Projektovanje fuzzy sistema upravljanja. Rad sa ljuskom za dizajn rasplinutih sistema CubiCalc

Pošaljite svoj dobar rad u bazu znanja je jednostavno. Koristite obrazac ispod

Studenti, postdiplomci, mladi naučnici koji koriste bazu znanja u svom studiranju i radu biće vam veoma zahvalni.

Objavljeno na http://www.allbest.ru/

Laboratorijski rad№ 2

po disciplini

INTELIGENTNI INFORMACIONI SISTEMI

POGLAVLJE - « FUZZY SKUPOVI I FUZZY LOGIKA»

DIZAJNIANIE FUZZY KONTROLNIH SISTEMA

POSAOCFUZZY SYSTEMS DESIGN SHELLC.U.BICALC

1 Nejasna kontrola. Fuzzy i lingvističke varijable

2 Logičko-lingvistički opis sistema. Fuzzy modeli

3 Model upravljanja parnim kotlom

4 Fuzzy sistemi

5 Konstruktor rasplinutih sistema CubiCalc

6 Uvod u CubiCalc sistem na primjeru modela upravljanja kamionom TRACKXY

Vježba 1

Zadatak 2

Zadatak 3

1 FUZZY CONTROL. NEJASANIE I LINGVISTIČKE VARIJABLE

Upravljački kontroleri izgrađeni na principima fuzzy logike su najvažnija primjena teorije rasplinutih skupova. Razlika između njihovog funkcionisanja i konvencionalnih kontrolora je u tome što se za opisivanje sistema upravljanja koristi stručno znanje izraženo u jezičkom obliku. Ovo znanje se može prirodno izraziti u obliku lingvističkih varijabli, koje za svoje vrijednosti uzimaju riječi i izraze prirodnog jezika, a njihove vrijednosti su nejasne varijable.

Koncept rasplinutih i lingvističkih varijabli koristi se za opisivanje objekata i pojava pomoću rasplinutih skupova.

Fuzzy varijabla karakteriše tri<, X, >, gdje je ime varijable, X je univerzalni skup, - rasplinuti skup na X koji opisuje ograničenja na vrijednosti neizrazite varijable.

Lingvistička varijabla se zove set< ,T,X,G,M>, gdje je naziv lingvističke varijable; T je skup njegovih vrijednosti (skup pojmova), a to su imena rasplinutih varijabli, od kojih je domen definicije svake od njih skup X. Skup T naziva se osnovni skup pojmova jezičke varijable; G je sintaktička procedura koja vam omogućava da radite sa elementima skupa termina T, posebno za generisanje novih termina (vrednosti). M je semantička procedura koja vam omogućava da svaku novu vrijednost lingvističke varijable koju generira postupak G pretvorite u rasplinutu varijablu, tj. formiraju odgovarajući rasplinuti skup.

Komentar. Da biste izbjegli veliki broj znakova

Simbol se koristi i za ime same varijable i za sve njene vrijednosti;

Oni koriste isti simbol za označavanje nejasnog skupa i njegovog imena, na primjer izraz " mlad", što je vrijednost lingvističke varijable = " Dob", istovremeno postoji rasplinuti skup M (" mlad»).

primjer: Neka stručnjak odredi debljinu proizvedenog proizvoda koristeći koncepte " tanka debljina», « prosječne debljine" i " velika debljina“, pri čemu je minimalna debljina 10 mm, a maksimalna 80 mm. Takav opis se može formalizirati korištenjem sljedeće lingvističke varijable< , T, X, G, M >, gdje je debljina proizvoda; T - (" tanka debljina», « prosječne debljine», « velika debljina"); X - ; G - postupak za formiranje novih pojmova pomoću veziva" I», « ili" i modifikatori poput " Veoma», « Ne», « blago" i sl.

Na primjer: " male ili srednje debljine», « vrlo tanke debljine" i sl.; M - procedura za određivanje nejasnih podskupova na X = A 1 = " tanka debljina", A 2 = « prosječne debljine", A 3 = " velika debljina", kao i rasplinuti skupovi za pojmove iz G(T) u skladu sa pravilima prevođenja rasplinutih konektiva i modifikatora " I», « ili», « Ne», « Veoma», « blago"i druge operacije na rasplinutim skupovima oblika: A B, AB, A 2, A 0,5, itd. Funkcije pripadnosti rasplinutih skupova: « tanka debljina» = A 1, " prosječne debljine" = A 2 , " velika debljina" = A 3 na sl. 1.

Slika 1 - Funkcije pripadnosti vrijednosti jezičke varijable "Debljina"

Funkcija članstva u nejasnom skupu " male ili srednje debljine» je prikazano na sl. 2.

Slika 2 – Funkcija članstva koncepta “Mala ili srednja debljina”

2 LOGIČKO-JEZIČKA OSISTEMI PISANJA. FUZZY MODELS

Logičko-lingvističke metode za opisivanje sistema zasnivaju se na činjenici da se ponašanje sistema koji se proučava opisuje prirodnim (ili bliskim prirodnom) jeziku u terminima lingvističkih varijabli.

Ulazni i izlazni parametri sistema smatraju se lingvističkim varijablama, a kvalitativni opis procesa je dat skupom iskaza sljedećeg tipa:

L 1: ako< A 1 > onda< B 1 >,

L 2: ako< A 2 > onda< B 2 >,

L k: Ako< A k> onda< B k >,

Gdje< A i >, i = 1,2,..,k- složeni fuzzy iskazi definirani na vrijednostima ulaznih jezičkih varijabli, i< B i >, i = 1,2,..,k- iskazi definirani na vrijednostima izlaznih jezičnih varijabli. Razmotrimo primjer rješavanja fuzzy logičkog problema upravljanja: konstruiranje upravljačkog modela za parni kotao.

3 MODEL UPRAVLJANJA PARNIM KOTLOVOM

Prototip modela bio je parni stroj (laboratorij) sa dva ulaza (dovod topline, otvaranje leptira za gas) i dva izlaza (pritisak kotla, brzina motora).

Cilj upravljanja: održavanje zadanog pritiska u kotlu (u zavisnosti od dovoda toplote) i zadate brzine motora (u zavisnosti od otvora leptira za gas). U skladu s tim, dijagram upravljačkog sistema motora izgleda ovako:

Razmotrimo jedan dio problema - upravljanje pritiskom.

Ulazne lingvističke varijable:

PE - odstupanje pritiska (razlika između trenutnih i zadatih vrednosti);

CPE - brzina promjene odstupanja pritiska.

Izlazna lingvistička varijabla:

NS - promjena količine topline.

