Neaiškios valdymo sistemos. Open Library – atvira edukacinės informacijos biblioteka

Problemos formulavimas. Sukurkite neaiškią valdymo sistemą su šios formos statinio perdavimo charakteristika:

1 variantas. y = sin(x), x  [-,].

2 variantas. y = cos(x), x  .

3 variantas. y = (2) -1/2 exp(-x 2 /2), x  [-3,3].

4 variantas. y = (2/)arctg(x), x  [-,].

5 variantas. y = (1/)arcctg(x), x  [-,].

6 variantas. y = th(x) = (e x -e -x)/ (e x +e -x), x  [-,].

7 variantas. y = e -x sin(x), x  [-,].

8 variantas. y = e -x cos(x), x  .

Pasiruošimas laboratoriniams darbams.

Tinkamų atskaitos taškų pasirinkimas tolesniam tiesiniam aproksimavimui. Rodomą priklausomybę rekomenduojama gana tiksliai sukonstruoti padidintoje skalėje ant milimetrinio popieriaus ir aproksimuoti linijų atkarpomis, stengiantis pasiekti pagrįstą kompromisą tarp minimalaus atkarpų skaičiaus ir aproksimacijos tikslumo. Taip pat naudinga pasinaudoti matematikos žinynais, kad būtų galima rasti informacijos apie matematines taisykles, skirtas pasirinkti kontrolinių taškų skaičių, kuris sumažina bendrą aproksimavimo paklaidą.

Remiantis gauta dalimis tiesine aproksimavimo priklausomybe, neaiškios sistemos įvesties ir išvesties kintamiesiems sudaromos narystės funkcijos.

Įvesties ir išvesties kalbiniams kintamiesiems ir jų terminams suteikiami pavadinimai ir santrumpos.

Susidaro aproksimavimo taisyklių bazė.

Darbo tvarka:

Atsisiųskite fuzzyTECH MP Explorer.

Norėdami sukurti naują projektą, pasirinkite eilutę " N ew" pagrindinio meniu elementas" F ile". Į programos klausimą „Sukurti sistemą? atsakyk teigiamai. Pasirodžiusiame dialogo lange „Generuoti sistemą“ nustatykite šiuos neaiškios sistemos parametrus:

įvesties lingvistinių kintamųjų skaičius įvesties lauke " aš nput LVs:" (šiame darbe 1);

išvesties kalbinių kintamųjų skaičius įvesties lauke " O utput LVs:" (šiame darbe 1);

terminų skaičius vienam įvesties kalbiniam kintamajam įvesties lauke „Input“. t erms/LV:" (remiantis pasiruošimo namuose rezultatais);

terminų skaičius vienam išvesties kalbiniam kintamajam įvesties lauke „Išvesties t e rms/LV:" (pagal pasiruošimo namuose rezultatus);

taisyklių blokų skaičius įvesties lauke " R ule blokai:" (šiame darbe yra 1 taisyklių blokas).

Įrašykite įvesties rezultatus paspausdami mygtuką „Gerai“. Dėl to „Projektų rengyklės“ lange susidaro sąlyginis projektuojamos neaiškios sistemos grafinis vaizdas, o kalbinių kintamųjų lange „LV“ – sąrašas su iš anksto nustatytais sistemos pavadinimais įvesties ir išvesties kintamiesiems: in1, out1. Įprastiniame grafiniame vaizde kairėje esantis stačiakampis su scheminiu narystės funkcijų brėžiniu ir pavadinimu „in1“ reiškia įvesties kintamąjį, stačiakampis dešinėje su fazavimo piešiniu ir pavadinimu „out1“ rodo išvesties kintamąjį. Centre yra taisyklių blokas.

3. Norint pakeisti kalbinio kintamojo pavadinimą ir įvesti jo terminus, reikia pasirinkti kintamąjį iš sąrašo „LV“ lange (paspaudus kairįjį pelės mygtuką ant kintamojo pavadinimo) ir paspaudus dešinįjį pelės mygtuką, kad iškviestumėte iššokantis kontekstinis meniu. Kontekstiniame meniu pasirinkite eilutę " A duoklė...“ Pasirodžiusiame lange „Pervardyti kintamąjį“ galite pakeisti kintamojo pavadinimą „ N ame:“ ir paspauskite mygtuką „Redaguoti...“, kad įvestumėte šio kintamojo terminus.

