Нечеткая логика в системах управления.

Московская Государственная Академия Приборостроения и Информатики РЕФЕРАТ по теория систем и системного анализа «Нечеткая логика в системах управления» Выполнил: Пяров Тимур Р ЭФ2, 2 курс, 2002 Москва Оглавление Нечеткая логика в системах управления 4 Немного теории 4 Фаззификация (переход к нечеткости) 6 Лингвистические переменные 7 Функции принадлежности 7 Разработка нечетких правил 8 Дефаззификация (устранение нечеткости) 9 Метод центра максимума (СоМ) 10 Метод наибольшего значения (МоМ) 10 Метод центроида (СоА) 10 Описание системы 11 Off-line-оптимизация 12 On-line-оптимизация 12 Реализация 12 Литература 14 Нечеткая логика в системах управления В последнее время нечеткая технология завоевывает все больше сторонников среди разработчиков систем управления.

Взяв старт в 1965 году из работ профессора Лотфи Заде [1], за прошедшее время нечеткая логика прошла путь от почти антинаучной теории, практически отвергнутой в Европе и США, до банальной ситуации конца девяностых годов, когда в Японии в широком ассортименте появились «нечеткие» бритвы, пылесосы, фотокамеры [4, 10]. Сам термин «fuzzy» так прочно вошел в жизнь, что на многих языках он даже не переводится.

В России в качестве примера можно вспомнить рекламу стиральных машин и микроволновых печей фирмы Samsung, обладающих искусственным интеллектом на основе нечеткой логики.

Тем не менее, столь масштабный скачок в развитии нечетких систем управления не случаен. Простота и дешевизна их разработки заставляет проектировщиков все чаще прибегать к этой технологии. Бурный рост рынка нечетких систем показан на рис. 1. После поистине взрывного старта прикладных нечетких систем в Японии [2, 3, 5, 6] многие разработчики США и Европы наконец-то обратили внимание на эту технологию. Но время было упущено, и мировым лидером в области нечетких систем стала Страна восходящего солнца [7, 8], где к концу 1980-х годов был налажен выпуск специализированных нечетких контроллеров, выполненных по технологии СБИС [9]. В такой ситуации Intel нашла поистине гениальное решение.

Имея большое количество разнообразных контроллеров от MCS-51 до MCS-96, которые на протяжении многих лет успешно использовались во многих приложениях, корпорация решила создать средство разработки приложений на базе этих контроллеров, но с использованием технологии нечеткости.

Это позволило избежать значительных затрат на конструирование собственных нечетких контроллеров, а система от Intel, получившая название fuzzy TECH, завоевала огромную популярность не только в США и Европе, но и прорвалась на японский рынок.

Немного теории

В целом весь процесс нечеткого управления можно разбить на несколько ш... Когда применять тот или иной оператор, зависит от того, какой связкой ... Если использована связка И, применяется оператор MIN(…). Следовательно, степень принадлежности антецедента такого правила равна... Основные шаги разработки нечеткой системы управления с использованием ...

Описание системы

табл. Это влияет на формат величин, которые можно использовать (см. Тип данных Минимальное значение Максимальное значение 8-битовый целочи... Так, например, вы можете установить разрядность машинного кода, генери... Описание системы.

Off-line-оптимизация

Отметим, что можно использовать заранее созданный программный симулято... Off-line-оптимизация. На этом этапе следует проверить работоспособность созданной системы по... Для связи системы управления с моделью используется специально разрабо...

On-line-оптимизация

On-line-оптимизация На этом шаге разрабатываемая система управления и реальный объект управления соединяются физической линией связи (см. рис. 8). Такой вид отладки позволяет наблюдать поведение системы в реальных условиях и при необходимости вносить изменения в систему управления.

Реализация

Реализация. Основу программного кода, генерируемого пакетом fuzzy TECH, составляет... Поставляемое с пакетом fuzzy TECH MCU-96 программное ядро совместимо с... и 1 вых. 20 FAM-правил 2 вх.

Литература

Литература 1.Zade L. A. The concept of a linguistic variable and its application to approximate reasoning.

Part 1, 2, 3 // Information Sciences, n. 8 pp.199-249, pp.301-357; n. 9 pp. 43-80. 2.Прикладные нечеткие системы: Перевод с япон./ К. Асаи, Д. Ватада, С. Иваи и др.; под ред. Т. Тэрано, К. Асаи, М. Сугено М.: Мир, 1993. 3.Mamdani E. H. Applications of fuzzy algorithms for simple dynamic plant.

Porc. IEE. vol. 121, n. 12, pp. 1585-1588, 1974. 4.Smidth F. L. Computing with a human face. New Scientist, 6 may, 1982. 5.Yagashita O Itoh O and Sugeno M. Application of fuzzy reasoning to the water purification process, in Industrial Applications of Fuzzy Control, Sugeno M, Ed. Amsterdam: North-Holand 1985, pp.19-40. 6.Yasunobu S Miyamoto S and Ihara H. Fuzzy control for automatic train operation system, in Proc. 4th. IFAC/IFIP/IFORS Int. Congress on Control in Transportation Systems, Baden-Baden, April, 1983. 7.Yasunobu S and Hasegawa T. Predictive fuzzy control and its applications for automatic container crane operation system, in Proc. 2nd. IFSA Congress, Tokyo, Japan, Julie 1987. 8.F. Fujitec, FLEX-8800 series elevator group control system, Fujitec Co Ltd Osaka, Japan, 1988. 9.Watanabe H and Dettloff.

Reconfigurable fuzzy logic processor: A full custom digital VLCI, in Int. Workshop on Fuzzy Systems Applications, Iiruka, Japan, Aug. 1988, pp. 49-50. 10.Sangalli A and Klir G.R. Fuzzy logic goes to market, New Scientist, 8 Feb 1992.