Vrijednosti jezičkih varijabli:

NB - negativan veliki;

NM - negativna sredina;

NS - negativan mali;

NE - negativan blizu nule;

ZO - blizu nule;

PO - pozitivno blizu nule;

PS - pozitivan mali;

PM - pozitivna sredina;

PB - pozitivna velika.

Kontrolna pravila (15 pravila) koja povezuju lingvističke vrijednosti ulaznih i izlaznih varijabli imaju oblik: “ Ako je odstupanje pritiska = A ii, ako je stopa odstupanja pritiska = IN i, tada je promjena količine dovedene topline jednaka C i“, Gdje A i, IN i ,WITH i- gore navedena jezička značenja.

Kompletan set pravila je dat u tabeli:

	PE devijacija pritiska	Brzina promjene odstupanja CPE pritiska	Promjena količine isporučene topline NS

4 FUZZY SYSTEMS

fuzzy sistem upravljanja

Ispod fuzzy sistem razumjeti model sa jednim ili više ulaza, specificiranih u obliku lingvističkih varijabli, sa jednim ili više izlaza (jasnih ili rasplinutih), koji rade na osnovu fuzzy pravila.

Fuzzy pravila obično imaju proizvodni oblik, a njihov tip ovisi o vrsti modela.

Najčešći trenutno su Mamdani modeli, fuzzy pravila u kojima imaju sljedeći oblik:

R 1: AKO postoji A 11 I postoji A 21 I ... I postoji A n 1 ONDA je y B 1 (1) gdje su ulazne lingvističke varijable, y je izlazna lingvistička varijabla, i A ij, B i- fuzzy varijable koje određuju njihove vrijednosti.

U Mamdanijevim fuzzy modelima, i na ulazu i na izlazu imamo informacije specificirane vrijednostima lingvističkih varijabli.

Primjer pravila u Mamdanijevom fuzzy modelu:

AKO je vlažnost VISOKA, a temperatura SREDNJA, tada podesite ugao rotacije ventila na MALO.

Opšti dijagram Mamdanijevih rasplinutih sistema je predstavljen u nastavku

Kada se određene vrijednosti parametara primaju na ulaze fazi sistema, model izvodi rasplinuti izlaz i generiše direktnu vrijednost na izlazu modela. Primjer neizrazitog zaključivanja u Mamdanijevim maksiminskim modelima s defuzzifikacijom korištenjem metode centra gravitacije prikazan je na slici 1. Fazi zaključivanje o svakom od pravila R i Fazi model se ovde implementira na sledeći način:

Izračunavamo stepen članstva

Mi nalazimo

Slika 1 - Primjer izlaza na Mamdanijevom fuzzy modelu

Pronalaženje nejasnog skupa

Kombinovani su rezultati fazi zaključivanja svakog od rasplinutih pravila.

5 KONSTRUKTOR FUZZY SISTEMA CUBICALC

CubiCalc sistem je interaktivna ljuska za dizajniranje modela rasplinutih kontrolnih sistema zasnovanih na fuzzy proizvodnim pravilima.

Uzimajući jasne vrijednosti lingvističkih varijabli kao ulaz, on je u stanju da ih obrađuje koristeći fuzzy proizvodna pravila prema Mamdanijevom modelu, i generira vrijednosti izlaznih varijabli na izlazu sistema.

Neizrazita pravila proizvodnje u sistemu CubiCalc imaju sljedeći oblik (1).

Primjer takvog pravila bi bio sljedeći

AKO je pritisak u rezervoaru mali I temperatura vode je visoka, I porast pritiska je mali, I porast temperature je mali, ONDA malo okrenite regulator protoka vode.

U ovom pravilu

pritisak,

temperatura,

Porast pritiska,

porast temperature,

Kut rotacije regulatora protoka vode - postoje lingvističke varijable koje, odnosno uzimaju sljedeće vrijednosti u obliku nejasnih varijabli - mali, veliki, mali, mali, mali.

6 PREDSTAVLJAMO CUBICALC SISTEM KORIŠTENJEM TRACKXY VOŽNJE KAMIONA

1. Pokrenite CubiCalc sistem i upoznajte se sa funkcijama glavnog menija ovog sistema.

2. Preuzmite TRUCKXY demo program - model upravljačkog sistema kamiona za vožnju kroz uska vrata.

3. U načinu rada korak-po-korak (tipka (F8)), raditi sa ovim modelom, pokrenuti ga nekoliko puta, ispitati putanju kamiona (Track Yard prozor), aktivirati fuzzy pravila (X vs Y aktivacijski prozor) , rezultat rasplinutog izlaza u obliku nejasnog ugla skupova ugla upravljanja (Theta Resultant prozor) (slika 2). Dodajte nekoliko putanja kamiona svom laboratorijskom izvještaju.

Formalno, operativni model ovog sistema je postavljen u sekciji PROJEKT menija i uključuje sledeće glavne sekcije.

1. Izbornik varijable - konstruktor ulaznih, izlaznih lingvističkih i privremenih varijabli modela.

2. Meni Pridjevi - konstruktor lingvističkih varijabli modela, koji vam omogućava da formirate njihove vrijednosti - fuzzy varijable.

3. Meni vrijednosti - proučavanje trenutnih vrijednosti varijabli definisanih u modelu.

4. Pravila menija - konstruktor fuzzy proizvodnih pravila modela tipa (1), prema kojima sistem funkcioniše.

5. Meni za inicijalizaciju - odjeljak za inicijalizaciju vrijednosti varijabli modela.

6. Meni Preprocesiranje (preprocesiranje) - dio radnji koje se izvode prije svakog ciklusa obrade fuzzy pravila.

7. Meni Postprocessing (post-processing) - dio radnji koje se izvode nakon svakog ciklusa obrade fuzzy pravila.

8. Meni za simulaciju - dio akcija koje određuju funkcionisanje fazi modela (promjena vrijednosti varijabli modela na osnovu rezultata rasplinutog zaključivanja).

9. Grafikoni - grafikoni koji prikazuju rad modela.

Vratimo se na model vožnje kamiona. Rad ovog modela zasniva se na sljedećim intuitivnim stručnim razmatranjima -

Y rastojanje kamiona do kapije opisano je pomoću dvije kategorije - VELIKI i MALI.

Ako je razdaljina VELIKA, onda se ponašamo prema uobičajenim pravilima modela (navedena su u modelu), ako je MALA, onda pokušavamo otjerati kamion od donje granice i odvesti ga do sredine mjesto.

U model vožnje kamiona, pored udaljenosti do kapije Y, uvode se i sljedeće varijable -

Ove varijable

VrijednostilingvističkivarijablaPhi (orijentacija kamiona):

VL0 - Mnogo lijevo od nultog ugla.

L0 - lijevo od nultog ugla

M0 - Manje ili više nulti ugao.

R0 - Desno od nultog ugla.

