткой логики в WinFACT. Учебно-методические указания
.pdf
10. Разработать НЧС определения профессиональной подготовки судово-
дителя (для определения входных лингвистических переменных рекомендуется
использовать [3] на стр. 37-38).
11. Разработать НЧС определения физического состояния судоводителя
(для определения входных лингвистических переменных рекомендуется ис-
пользовать [3] на стр. 38-39).
12. Разработать НЧС определения психологических особенностей судово-
дителя (для определения входных лингвистических переменных рекомендуется
использовать [3] на стр. 39-40).
13. Разработать НЧС определения факторов культуры судоводителя (для
определения входных лингвистических переменных рекомендуется использо-
вать [3] на стр. 43).
14. Разработать НЧС определения специфических факторов экипажа (для
определения входных лингвистических переменных рекомендуется использо-
вать [3] на стр. 41-42).
15. Разработать НЧС определения социального уровня судоводителя (для
определения входных лингвистических переменных рекомендуется использо-
вать [3] на стр. 42).
16. Разработать НЧС определения человеческого фактора (для определения
входных лингвистических переменных рекомендуется использовать [3] на стр.
36 (рис.2.1), а также п. 2.2).
17. Разработать НЧС определения веса груза (для определения входных
лингвистических переменных рекомендуется использовать [1] на стр. 34
(рис.2.7)).
18. Разработать НЧС определения веса балласта судна (для определения
входных лингвистических переменных рекомендуется использовать [1]
на стр. 34 (рис.2.7)).
19. Разработать НЧС определения веса запасов судна (для определения
входных лингвистических переменных рекомендуется использовать [1]
на стр. 34 (рис.2.7)).
20. Разработать НЧС определения осадки судна (для определения входных
лингвистических переменных рекомендуется использовать [1] на стр. 34
(рис.2.7)).
21
3.3. Требования к оформлению отчёта
по лабораторной работе
Отчёт по лабораторной работе должен содержать:
1. Титульный лист с указанием темы лабораторной работы.
2. Содержание.
3. Постановка задачи с представлением демонстрационных изображений
процесса или схематическим изображением.
4. Анализ задачи, включающий правила, записанные на естественном
языке.
5. Описание входных и выходных лингвистических переменных. Необхо-
димо указать количество термов каждой лингвистической переменной и обоснование их выбора. Необходимо указать, чем обусловлен выбор универсально-
го множества для каждого терма.
6. Система правил нечётких продукций с указанием, какие правила пункта
4 использовались для их формирования. Количество правил нечётких продук-
ций – не менее 20.
7. Разработка интеллектуальной системы на базе нечёткой логики в интер-
активном режиме. Необходимо приложить скриншоты всех используемых ре-
дакторов, включая подробное описание действий, производимых в редакторах.
8. Список литературы, используемой для пунктов 3-5 с указанием в тексте
отчёта ссылок в квадратных скобках, например, [1].
9. К отчёту необходимо приложить файл с расширением fuz, содержащий
разработанную интеллектуальную систему на базе нечёткой логики.
3.4. Пример выполнения
и оформления лабораторной работы
3.4.1. Постановка задачи
Рассмотрим пример разработки модели системы нечеткого управления
контейнерным краном [4], который предназначен для транспортировки моно-
блочных контейнеров при выполнении разгрузочных работ морских судов.
Контейнерные краны используются при выполнении погрузочно-разгрузочных
работ в портах. Они соединяются с моноблочным контейнером гибким тросом
22
и поднимают контейнер к кабине крана. Кабина крана вместе с контейнером
может перемещаться в горизонтальном направлении по направляющим типа
рельсов. Когда контейнер поднимается к кабине, а кран приходит в движение,
контейнер начинает раскачиваться и отклоняться от строго вертикального по-
ложения под кабиной крана. Проблема заключается в том, что пока контейнер
раскачивается в ходе своей транспортировки и отклоняется от вертикали, он не
может быть опущен на основание цели перемещения, в качестве которой ис-
пользуются железнодорожные платформы или другие транспортные средства.