Atsidariusiame lange visi terminai sąraše " T erm“ taip pat turi iš anksto nustatytus pavadinimus, kuriuos galima keisti panašiai: iš sąrašo pasirinkite reikiamą terminą ir iškvieskite eilutę „ A duoklė...“ Naujas termino pavadinimas įrašomas lauke " T erm vardas". Čia galite pakeisti neaiškių terminų rinkinio formą (radijo jungiklių grupė “ S hape") ir termino vietą sąraše (sąrašas " P padėtis“).

Prieš apibrėžiant narystės funkcijas, būtina nustatyti kalbinio kintamojo apibrėžimo sritį. Norėdami tai padaryti, dukart spustelėkite kairįjį pelės mygtuką eilutėje „Base_Variable“, kad patektumėte į „Base Variable“ langą. Minimalus („Mi n:") ir maksimalus (" M ax:") diapazono reikšmės ("Range") nurodytos stulpelio "Shell Values" laukuose. Šiame lange taip pat galite pakeisti etiketę po narystės funkcijų grafiku lauke " B kaip kintamojo pavadinimas“.

Narystės funkciją galima nustatyti dviem būdais:

nustatyti, kuris narystės funkcijos atskaitos taškas (stačiakampiai grafike), kurių spalva tokia pat kaip ir termino pavadinimas, yra pažymėtas varnele viduje. Įvesties laukuose nurodykite šio atskaitos taško koordinates " x», « y»;

pasirinkite tvirtinimo tašką spustelėdami kairįjį pelės mygtuką. Paspauskite kairįjį klavišą ir jo neatleisdami perkelkite atskaitos taško stačiakampį į reikiamą grafiko vietą ir ten atleiskite klavišą.

4. Įvedus visus kalbinius kintamuosius ir jų terminus, reikia sukurti neaiškios sistemos taisyklių bazę. Norėdami tai padaryti, dukart spustelėkite kairįjį pelės mygtuką ant neaiškios sistemos sąlyginio grafinio vaizdo taisyklių bloko. Dėl to atsidarys langas „Skaičiuoklės taisyklių rengyklė“, kuriame pateikiami visi galimi taisyklių deriniai. Būtina paeiliui atkreipti dėmesį į visas taisykles, kurios Nereikia kad sistema veiktų, kairiuoju pelės mygtuku spustelėkite atitinkamų taisyklių numerius ir iš karto ištrinkite juos paspausdami mygtuką „Del“, o po to teigiamai atsakysite į sistemos prašymą dėl būtinybės ištrinti. Po to uždarykite taisyklių rengyklės langą.

Dukart spustelėkite sąlyginio grafinio vaizdo įvesties kintamojo stačiakampį, kad atidarytumėte sąsajos parinkčių langą „Sąsajos parinktys“ ir patikrinkite, ar grupės „INPUT Fuzzification:“ radijo jungiklis „Fast Computation of MBF“ yra pasirinktas ir sąsajos kintamųjų sąrašas “ aš ninterface Kintamasis:" Nurodytas tinkamas įvesties kintamasis. Panašiai atidarykite tą patį išvesties kintamojo langą ir patikrinkite „CoM“ (Maksimalaus centro) fazavimo metodo nustatymą ir išvesties kintamojo teisingumą sąsajos kintamųjų sąraše.

Norėdami gauti neaiškios sistemos perdavimo charakteristiką, suformuokite įvesties veiksmą, kuris tiesiškai kinta per visą leistiną verčių diapazoną. Norėdami tai padaryti, pasirinkite eilutę " P attern Generator“ pagrindinio meniu elemento „ D klaida“. Pasirodžiusiame lange „Šablonų generatorius“ įvesties lauke nustatykite pradinę reikšmę „ F rom:“, paskutinis įvesties lauke „That:“ ir pakeitimo veiksmas lauke „ S tep:". Norėdami sukurti įvesties poveikio failą, spustelėkite mygtuką " G generuoti..." Failo išsaugojimo lange „Generuoti šabloną į...“ nurodykite poveikio failo pavadinimą ir išsaugokite jį spustelėdami mygtuką „Gerai“. Uždarykite langą „Pattern Generator“ mygtuku „Uždaryti“.

Iškvieskite funkciją " F ile Recorder“ iš „ D klaida“. Lango „Skaityti failo valdymo informaciją iš...“ lauke „Failas“ nurodykite n ame“ failo pavadinimą su sugeneruotu įvesties efektu ir spustelėkite mygtuką „Gerai“. Dėl to atsidarys langai „Debug: File Recorder“ ir „File Control“.