VR0 - Mnogo desno od nultog ugla.

VL90 - Puno lijevo od 90 stepeni

L90 - Lijevo 90 stepeni

M90 - Više od 90 stepeni

R90 - Desno 90 stepeni

VR90 - Mnogo udesno od 90 stepeni

VL180 - Mnogo lijevo od 180 stepeni

L180 - lijevo 180 stepeni

M180 - Više-manje 180 stepeni

R180 - Udesno 180 stepeni

VR180 - Mnogo udesno od 180 stepeni

Phi45 (orijentacija kamiona u odnosu na 45 stepeni):

VL45 - Mnogo udesno od 45 stepeni

L45 - lijevo 45 stepeni

M45 - Više ili manje od 45 stepeni

R45 - Udesno 45 stepeni

VR45 - Mnogo udesno od 45 stepeni

Vrijednosti lingvističkih varijabliPhi135 (orijentacija kamiona u odnosu na 135 stepeni):

VL135 - Mnogo lijevo od 135 stepeni

L135 - lijevo 135 stepeni

M135 - Više-manje 135 stepeni

R135 - Udesno 135 stepeni

VR135 - Mnogo udesno od 135 stepeni

X (horizontalni položaj):

LG_LEFT - Mnogo lijevo od centra

LIJEVO - lijevo od centra

LG_LCTR - Blizu centra lijevo

LCTR - Vrlo blizu centra lijevo

CENTAR - Manje-više u centru

RCTR - Vrlo blizu centra desno

LG_RCTR - Blizu centra desno

DESNO - Desno od centra

LG_RIGHT - Mnogo desno od centra

Vrijednost lingvističke varijableTheta (Okrenite volan):

NB - Mnogo suprotno od kazaljke na satu

NM - Prosjek u smjeru suprotnom od kazaljke na satu

NS - Blago suprotno od kazaljke na satu

ZE - Nulti okret

PS - Malo u smjeru kazaljke na satu

PM - Prosjek u smjeru kazaljke na satu

PB - Mnogo u smjeru kazaljke na satu

3. Pozovite stavku menija Project -> Variables, proučite sve lingvističke varijable modela TRACKXY, proučite njihovu semantiku i odgovorite na sljedeća pitanja (odgovore na njih unesite u izvještaj):

3.1. Koliko varijabli i koje su prisutne u razvijenom modelu?

3.2. Koje vrste varijabli podržava CubiCalc?

3.3. Koje su varijable u modelu TRACKXY ulazne, koje izlazne, a koje su privremene?

3.4. Šta model CubiCalc znači pod „Okrenite volan mnogo suprotno od kazaljke na satu“? “Budite vrlo blizu lijevog centra”? Uključite ih u izvještaj i dajte prirodno lingvističko tumačenje njihovih značenja.

3.5. Za svaku od njihovih neizrazitih varijabli modela, interpretirajte njihove dvije proizvoljne vrijednosti (njihove funkcije pripadnosti). Unesite ih u izvještaj i protumačite semantiku.

4. Uđite u odjeljak Projekt -> Pravila i proučite pravila po kojima TRUCKXY model radi. Odgovorite na slijedeća pitanja:

4.1. Koliko pravila uključuje model rasplinutog sistema?

4.2. Prevedite bilo kojih 10 pravila ovog sistema na prirodni jezik i uključite njihovu interpretaciju prirodnog jezika u laboratorijski izvještaj.

5. Ispitati aktivnosti koje se izvode tokom faze inicijalizacije sistema?

6. Na kartici Simulacija, proučite akcije kojima se simulira ponašanje sistema na svakoj iteraciji.

7. Na kartici Plots, pregledajte grafikone koji odražavaju rezultate sistema. Koje vrste grafikona su dostupne za kreiranje?

8. Pokrenite model i pogledajte rezultate modela.

9. Pokušajte promijeniti funkcioniranje modela - na primjer, povećajte brzinu automobila, promijenite vrijednosti jezičkih varijabli (na primjer, redefinirajte skup vrijednosti za jezičku varijablu X). Nakon toga ponovo pokrenite model i proučite kako ispravno funkcionira i hoće li kamion u tom slučaju ući na kapiju. Pokažite nastavniku rezultate modificiranog modela.

VJEŽBA1

zadatak: postoji određeni tehnički sistem na čiji se ulaz napaja informacija sa dva senzora - temperaturnog senzora (granice promjene 0 - 100 C) i tlaka (granice promjene 100 - 1000 MPa).

Svrha sistema je da kontroliše ventil za dovod pare prema sledećem skupu pravila.

Ventil se može okrenuti lijevo ili desno za maksimalno 90 stepeni (ulijevo je negativan ugao, odnosno granice za promjenu ugla rotacije: [-90, 90])

Skup pravila.

1. Ako je temperatura niska, a pritisak nizak, okrenite ventil vrlo ulijevo.

2. Ako je temperatura niska, a pritisak srednji, okrenite ventil sasvim ulijevo.

3. Ako je temperatura niska, a pritisak visok, okrenite ventil malo ulijevo.

4. Ako je temperatura prosječna, a pritisak nizak, okrenite ventil malo ulijevo.

5. Ako je temperatura prosječna, a tlak prosječan, okrenite ventil u neutralni položaj.

6. Ako je temperatura prosječna, a pritisak visok, okrenite ventil malo udesno.

7. Ako je temperatura visoka, a pritisak nizak, okrenite ventil malo udesno.

8. Ako je temperatura visoka, a pritisak prosečan, onda snažno okrenite ventil udesno.

9. Ako je temperatura visoka i pritisak visok, onda okrenite ventil vrlo udesno.

Model promjene temperature i pritiska (simulacija) nakon svakog ciklusa ima sljedeći oblik:

Temperatura = temperatura - ugao rotacije ventila / 4 + uniforma() * 10-uniforma() * 10 + Pritisak / 100.

Pritisak = pritisak - ugao rotacije ventila / 4 + uniforma() * 10-uniforma() * 10 + Temperatura / 10.

U 5 od 100 slučajeva, nakon završetka svakog ciklusa, pritisak raste za 25 MPa.

Prije prvog lansiranja, inicijalizirajte ove varijable na sljedeći način:

Temperatura = 50

Pritisak = 600

Opišite sistem koji radi po ovim pravilima i prikaže dijagram rada pravila, grafikone promjena vrijednosti varijabli pritiska i temperature tokom vremena.

Radite sa kreiranim modelom. Šta možete reći o njegovoj održivosti? Ostvarite stabilan rad modela (bez parametara koji prelaze njihove granice) dugo vremena.

VJEŽBA2

U sistemu CubiCalc moguće je postaviti pravila ne u alternativnom obliku, već u normalizovanom. U ovom slučaju, nema potrebe specificirati selektor SYNTAX_ALTERNATE u bloku pravila.