3.4.2. Анализ задачи, включающий правила,
записанные на естественном языке
Анализ действий крановщиков-операторов, выполняющих управление
краном, показывает, что они в своей работе применяют следующие эвристиче-
ские правила [4]:
1. Начинать движение следует со средней мощностью;
2. Если движение уже началось и кабина находится далеко от цели, отре-
гулировать мощность двигателя таким образом, чтобы контейнер оказался не-
сколько впереди кабины крана;
3. Если происходит движение и кабина находится на среднем расстоянии
от цели, продолжать движение с той же мощностью;
4. Если кабина находится близко над целью, уменьшить скорость таким
образом, чтобы контейнер находился несколько впереди кабины крана;
5. Когда контейнер находится очень близко от позиции цели, следует вы-
ключить мощность двигателя;
6. Когда контейнер находится прямо над позицией цели, следует остано-
вить двигатель.
Эта информация будет использоваться при построении базы правил системы
нечеткого вывода, которая позволяет реализовать данную модель нечеткого
управления.
23
3.4.3. Описание входных и выходных
лингвистических переменных
Для формирования базы правил систем нечеткого вывода необходимо
предварительно определить входные и выходные лингвистические переменные.
Входные лингвистические переменные: расстояние до цели, угол раскачи-
вания груза.
Выходная лингвистическая переменная: мощность двигателя.
В качестве терм-множества первой лингвистической переменной будем
использовать множество Т
«среднее», «далекое»}, или в символическом виде Т
= {«отрицательно большое», «нуль», «малое»,
1
= {NB, Z, PS, РМ. РВ}. В
1
качестве терм-множества второй лингвистической переменной будем использо-
вать множество Т
= {«отрицательный большой», «отрицательный малый»,
2
«нуль», «положительный малый», «положительный большой»} или в символическом виде T2 = {NB, NS, Z, PS, PB}. В качестве терм-множества выходной
лингвистической переменной будем использовать множество Т
= {«отрица-
3
тельная большая», «отрицательная средняя», «нуль», «положительная средняя»,
«положительная большая»}, или в символическом виде:
T3 = {NB, NM, Z, РМ, РВ}.
3.4.4. Система правил нечётких продукций
Следующим этапом построения модели является построение базы правил.
С этой целью преобразуем рассмотренные выше 5 эвристических правил в 10
правил нечетких продукций [4]:
ПРАВИЛО_1: ЕСЛИ «расстояние далекое» И «угол равен нулю» ТО
«мощность положительная средняя».
ПРАВИЛО_2: ЕСЛИ «расстояние далекое» И «угол отрицательный ма-
лый» ТО «мощность положительная большая».
ПРАВИЛО_3: ЕСЛИ «расстояние далекое» И «угол отрицательный боль-
шой» ТО «мощность положительная средняя».
ПРАВИЛО_ 4: ЕСЛИ «расстояние среднее» И «угол отрицательный ма-
лый» ТО «мощность отрицательная средняя».
ПРАВИЛО_5: ЕСЛИ «расстояние малое» И «угол положительный малый»
ТО «мощность положительная средняя».
24
ПРАВИЛО_6: ЕСЛИ «расстояние ноль» И «угол равен нулю» ТО «мощ-
ность равна нулю».
ПРАВИЛО_7: ЕСЛИ «расстояние отрицательно большое» И «угол поло-
жительный малый» ТО «мощность положительная средняя».
ПРАВИЛО_8: ЕСЛИ «расстояние среднее» И «угол положительный боль-
шой» ТО «мощность положительная большая».
ПРАВИЛО_9: ЕСЛИ «расстояние малое» И «угол отрицательный малый»
ТО «мощность отрицательная большая».
ПРАВИЛО_10: ЕСЛИ «расстояние ноль» И «угол положительный малый»
ТО «мощность положительная средняя».