Sukurkite langą perdavimo charakteristikų grafikui nubraižyti. Norėdami tai padaryti, iškvieskite funkciją „Laikas P daug..." iš meniu " A analizatorius“. Laiko diagramos konfigūracijos lange nustatykite braižymo konfigūraciją taip:

sąraše" L Vs:» pasirinkite išvesties kintamąjį spustelėdami kairįjį pelės mygtuką;

perkelti šį kintamąjį į langą " P lot Items:" spustelėdami mygtuką " > >»;

Užbaikite konfigūracijos įvedimą spustelėdami mygtuką „Gerai“.

Po to atsidarys perdavimo charakteristikos grafiko langas „Laiko grafikas - 1“. Ekrane įdėkite langus „Laiko grafikas - 1“ ir „Failų valdymas“, kad jie nepersidengtų. „Debug: File Recorder“ langas gali persidengti šiais langais.

Naudodami langą „File Control“ gaukite perdavimo charakteristikos grafiką. Norėdami valdyti procesą, naudokite lauko mygtukus „Valdymas“, panašius į grotuvo klavišus, išdėstytus tokia tvarka iš kairės į dešinę:

perėjimas į pirmąjį įvesties įtakos tašką;

automatinis atsukimas į pirmąjį tašką;

žingsnis po žingsnio atsukti į pirmąjį tašką;

žingsnis po žingsnio į priekį iki paskutinio taško;
automatinis greitis pirmyn iki paskutinio taško;
perėjimas į paskutinį įvesties įtakos tašką.

Norėdami gauti grafiką, paspauskite automatinį greito judėjimo pirmyn mygtuką.

Nubraižę gautos perdavimo charakteristikos grafiką, uždarykite langą „Laiko grafikas - 1“, vėl eikite į pirmąjį įvesties įtakos tašką ir nuosekliu režimu atsukite įvesties įtaką atgal, fiksuodami įvestį (“ aš nputs:") ir išvestis (" O utputs:") sistema lange "Debug: File Recorder". Šie duomenys bus naudojami norint įvertinti perdavimo charakteristikos aproksimacijos tikslumą. Uždarykite langą „Debug: File Recorder“, vėl eikite į pirmąjį įvesties įtakos tašką ir atidarykite langą su išvesties kintamojo narystės funkcijomis dukart spustelėdami kairįjį pelės mygtuką ant kintamojo pavadinimo „LV“ lange. Išstudijuokite ir nubraižykite fazių mažinimo procesą naudodami „CoM“ metodą žingsnis po žingsnio režimu.

Pakeiskite defuzzification metodo nustatymą iš „CoM“ į „MoM“ (maksimalaus vidurkis). Norėdami tai padaryti, turite eiti į „Projektų rengyklės“ langą spustelėdami jį kairiuoju pelės klavišu arba pasirinkdami jį iš langų sąrašo „ W indow“ ir dukart spustelėkite sąlyginio grafinio vaizdo išvesties kintamojo stačiakampį, kad atidarytumėte langą „Sąsajos parinktys“, kad nustatytumėte grupės „OUTPUT Defuzzification:“ radijo jungiklį „MoM“. Po to reikia pakartoti pirmiau aprašytą naujojo defasifikacijos metodo perdavimo charakteristikos gavimo procedūrą.

Uždarykite visus atidarytus langus ir išeikite iš programos (eilutė „E x it" pagrindinio meniu elementas" F ile").

Paskaita Nr.6. DINAMINIŲ OBJEKTŲ VALDYMO NETURIŲJŲ ALGORITMŲ KONSTRUKCIJA

Bendri principai kuriant išmaniąsias valdymo sistemas, pagrįstas neaiškia logika

Kaip minėta pirmiau, neaiškios logikos naudojimas suteikia iš esmės naują požiūrį į valdymo sistemų projektavimą, „proveržį“ į naujas Informacinės technologijos, garantuoja galimybę išspręsti daugybę problemų, kurių duomenys, tikslai ir apribojimai yra per sudėtingi arba netinkamai apibrėžti, todėl jų negalima tiksliai apibūdinti matematiškai.

Yra įvairių galimų situacijų, kuriose galima naudoti neaiškius dinaminių sistemų modelius:

Kai yra koks nors kalbinis aprašymas, atspindintis kokybinį proceso supratimą (vaizdavimą) ir leidžiantis tiesiogiai susikurti neaiškių loginių taisyklių rinkinį;

Yra žinomos lygtys, kurios (bent jau apytiksliai) apibūdina valdomo proceso elgseną, tačiau šių lygčių parametrų tiksliai nustatyti neįmanoma;

Žinomos lygtys, apibūdinančios procesą, yra pernelyg sudėtingos, tačiau jas galima interpretuoti neaiškiai, kad būtų sukurtas kalbinis modelis;

Naudojant įvesties/išvesties duomenis, įvertinamos neaiškios loginės sistemos elgesio taisyklės.