Prilikom formiranja rasplinutih pravila u normaliziranom obliku, njihov oblik zapisa je prošireniji nego u alternativi. U normalizovanom obliku, pravila za funkcionisanje modela fazi sistema su napisana na sledeći način: (Težina pravila) AKO Uvjet ONDA zaključak

Uslov sadrži listu uslova obrasca Jezička varijabla je značenje, ujedinjeni veznicima I (I), ILI (ILI), NOT (NE). Znak & se može koristiti umjesto AND, znak se može koristiti umjesto ILI.

Težina pravila određuje stepen njegove univerzalnosti (pouzdanosti).

Modifikatori VERY i SOMEWHAT se mogu primijeniti na vrijednosti varijabli u uvjetima.

Primjerpravila- (0,7) AKO je X veliko I (Y je mali ILI U je negativan) ONDA je Z veliko čija je interpretacija prirodnog jezika sljedeća: „S pouzdanošću 0,7, ako je X veliko i (Y je mali ili je U negativan ), onda je Z veliko." Gdje su X, Y, U lingvističke varijable, a velike, male, negativne su njihove vrijednosti.

VJEŽBA 3

Zadatak: Ulazi tehničkog sistema su informacije sa tri senzora - jačina svetlosti (1-1000 Lux), temperatura vode (0-60), pritisak (100-1000 MPa). Svrha sistema je kontrola ugla rotacije ventila [-90; 90] prema sljedećem skupu pravila.

Skup pravila

1. (Težina 1) AKO je osvjetljenje slabo I temperatura je niska I pritisak je nizak ONDA okrenite ventil snažno ulijevo.

2. (Težina 0,8) AKO je osvjetljenje slabo I temperatura je niska I pritisak je prosječan, onda snažno okrenite ventil ulijevo.

3. (Težina 0,6) AKO je osvjetljenje slabo I temperatura je niska I pritisak je visok, onda okrenite ventil sasvim ulijevo.

4. (Težina 1) AKO je osvjetljenje slabo I temperatura je prosječna I pritisak je nizak, onda snažno okrenite ventil ulijevo.

5. (Težina 0,3) AKO je osvjetljenje slabo I temperatura je prosječna I pritisak je prosječan, onda okrenite ventil u neutralni položaj.

6. (Težina 0,9) AKO je osvjetljenje slabo I temperatura je prosječna I pritisak je visok, onda okrenite ventil sasvim udesno.

7. (Težina 0,8) AKO je osvjetljenje slabo I temperatura je visoka I pritisak je nizak, onda okrenite ventil sasvim udesno.

8. (Težina 1) AKO je osvjetljenje slabo I temperatura je visoka I pritisak je prosječan, onda snažno okrenite ventil udesno.

9. (Težina 1) AKO je osvjetljenje slabo I temperatura je malo (NEKOLIKO) visoka I pritisak je malo (NEKOLIKO) visok, onda snažno okrenite ventil udesno.

10. (Težina 1) AKO je osvjetljenje visoko I (Temperatura je vrlo (VRLO) niska ILI je pritisak VRLO (Vrlo) nizak) ONDA okrenite ventil vrlo ulijevo.

11. (Težina 0,6) AKO je osvjetljenje visoko I temperatura je prosječna I pritisak je prosječan, onda okrenite ventil u neutralni položaj.

12. (Težina 0,8) AKO je temperatura visoka I pritisak je visok, onda okrenite ventil sasvim udesno.

Dakle, tehnički sistem ima 3 ulazne jezičke varijable:

1. Osvetljenost sa vrijednostima:

Veliki.

2. Temperatura sa značenjima

Prosjek;

Veliki.

3. Pritisak sa značenjima

Prosjek;

Visoko

I jedna izlazna jezička varijabla - ugao rotacije ventila s osnovnim skupom pojmova vrijednosti:

Daleko lijevo;

Dovoljno lijevo;

Neutralna pozicija;

Dovoljno desno;

Daleko desno.

Preostale vrijednosti lingvističkih varijabli formiraju se od elemenata osnovnog skupa pojmova pomoću modifikatora VRLO, NEŠTO, NE

Model promjene svjetline, temperature i pritiska(simulacija) nakon izvođenja svake petlje ima sljedeći oblik:

Temperatura = temperatura - ugao ventila / 4 + uniform() * 10-uniform() * 10 + Pritisak / 200 + Svjetlina / 200.

Pritisak = pritisak - ugao rotacije ventila / 4 + uniform() * 10-uniform() * 10 + Temperatura / 10.

U 5 slučajeva od 100, nakon svakog ciklusa temperatura raste za 5 stepeni.

U 5 slučajeva od 100, nakon završetka svakog ciklusa, pritisak raste za 5 MPa.

Svjetlina = Svjetlina + uniform()-uniform(); AKO Brightness > 999 THEN Brightness = 999; IF Brightness< 1 ТО Яркость = 1;

Gdje je uniform() nasumični broj između 0 i 1.

Prije prvog lansiranja, inicijalizirajte ove varijable na sljedeći način: Temperatura = 50, Pritisak = 600, Svjetlina = 500. Kreirajte model u CubiCalc sistemu koji radi prema gore opisanim zakonima i prikazuje dijagram rada pravila, grafikone promjena u vrijednosti varijabli pritiska i temperature tokom vremena. Istražite rad modela i izvucite zaključke o stabilnosti njegovog rada. Osigurajte da model radi održivo tokom dugog vremenskog perioda.

Objavljeno na Allbest.ru

Slični dokumenti

Glavne faze sistema rasplinutog zaključivanja. U njima se koriste pravila rasplinutih produkcija. Nejasni lingvistički iskazi. Definicija Tsukamoto, Larsen, Sugeno algoritama. Implementacija Mamdanijevog nejasnog zaključivanja na primjeru uličnog semafora.

kurs, dodan 14.07.2012


Istraživanje metoda za automatsko projektovanje fuzzy upravljačkih sistema (FCS). Metode za automatsko postavljanje semantike lingvističkih varijabli. Umjetne neuronske mreže, genetski algoritmi. Koevolucijski algoritam za formiranje NSO.

teza, dodana 02.06.2011


Razvoj metoda za dihotomnu procjenu fuzzy modela znanja operatera informacionih sistema o državnim i opštinskim plaćanjima. Mehanizmi i principi upravljanja bazama fuzzy modela znanja operatora, metode i faze njihove identifikacije.

disertacija, dodata 30.01.2014


Koncepti u oblasti metrologije. Reprezentacija znanja u inteligentnim sistemima. Metode za opisivanje fuzzy znanja u inteligentnim sistemima. Klasifikacija inteligentnih sistema, njihova strukturna organizacija. Nejasan sistem automatskog upravljanja.