3.4.5. Разработка интеллектуальной системы
на базе нечёткой логики в интерактивном режиме
Разработку интеллектуальной системы на базе нечёткой логики будем вы-
полнять с использованием средств системы WinFACT. С этой целью запустим
WinFACT 7 и определим две входные лингвистические переменные с именами
«Rasstoyanie» и «Ugol» и одну выходную лингвистическую переменную с именем «Moshnost». Вид графического интерфейса редактора для этих ЛП изображен на рис. 3.1.
Рис.3.1. Нечёткие множества, соответствующие термам
лингвистических переменных
25
Оставим без изменения тип системы нечеткого вывода, предложенный си-
стемой WinFACT по умолчанию.
Теперь зададим 10 правил для разрабатываемой системы нечеткого вывода. Для этой цели воспользуемся редактором правил. Вид графического интерфейса редактора правил после задания всех 10 правил нечеткого вывода изоб-
ражен на рис.3.2.
Теперь можно выполнить оценку разработанной интеллектуальной системы на базе нечеткой логики для задачи автоматического управления портовым
краном. С этой целью введем значения входных лингвистических переменных
для частного случая, когда текущее расстояние до цели равно 5 м, а угол между
контейнером и кабиной крана равен 00.
Рис. 3.2. Блок правил нечёткого вывода
Процедура нечеткого вывода, выполненная WinFLOP для разработанной
нечеткой модели, выдает в результате значение выходной переменной «мощ-
ность», равное 0 (рис. 3.3).
26
Рис. 3.3. Результат тестирования разработанной НЧС
Сравнение результатов нечеткого вывода для этих значений входных
лингвистических переменных подтверждает адекватность разработанной НЧС в
рамках рассматриваемой модели.
Процесс анализа и исследования построенной нечеткой модели включает в
себя выполнение нечетких выводов для различных значений входных перемен-
ных с последующей оценкой полученных результатов с целью установления
адекватности модели. В случае несогласованности отдельных результатов требуется внесение в НЧС необходимых изменений. Для общего анализа разрабо-
танной НЧС может оказаться полезной визуализация соответствующей поверх-
ности нечеткого вывода.
27
СПИСОК ЛИТЕРАТУРЫ
1. Астреин В.В. Разработка технологий выработки решений по предупре-
ждению столкновений судов в море: дис. канд. техн. наук: 05.22.19/ В. В. Аст-
реин; Мор. гос. акад. им. адм. Ф. Ф. Ушакова. – Новороссийск, 2010. — 152 с.
2. Иодан К. Структурное программирование и конструирования программ.
Пер. с англ.- М.: Финансы и статистика, 1982. — 151с.
3. Клименко В.Д. Разработка методов количественного учета влияния человеческого фактора на безопасность судна: дис. канд. техн. наук: 05.22.19 /
В. Д. Клименко; Гос. мор. акад. им. адм. С. О. Макарова. – Санкт-Петербург,
2003. — 161 с.
4. Леоненков А.В. Нечеткое моделирование в среде MATLAB и
FuzzyTECH. – СПб.: БХВ-Петербурr, 2005. — 736 с.
5. Липатова С.В. Исследование и разработка моделей экспертной системы
морского мониторинга: дис. канд. техн. наук: 05.13.18 / С. В. Липатова; Ульяновск. гос. ун-т. – Ульяновск, 2008. — 294 с.
6. Международный стандарт ИСО/МЭК 9126-1: 2001
7. Оразбаев Б.Б. Методы многокритериального выбора и интеллектуаль-
ные системы принятия решений для управления производственными объектами
при нечеткой исходной информации: дис. д-ра техн. наук: 05.13.16 / Б. Б. Оразбаев; МИСиС. — Москва, 1996. — 467 с.
8. Рыков A.C., Оразбаев Б.Б. Системный анализ и исследование операций.
Задачи и методы принятия решений. Многокритериальный нечеткий выбор. —
М.: МИСиС, 1995. — 124 с.
9. Юдин Ю.И. Проблема синтеза моделей механизма предвидения для экспертных систем, обеспечивающих безопасную эксплуатацию судна: дис. д-ра
техн. наук: 05.22.19 / Ю. И. Юдин; Мурманск. гос. техн. ун-т. – Мурманск,
2007. — 229 с.
28
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]