Pirmieji rezultatai praktinis pritaikymas Neaiškios logikos algoritmai realių techninių objektų valdymui buvo paskelbti 1974 metais Londono King's College profesoriaus E.H. Mamdani, skirtas elektrinės garo generatoriaus reguliavimo problemai. Šiuose darbuose buvo pasiūlyta šiandien klasika tapusios neaiškios valdymo sistemos blokinė schema (3.1 pav.).

Šiuo atveju miglotas valdymas suprantamas kaip valdymo strategija, pagrįsta empiriškai įgytomis žiniomis apie objekto (proceso) funkcionavimą, pateikiama kalbine forma tam tikro taisyklių rinkinio pavidalu.

Ryžiai. 5.1. Neaiškios valdymo sistemos blokinė schema

Fig. 3.1 DF - dinaminis filtras, kuris, be valdymo klaidų signalų x 1 =r 1 -y 1 ir x 3 =r 2 -y 2, išskiria šių signalų išvestines ir;

RNL yra neaiškia logika pagrįstas valdiklis („neaiškus valdiklis“, apimantis žinių bazę (konkrečiau, taisyklių bazę) ir loginių išvadų mechanizmą;

atitinkamai nustatymo įtakų (nustatymų), RNL įėjimų ir išėjimų, taip pat valdymo objekto (t. y. garo generatoriaus) išėjimų vektoriai; t – vektoriaus perkėlimo operacija.

RNL įėjimai ir išėjimai yra šie:

Slėgio nuokrypis garo katile (y 1) reikiamos (vardinės) vertės (r 1) atžvilgiu;

Pokyčio greitis P E;

Slėgio kitimo greičio (y 2) nuokrypis nuo nurodytos vertės (r 2);

Pokyčio greitis SE;

u 1 =H c – kaitinimo garais laipsnio pokytis;

U 2 =: Tc – droselio padėties pasikeitimas.

Mamdani pasiūlė šiuos kiekius laikyti kalbiniais kintamaisiais, kurių kiekvienas iš rinkinio gali paimti vieną iš šių reikšmių

L= (NB,NM,NS,NO,PO,PS,PM,PB).

Čia 1-oji pavadinimo raidė nurodo skaitinio kintamojo ženklą ir atitinka Angliškas žodis Neigiamas arba teigiamas, 2-oji raidė nurodo absoliučią kintamojo reikšmę: Didelė, Vidutinė, Maža arba O nulis"). Pavyzdžiui, simbolis NS reiškia „neigiamas mažas“.

IMS veikimo metu kiekvienu laiko momentu naudojamas vienas iš dviejų neaiškių algoritmų: pagal pirmąjį iš jų slėgis katile reguliuojamas keičiant garo kaitinimą H c , pagal antrąjį reikalingas slėgio kitimo greitis palaikomas keičiant valdymo droselio padėtį T c. Kiekvienas iš algoritmų susideda iš kelių taisyklių – teiginių, parašytų natūralia kalba, pavyzdžiui:

„Jei slėgio nuokrypis katile yra didelis, neigiamo ženklo ir jei šis nuokrypis nemažėja esant dideliam ar vidutiniam greičiui, reikia labai padidinti garo šildymo laipsnį.

"Jei slėgio pokyčio greitis yra šiek tiek mažesnis už normalų ir tuo pačiu metu šis greitis smarkiai padidėja, tada droselio padėtį reikia pakeisti į teigiamą, gana mažą vertę."

Naudojant aukščiau pateiktą žymėjimą, šias taisykles galima perrašyti taip:

"IF (P E =NB IR C PE =HE (NB OR NM), TAI N C =PB";

"IF (S E = NE IR C SE = PB), IKI T C = PS".

Siūlomų neaiškių valdymo algoritmų įgyvendinimas iš esmės skiriasi nuo klasikinių („kietų“) algoritmų, sukurtų remiantis koncepcija. Atsiliepimas(Atgalinio ryšio kontrolė) ir, iš esmės, tiesiog atkuria tam tikrą funkcinę priklausomybę arba diferencialinė lygtis.

Neryškus valdiklis atlieka tas funkcijas, kurias paprastai atlieka patyręs ir kvalifikuotas žmogus aptarnaujantis personalas. Šios funkcijos siejamos su kokybiniu sistemos elgsenos įvertinimu, esamos kintančios situacijos analize ir tinkamiausio objekto valdymo metodo tam tikrai situacijai parinkimu. Ši valdymo koncepcija vadinama pirmyn (arba aktyviu) valdymu (Feed-Forward Control).