kurs, dodato 16.02.2015


Opšti koncepti i klasifikacija lokalnih upravljačkih sistema. Matematički modeli upravljačkog objekta LSU. Metode linearizacije nelinearnih jednadžbi objekata upravljanja. Postupak za sintezu LSU. Tranzijenti koji koriste pulsne prijelazne funkcije.

kurs predavanja, dodato 09.03.2012


Glavni ciljevi i zadaci izgradnje sistema prepoznavanja. Izgradnja matematičkog modela sistema za prepoznavanje obrazaca na primjeru algoritma za identifikaciju objekata vojne opreme u automatizovanim telekomunikacionim kompleksima sistema upravljanja.

teza, dodana 30.11.2012


Metode projektovanja sistema automatskog upravljanja: eksperimentalne i analitičke. Simulacija upravljačkog sistema zatvorene petlje. Sistemi u dinamici: praćenje, stabilizacija, algoritam filtriranja. Matematički modeli sistema, uticaji, reakcije.

test, dodano 05.08.2010


Teorija automatskog upravljanja kao nauka, predmet i metodologija za njeno proučavanje. Klasifikacija sistema automatskog upravljanja prema različitim kriterijumima, njihovi matematički modeli. Diferencijalne jednadžbe sistema automatskog upravljanja, njihova rješenja.

test, dodano 06.08.2009


Obim kontrolnih sistema. Izrada matematičkog modela originalnih sistema automatskog upravljanja (ACS). Sinteza korektivnih sredstava. Analiza kvaliteta originalnog i prilagođenog ACS-a. Proračun parametara korektivnih uređaja.

kurs, dodan 25.02.2014


Izgradnja modela kontrolnog objekta. Dobivanje modela “ulaz-stanje-izlaz”. Metodologija za određivanje parametara regulatora. Dijagram toka za simulaciju sistema i statističku analizu u vremenskom domenu. Analiza slučajnih varijabli i procesa.

Glavna karakteristika klasifikacije rasplinutih upravljačkih sistema je lokacija neizrazitih logičkih blokova zaključivanja u upravljačkom sistemu: ili rasplinuti sistem sam generiše kontrolne signale, ili signali iz fazi sistema kontrolišu parametre tradicionalnog upravljačkog sistema (npr. PID kontroler). Potonji takođe uključuju sisteme sa takozvanim fuzzy kompleksnim modelima, u kojima je matematički opis objekta ili kontrolera predstavljen ansamblom tradicionalnih modela (obično linearnih), a prelaz između ovih modela (bilo glatki ili nagli) se odvija kroz signali iz neizrazitih izlaznih blokova.

Upravljački sistemi sa fuzzy logikom se takođe mogu podeliti na neprilagodljive i adaptivne. U neprilagodljivim sistemima, baza znanja ostaje nepromijenjena nakon dizajniranja i konfiguracije sistema. U adaptivnim sistemima baza znanja se prilagođava u procesu rada u zavisnosti od situacije koja se razvija tokom procesa upravljanja.

Bez obzira na to da li je rasplinuti sistem upravljanja adaptivan ili ne, glavno pitanje u njegovom dizajnu je formiranje baze znanja u obliku fuzzy proizvodnih pravila.

Glavni metod je da se pozajmi znanje stručnjaka za upravljanje predmetnim objektom (posebno, obično kroz stručnu anketu). operater.

Neka formalizujuća pomoć u ovom procesu može biti proučavanje zavisnosti nelinearnih operatora implementiranih u fazi sistema od parametara baza znanja, broja termina rasplinutih lingvističkih varijabli, tipa funkcije pripadnosti, algoritma rasplinutog zaključivanja, itd.

Često je lakše prvo dobiti fuzzy (lingvistički) model kontrolnog objekta, a zatim ga koristiti za formiranje fuzzy modela upravljanja. S tim u vezi, treba istaći sljedeće radove. Publikacija opisuje sintezu fuzzy upravljačkog sistema koristeći objektni model prvog reda, ali je prilično teško generalizirati ovu metodu na objekte proizvoljnog reda. U radu se ispituje lingvistička sinteza regulatora zasnovana na datim lingvističkim modelima objekta i zatvorenog sistema. Sinteza se provodi na osnovu pretpostavke da su signali u sistemu lingvističke varijable koje uzimaju vrijednosti na konačnom skupu rasplinutih varijabli. U ovom radu, na osnovu lingvističkog opisa kontrolnog objekta, sintetiziran je lingvistički opis kontrolera povratne sprege na način da je zadovoljen dovoljan uslov za stabilnost sistema prema drugoj metodi Ljapunova sa funkcijom u obliku kvadratni oblik. Ovakvim pristupom, uticaj funkcija pripadnosti pojedinačnih pojmova, algoritma nejasnog zaključivanja i vrste redukcije na jasnoću izmiču iz vida, stoga, kada se ova tehnika primeni na sistem sa jasnim signalima, rezultat će biti manje predvidljiv. .

Drugi pristup sintezi fuzzy upravljačkog sistema korištenjem fazi modela objekta je korištenje metoda inverzne dinamike. U ovoj metodi, fazi sistem je konstruisan na način da najbolje odgovara inverznom operatoru objekta. Radovi takođe razmatraju sintezu fazi modela kontrolnog objekta zasnovanog na probabilističkim metodama. Kako napominju autori, kombinovana primjena principa inverzne dinamike i vjerovatnostnih modela u potpunosti će eliminirati subjektivnu komponentu iz sinteze rasplinutih upravljačkih sistema, tj. u potpunosti formalizirati proceduru sinteze. Radovi koji se razmatraju daju primjere sinteze rasplinutih regulatora i njihovog poređenja sa tradicionalnim, pokazujući efikasnost predloženih metoda. Istovremeno, ovaj metod ima i značajne nedostatke: inverzni operator objekta u opštem slučaju može biti implementiran samo približno kvalitet rezultujućeg rasplinutog sistema, posebno kada su parametri objekta; nestabilno.

Sljedeći pravac u sintezi je razvoj fuzzy analoga korištenjem tradicionalnih metoda teorije upravljanja. Tako su dobijeni analozi integrala konvolucije, funkcije prijenosa, principa invarijantnosti, druge metode Ljapunova itd. Dat je pregled rada u ovoj oblasti. Treba napomenuti da su ovi analogi dobijeni pod uslovom da u sistemu deluju rasplinuti signali (odsustvo blokova defasifikacije značajno ograničava upotrebu ovih metoda).

