Программная система автоматического формирования нечеткого логического контроллера
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
бина реки больше 80 метров, Петрову около 30 лет и т.д. Это все есть примеры так называемых нечетких чисел.
Нечеткое число A - это нечеткое множество действительных чисел с нормальной, выпуклой и непрерывной функцией принадлежности ограниченного опорного множества.
В зависимости от того, как мы определяем нечеткое число s S - s приблизительно равен a или s приблизительно лежит в интервале [a;b], - оно может быть представлено либо как триангулярное, либо как трапецеидальное.
Нечеткое множество A называется триангулярным нечетким числом с вершиной (или центром) a, шириной слева >0 и шириной справа >0, если его функция принадлежности имеет вид
, (2.1.1)
и мы используем обозначение A = (a, , ). Опорным множеством множества A является (a - , a + ). Данное нечеткое число с центром a можно понимать как нечеткую величину s приблизительно равно a.
Нечеткое множество A называется трапецеидальным нечетким числом с интервалом допуска [a,b], шириной слева >0 и шириной справа >0, если его функция принадлежности имеет вид
, (2.1.2)
и мы используем обозначение A = (a, b, , ). Опорным множеством множества A является (a - , b + ). Данное нечеткое число можно понимать как нечеткую величину s приблизительно находится в интервале [a,b].
Нечеткие системы управления. Нечеткие системы управления (нечеткие контроллеры, НСУ) являются наиболее важным приложением теории нечетких множеств. Функционирование нечетких логических контроллеров отличается от работы обычных контроллеров. Это отличие состоит в том, что обычные контроллеры основаны на аналитическом выражении, описывающем объект управления, в то время как нечеткие контроллеры используют знания экспертов. Эти знания могут быть выражены естественным образом с помощью так называемых лингвистических переменных.
Лингвистические переменные могут рассматриваться либо как переменные, значения которых являются нечеткими числами, либо как переменные, значения которых определяются в лингвистических термах [2].
Лингвистические переменные характеризуются пятеркой (x, T(x), U, G, M), в которой x - имя переменной, T(x) - множество термов x, т.е. множество имен лингвистических величин x, каждое значение которой есть нечеткое число, определенное на U, G - синтаксические правила для выработки имен величин x, M - семантические правила для связывания каждой величины с ее смыслом.
Предназначение НСУ состоит в том, чтобы следить за значениями переменных состояния управляемой системы и получать величины переменных управления путем определенных связей, которые представляют собой БП системы.
Нечеткие логические системы управления обычно состоят из четырех основных частей: Интерфейс фаззификации (введение нечеткости на четких входных данных), База нечетких правил, Машина нечеткого вывода и Интерфейс дефаззификации (исключение нечеткости для обеспечения четкого выхода) [2].
Интерфейс фаззификации - оператор фаззификации переводит четкие данные в нечеткие множества.
База нечетких правил - содержит информацию о связях нечетких входных и выходных значений.
Машина нечеткого вывода - механизм сопоставления по БП нечетких значений входных параметров нечетким значениям выходных.
Интерфейс дефаззификации - оператор дефаззификации переводит нечеткие множества в четкие значения.
В общем виде принцип работу НСУ представлен на рисунке 2.1.1.
Рис. 2.1.1 Структурная схема нечеткого логического контроллера
2.2 Искусственные нейронные сети
Искусственные нейронные сети (ИНС) представляют собой модель строения и процессов, происходящих в нервной системе живых существ. В последнее время они успешно применяются для решения различных задач, в том числе, оптимизации, классификации, аппроксимации и управления. Рассмотрим основные понятия из теории искусственных нейронных сетей.
Рис. 2.2.1 Схема искусственного нейрона
Модель нейрона. Нервная клетка, или нейрон, является основным элементом нейронной сети. Он представляет собой ядро, которое обрабатывает входящие в него сигналы и передает результат на другие нейроны. Входные сигналы поступает в ядро через синапсы. При прохождении сигнала через синапс сила его импульса меняется в определенное число раз. Коэффициент изменения импульса называется весом синапса. Импульсы, поступившие к нейрону одновременно по нескольким синапсам, суммируются. Взвешенная сумма входных сигналов является аргументом для функции активации - реакции нейрона, - значение которой и является выходом нейрона. Таким образом, нейрон полностью описывается своими весами и передаточной функцией [3]. Схема функционирования элементарного нейрона с n входами изображена на рисунке 2.2.1.
S = , (2.2.1)
Y = f(S) = f (), (2.2.2)
где x 1, x 2, тАж, x n - нормированные входные сигналы,
w 1, w 2, тАж, w n - веса синаптических связей,
S - взвешенная сумма входных сигналов,
f(S) - функция активации.
Рис.2.2.2 а) функция единичного скачка; б) линейный порог (гистерезис); в) сигмоид - гиперболический тангенс; г) сигмоид - формула (2.2.3)
Нелинейная функция f(s) - функция активации - может иметь различный вид (см. рисунок 2.2.2). Наиболее распространенной является нелинейная функция с насыщением - сигмоид (функция S-образного вида):
(2.2.3)
При изменении параметра
Copyright © 2008-2014 geum.ru рубрикатор по предметам рубрикатор по типам работ пользовательское соглашение