Brojni radovi razmatraju sintezu nelinearnog optimalnog zakona upravljanja koristeći teoriju optimalnih sistema upravljanja sa naknadnom aproksimacijom rezultujućih operatora rasplinutim sistemom. Navedimo nekoliko primjera. U radu se razmatra aproksimacija karakteristika rasplinutih sistema običnim nelinearnim funkcijama i dobijanje invarijantnog sistema za njih, kao što se radi u tradicionalnoj teoriji upravljanja. U radu je sintetizovan optimalni zakon upravljanja na osnovu teorije analitičkog projektovanja regulatora (ACOR) i zatim aproksimiran rasplinutim sistemom. Radovi razmatraju sistem u kojem se vrši automatska dinamička korekcija parametara PID regulatora pomoću signala koji se dobijaju iz sistema fuzzy logičkog zaključivanja koji aproksimiraju nelinearne operatore dobijene primenom principa maksimuma. Nedostaci ovog pristupa uključuju sljedeće: moguće je pronaći optimalnu kontrolu samo u najjednostavnijem slučaju, potrebno je znati tačan model kontrolnog objekta, ostaje otvoreno pitanje kako aproksimirati rezultirajući optimalni zakon sa nejasnim sistema, odsustvo bilo kakvih garancija kvaliteta sintetizovanog sistema upravljanja kada se promene parametri objekta.

Blokovi rasplinutog logičkog zaključivanja predstavljaju nelinearne veze upravljačkog sistema, pa je logično na takav sistem primijeniti metode poznate iz tradicionalne nelinearne teorije automatskog upravljanja i na osnovu rezultata analize odabrati najbolju strukturu i parametre sistema. U ovom slučaju se dobija hibridna tehnologija koja kombinuje i kvalitativne principe sinteze rasplinutih sistema i kvantitativne principe tradicionalne teorije upravljanja.

Takagi-Sugeno fuzzy inference algoritam predložen u radu je najpogodniji za dobijanje analitičkih metoda, što objašnjava najveći broj radova koji razmatraju analitičko proučavanje sistema korišćenjem navedenog algoritma. U radu se predlaže kriterijum stabilnosti rasplinutih upravljačkih sistema sa fuzzy Sugeno modelima, u kojem se analiza stabilnosti svodi na analizu stabilnosti pojedinih podsistema. Uprkos svojoj jednostavnosti, ova metoda omogućava određivanje samo malog dijela istinske regije stabilnosti. Značajno bolji rezultat postiže se korištenjem druge Lyapunovljeve metode. Upotreba ove metode je najčešća među ostalim pristupima. Predstavimo neke od savremenih radova vezanih za ovaj pravac.

Interesantni su radovi u kojima se parametri fazi kontrolera dinamički prilagođavaju kako bi se osiguralo da prva razlika Ljapunovljeve funkcije bude negativna u svakom koraku procesa tranzicije, tj. ispunjenje dovoljnog uslova za stabilnost sistema. Autori ovih radova ovaj sistem klasifikuju kao adaptivni.

U radovima se predlaže korištenje metoda teorije apsolutne stabilnosti za proučavanje rasplinutih sistema. Ovaj pravac je dalje razvijen u radovima, a posebno su dobijene zavisnosti veličine sektora nelinearne zavisnosti od parametara odgovarajućeg fazi sistema i razvijena je primena kriterijuma geometrijske stabilnosti frekvencije za upravljačke sisteme sa fazi logikom. Kao što je poznato, ove metode analize, kada su ispunjeni određeni uslovi, omogućavaju da se dobiju oblasti stabilnosti sistema ne više nego pomoću druge metode Ljapunova sa kvadratnom funkcijom. U radovima su metode teorije apsolutne stabilnosti proširene na slučaj upravljačkih sistema sa višedimenzionalnim blokovima neizrazito logičkog zaključivanja.

Određeni broj autora je predložio upotrebu harmonske linearizacije (metoda harmonske ravnoteže) za analizu i sintezu sistema sa fazi logikom, vidi npr. Prednosti ovog pristupa su: jednostavnost i logička transparentnost rezultujućih uslova stabilnosti. Međutim, nedostaci ovog pristupa su dobro poznati. Za razliku od najjednostavnijih nelinearnosti (zasićenje, mrtvi pojas, zazor, itd.), odnos između parametara za neizraziti sistem zaključivanja i njegove harmonično linearizovane funkcije prenosa ne može se izraziti u analitičkom obliku, ili ima veoma složen oblik; glomaznost rješavanja jednačine harmonske ravnoteže (uporedivo sa troškovima numeričkog modeliranja sistema); aproksimacija metode; potreba da se ispuni hipoteza filtera. Stoga se ovaj pristup ne koristi široko.

Opšte prednosti metoda za sintezu rasplinutih upravljačkih sistema zasnovanih na analitičkim metodama za proučavanje nelinearnih sistema uključuju garanciju specificiranih karakteristika sintetizovanog sistema. Nedostaci također izgledaju prilično očigledni: potreba za prilično formaliziranim modelom kontrolnog objekta, grubost rezultirajućih procjena, primjenjivost samo u najjednostavnijim slučajevima.

Uprkos razvoju metoda za sintezu upravljačkih sistema sa fazi logikom, glavni metod sinteze, kao iu prvim modelima fazi kontrolera, i dalje je empirijska sinteza skupa rasplinutih proizvodnih pravila baze znanja i izbor rasplinutog algoritam zaključivanja, praćen postavljanjem parametara sistema na realnom upravljačkom objektu ili njegovim modelima, simulacijom različitih načina rada. Prednost ove metode je, prvo, pouzdanost (u smislu zagarantovanih svojstava) rezultujućeg sistema, i, drugo, njegova primenjivost u prisustvu najopštijih informacija o objektu upravljanja. (Imajte na umu da je u potpunom odsustvu takvih informacija nemoguće formirati bazu znanja rasplinutog sistema stručnim sredstvima, a kontrolni sistem, u određenoj mjeri, postaje sličan neuronskoj mreži.)

Dizajnirati i simulirati fuzzy logičke sisteme

Fuzzy Logic Toolbox™ pruža MATLAB® funkcije, aplikacije i Simulink® blok za analizu, dizajn i simulaciju sistema fuzzy logike. Priručnici za proizvode vode vas kroz korake razvoja nejasnih sistema zaključivanja. Funkcije su predviđene za mnoge uobičajene tehnike, uključujući rasplinuto grupiranje i adaptivno neuro-fazi učenje.

Kutija alata vam omogućava da modelirate složeno ponašanje sistema koristeći jednostavna logička pravila, a zatim implementirate ova pravila u fuzzy sistemu zaključivanja. Može se koristiti kao samostalni mehanizam za neizrazito zaključivanje. Takođe možete koristiti fuzzy izlazne blokove u Simulink-u i modelirati fuzzy sisteme u sveobuhvatnom modelu čitavog dinamičkog sistema.

Početak rada

Naučite osnove Fuzzy Logic Toolbox-a

Modeliranje izlaza nejasnog sistema

Kreirajte nejasne sisteme zaključivanja i rasplinuta stabla

Postavka izlaza nejasnog sistema

Postavite funkcije članstva i fuzzy sistemska pravila

Grupiranje podataka

Pronađite klastere u ulaznim/izlaznim podacima koristeći fuzzy c-means ili subtraktivno grupiranje

INSTRUMENTI, UREĐAJI I AUTOMATSKI UPRAVLJAČKI SISTEMI

UDK 621:658.011.56

M. V. Bobyr, V. S. Titov

DIZAJN ADAPTIVNOG UPRAVLJAČKOG SISTEMA FUZZY LOGIC.

Razmatraju se faze projektovanja adaptivnog fuzzy logičkog upravljačkog sistema. Prikazani su strukturni dijagrami adaptivnog sistema i njegovih sastavnih blokova koji omogućavaju da se proceni princip rada sistema.

Ključne reči: fuzzy logika, neizrazito logičko zaključivanje, sistemi upravljanja, adaptacija.

Uvod. Smanjenje izvoza savremene domaće alatne opreme povezano je sa upotrebom komponenti u njenoj strukturi koje ne dozvoljavaju proizvodnju delova sa preciznošću od 1-5 mikrona, a istovremeno smanjuju njihovu cenu. Postizanje ovakvih karakteristika nemoguće je bez poboljšanja noseće konstrukcije kako same metalorezne opreme tako i upravljačkih sistema za proces mašinske obrade proizvoda (MP).

Trenutni nivo zahtjeva za kvalitetom proizvedenih proizvoda determiniše potrebu za razvojem visoko precizne CNC opreme nove generacije, koja kombinuje najnovije metode i sredstva automatizovanog praćenja i upravljanja uz korišćenje računarskih metoda za obradu mernih informacija o napretku. tehnološkog procesa (TP). Istovremeno, glavni zahtjev za ovu klasu opreme je da se uzme u obzir nepotpunost i nepouzdanost informacija o kvantitativnim vrijednostima ulaznih i izlaznih karakteristika MOI TP pod ometajućim utjecajima. Obećavajuća osnova koja omogućava uzimanje u obzir gore navedenih zahtjeva je aparat fuzzy logike.

Strukturni i funkcionalni dijagram adaptivnog fuzzy logičkog upravljačkog sistema. U toku istraživanja u okviru Predsedničkog granta MK-277.2012.8 razvijen je adaptivni fuzzy-logički kontrolni sistem koji omogućava povećanje tačnosti mehaničke obrade proizvoda i ubrzava donošenje kontrolnih odluka u prisustvu spoljnih faktora. Na sl. 1 prikazuje njen blok dijagram (IM - aktuatori CNC opreme; BVI - blok za unos informacija; BOSI - blok za određivanje stepena istinitosti; BMNO - blok matrice fuzzy relacija; BVVP - ulazni blok izlazne varijable; BUTVP - blok skraćenja termina izlazne varijable; BOUTVP - blok za kombinovanje skraćenih termina izlazne varijable DB - defuzzification blok); U radovima se detaljno razmatraju metode i algoritmi koji objašnjavaju principe rada adaptivnog sistema upravljanja. Koristi se

Članci su posvećeni razvoju ovog sistema za potrebe upravljanja aktuatorima CNC opreme.

Senzori za sisteme aktivnog upravljanja za CNC opremu

Eksterni faktori X

Tehnološki proces mehaničke obrade proizvoda

Upravljački krug motora

KE0...IE5 IS1.IS5

Mikrokontroler

BVI i BOSI

BVVP BUTVP

Kontrolni uređaj

Blokovi elemenata adaptivnog sistema upravljanja. Blok za unos informacija je dizajniran za pohranjivanje podataka o ulaznim varijablama u obliku parametrizirane funkcije članstva (MF)

|d(x) = 2 X = 1=1

/ x1 + "12¡G

/ x2 + "22 ([ ^

gdje je 2 znak operacije kombinovanja preduslova pravila; x^ - termini parametrizovanog FP, /=1,...,5 - broj pojmova; G1, G2, G3, G4 - parametri trouglastog PT (sl. 2, G1=10, G2=30, G3=60, G4=80); | - prema , znak podrške FP uslova; "11, "12, "21, "22 su logičke varijable definirane kao

1 za a< х < Ь,

\1 za b< х < с,

0 u ostalim slučajevima, prvi signal (0000000000) se prima sa izlaza mikrokontrolera RA1 na ulaze sabirnice podataka D RAM-a, a sa izlaza mikrokontrolera RD1 na ulaze D RAM-a - brojevi u raspon od 0 do 255, što odgovara vrijednostima stepena istinitosti FP-a koji se nalazi duž ordinatne ose (vidi sliku 2). Adresne vrijednosti koje se prenose putem adresne magistrale poklapaju se sa vrijednostima duž apscisne ose FP-a. Proces upisivanja podataka u RAM se nastavlja sve dok se svim memorijskim ćelijama ne dodijeli FP stepen istine.

Od senzora

Blok određivanja stepena istinitosti koristi se za pohranjivanje fuzzy logičkih kontrolnih pravila oblika

IF [uslov 1] I [uslov 2], THEN [zaključak], gdje su [uslov n] premise nejasnog logičkog zaključivanja; [zaključak] - neizraziti logički zaključak.

Fazi logička operacija “AND” je implementirana kao pronalaženje minimuma (slika 4) korišćenjem komparatora K555SP1 (003.1^3.2) i bafera podataka BB, napravljenih na kolima K555AP5 (BB4.1^4.2) za prenos 8-bitnih ulaznih signala a1 i L1 komparatorima moraju biti podijeljeni na 4 bita Da bi se to postiglo, najznačajniji bitovi signala a1 i b1 se prenose na ulaze komparatora BB3.1 A1...A8 i B1...B8. , respektivno, na ulaze drugog komparatora BB3.2 A1... A8 i B1..B8 su najmanji bitovi signala a1 i b1, respektivno.

Ovisno o rezultatu operacije poređenja, signal a1 ili b1, čija je vrijednost minimalna, stići će na c1 sabirnicu. Ako je signal a1 manji od b1, onda izlaz „<" компаратора ББ3.2 поступит сигнал логической единицы, который заблокирует инверсные входы Е2/02 буферных схемы ББ4.1^4.2. Следовательно, на выходы 22 схем

004.1 i 004.2 neće preskočiti najznačajnije bitove L1 i najmanje značajne bitove L1. A kola bafera 004.1 i 004.2 će preskočiti najznačajnije bitove a1 i najmanje značajne bitove a1, respektivno. Na izlazu sabirnice podataka c1 generira se 8-bitni signal koji implementira operaciju pronalaženja minimalnog w1u(a1, b1).

Blok matrice fuzzy relacija formira granične nivoe PT termina izlazne varijable. Princip rada ovog bloka je sljedeći (slika 5). U skladu sa matricom rasplinutih relacija, signal d1=c1 se pohranjuje u bafer kolo 006.1, a d5=e9 - u 006.9. Bufer kola 006.1 i 006.9 su izrađena na digitalnim logičkim elementima K555AP5.

Za pronalaženje maksimalne provjere (c8, c6), koriste se kombinacije 4-bitnih komparatora 005.1 i 005.2 i 4-bitnih kola međuspremnika 006.2 i 006.3. Štaviše, 006.2 pohranjuje najznačajnije cifre ^2, a 006.3 čuva najmanje značajne cifre ^2. Bufer kola 006.2 i 006.3 su izrađena na digitalnim logičkim elementima K555AP5, a komparatori 005.1 i 005.2 su izrađeni na elementima K555SP1. Komparator 005.1 prima najvažnije bitove c8 i c6 za poređenje, a komparator 005.2 prima najmanje značajne bitove c8 i c6. Ako se pokaže da je signal c6 veći od c8, tada na izlazu „<" компаратора 005.2 будет сигнал логической единицы, который заблокирует инверсные входы Е1/01 буферных схем 006.2^6.3. Следовательно, на выходы 21 схем 006.2 и 006.3 не будут пропускаться старшие с8 и младшие разряды с8. А буферные схемы 006.2 и 006.3 пропустят старшие с6 и младшие разряды с6. При этом на выходе шины данных й?2 формируется сигнал, реализующий операцию нахождения максимума шах(с8, с6). Операция нахождения максимума для сигналов с4 и с2 осуществляется аналогичным образом.

Za maksimalnu provjeru (c7, c5, c3), kombinacije četiri 4-bitna komparatora 005.3^005.6 (K555SP1), tri 8-bitna kola bafera 006.4^006.6 (K555AP6) i tri logička kola, 2I-NOT elementa 005.9^ 005.11 se koriste (K555LA3), a 8-bitni izlazi bafer kola 006.4^006.6 su paralelni u jedan signal ^.

Ovisno o rezultatu operacije poređenja, 8-bitni signal ^3 će se generirati na izlazu ovog kola, što je maksimum od c7, c5 ili c3. Ako je signal c5 veći od c7 i c3, onda je izlaz 22 „<" компаратора 005.4 и выходе 23 „>"komparatora 005.6 generiše se logički jedan signal, a na izlazu logičkog elementa 2I-NOT 005.10 - logička nula, što će otvoriti ulaz međumemorskog kola 006.5 "E" i omogućiti upisivanje podataka c5 u to će biti izlaz

8-bitni signal th?3. Ova kombinacija logičkih elemenata je konfigurisana na način da ako na izlazu 21 komparatora BB5.4 i izlazu g3 komparatora BB5.6 postoje logički jedan signali, tada će na izlazu ^3 biti maksimalni signal c7. Ako postoje logički jedan signali na izlazu 22 komparatora BB5.4 i izlazu 24 komparatora BB5.6, tada će na izlazu ^3 biti maksimalni signal c3.

s8^ Sub Sat

s8, sub

< К555СП1 < < К555СП1 <

s7 /s5

c5 C7.

< К555СП1 < < К555СП1 <

,£¡ ;c3

nw C5.

< К555СП1 < < К555СП1 <

21 i 23 ^ max s7

22 i 23 ^ max s5 22 i 24 ^ max s3

A8 K555AP6 V8

c4 C2~

C4 c2, C2

< К555СП1 < < К555СП1 <

S1 A8 K555AP6 V8

Zaključak. U prvom dijelu članka istražuje se strukturni i funkcionalni dijagram adaptivnog upravljačkog sistema za aktuatore CNC opreme. Razmatraju se i elementarni blokovi koji su uključeni u njegov sastav i princip njihovog rada. U drugom dijelu članka detaljnije će biti razmotreni blokovi za unos izlazne varijable, skraćivanje termina izlazne varijable, kombinovanje skraćenih termina izlazne varijable i defuzzification.

Radovi su izvedeni u okviru granta predsjednika Ruske Federacije MK-277.2012.8 i Saveznog ciljanog programa, državni ugovor br. 14.740.11.1003.

bibliografija

1. Afanasjev M. Ya., Filippov A. N. Primjena metoda fuzzy logike u automatiziranim sistemima za tehnološku pripremu proizvodnje // Izv. univerziteti Instrumentacija. 2010. T. 53, br. 6. P. 38-42.

2. Bobyr M.V., Titov V.S., Antsiferov A.V. Algoritam za brzu obradu dijelova zasnovan na fazi logike // Mehatronika, automatizacija, upravljanje. 2012. br. 6. str. 21-26.

3. Bobyr M.V., Titov V.S., Chervyakov L.M. Adaptacija složenih upravljačkih sistema uzimajući u obzir predviđanje mogućih stanja // Automatizacija i moderne tehnologije. 2012. br. 5. str. 3-10.

4. Bobyr M.V., Titov V.S. Inteligentni sistem upravljanja temperaturnim deformacijama tokom rezanja // Automatizacija i moderne tehnologije. 2011. br. 5. str. 3-7.

5. Bobyr M.V. Dijagnostika CNC opreme primjenom fuzzy logičkih metoda // Industrijski automatizirani upravljački sustavi i kontroleri. 2010. br. 1. str. 18-20.

6. Titov V. S., Bobyr M. V., Milostnaya N. A. Automatska kompenzacija toplinskih deformacija vretena precizne CNC opreme // Industrijski automatizirani upravljački sustavi i kontroleri. 2006. br. 11. str. 31-35.

7. Pegat A. Fuzzy modeliranje i kontrola. M.: IUIT; BINOM, Laboratorij znanja, 2012. 798 str.

8. Zadeh L. Koncept lingvističke varijable i njegova primjena na aproksimativno odlučivanje. M.: Mir, 1976. 165 str.

9. Zadeh L. Osnove novog pristupa analizi složenih sustava i procesa donošenja odluka // Matematika danas. M.: Znanie, 1974. P. 5-49.

Maxim Vladimirovich Bobyr - Ph.D. tech. nauka, vanredni profesor; Jugozapadni državni univerzitet,

Odeljenje za kompjuterske nauke, Kursk; Email: [email protected] Vitalij Semenovič Titov - doktor tehničkih nauka. nauke, profesor; Southwestern State University

tet., Odsjek za kompjuterske nauke, Kursk; šef odjeljenja; Email: [email protected]