Palyginus vaizdinį, galima teigti, kad patyręs tenisininkas elgiasi maždaug taip pat, kaskart keisdamas savo smūgį taip, kad kamuolys skrietų tam tikra jo pasirinkta trajektorija, o teniso aparatas dirbtų pagal griežtai apibrėžtą programą. visada paduodamas kamuolį į tą patį tašką ta pačia trajektorija.

Neryškaus valdiklio blokinė schema bendruoju atveju yra tokia, kaip parodyta Fig. 3.2.

Kaip matyti iš šios diagramos, valdymo veiksmų u 1 ,u 2 ,...,u m formavimas apima šiuos etapus:

a) valdomų koordinačių nuokrypių ir jų kitimo greičių gavimas - x 1, x 2,..., x n;

b) šių duomenų „neryškinimas“, t.y. konvertuoti gautas reikšmes į neaiškią formą kalbinių kintamųjų pavidalu;

c) neaiškių (kokybinių) išvesties kintamųjų u 1 , u 2 ,..., u m reikšmių nustatymas (jų narystės atitinkamuose neaiškiuose pogrupiuose funkcijų pavidalu), remiantis iš anksto suformuluotomis loginių išvadų taisyklėmis, parašytomis taisyklių bazė;

d) „defuzzification“, t.y. objekto valdymui naudojamų išėjimų u 1,u 2,...,u m realių skaitinių verčių apskaičiavimas.

Ryžiai. 3.2. Neryškaus valdiklio blokinė schema

Be to, kas parodyta fig. 3.1 parinktys „grynam“ neaiškio valdymo naudojimui, yra ir kitų IMS su neaiškiais valdikliais kūrimo parinkčių. Taigi klasikinėje reguliavimo teorijoje plačiai paplito PID valdiklio naudojimas, kurio išėjimo signalas apskaičiuojamas pagal formulę

(3.1)

kur parametrai KAM P, KAM ir ir KAM d charakterizuoti specifinė gravitacija atitinkamai proporcinius, integralinius ir diferencinius komponentus ir turi būti parenkami pagal nurodytus valdymo kokybės rodiklius (kontrolės laikas, viršijimas, pereinamųjų procesų slopinimas).

Galimas neryškaus valdiklio (FU) naudojimas automatiniai nustatymai(adaptacija) nurodytų PID reguliatoriaus parametrų parodyta pav. 3.3,a. Kitos HP naudojimo galimybės yra įprastų reguliatorių nustatymų formavimas (3.3.6 pav.); prijungimas lygiagrečiai su PID valdikliu (3.3 pav., c); valdymas su išankstiniu iš jutiklių gaunamų signalų (SCH) charakteristikų įvertinimu, remiantis jų reikšmingumo interpretavimu, apibendrintų kokybės rodiklių parinkimu ir kt., su tolesniu apdorojimu naudojant neaiškios logikos algoritmus (3.3d pav.).

Ryžiai. 3.3. MIS struktūros su neaiškiais valdikliais

Kaip būtinos neaiškių valdiklių naudojimo sąlygos paprastai minimos:

Didelis skaičiusįvesties parametrai, kuriuos reikia analizuoti (vertinti);

Daug valdymo veiksmų (daugiamatisiškumas);

Stiprūs sutrikimai;

Netiesiškumas;

Netikslumai matematiniai modeliai reguliavimo programos;

Galimybė panaudoti technines žinias „know – how“.

Apibendrinant tai, kas pasakyta, dar kartą atkreipiame dėmesį į tas taikymo sritis, kuriose neaiškių valdiklių naudojimas yra efektyvesnis, palyginti su tradiciniais valdymo algoritmais. Tai:

1) programos, kurios dar nebuvo susietos su automatizavimu, reikalaujančios „know-how“ naudojimo, pavyzdžiui, alaus darymas (kur galite panaudoti ekspertines žinias produktų kokybei pagerinti), kranai (padidinti darbuotojų našumą) ir kt. .

2) programos, kuriose matematiniai metodai neveikia. Tai labai sudėtingus procesus, kurio negalima apibūdinti matematiškai, kurio kontrolei kartu su empirinėmis žiniomis galima panaudoti ir gautą matavimo informaciją (pavyzdžiui, apie cheminių procesų eigą);

3) programos, kuriose standartiniai valdikliai veikia gana gerai; tačiau neaiškia logika pagrįsta kontrolė šiuo atveju siūlo alternatyvų reguliavimo problemų sprendimo būdą, galimybę dirbti su kalbiniais kintamaisiais ir platesnes optimizavimo galimybes.

Neaiškios sistemos (nesvarbu, ar tai neaiškūs modeliai, ar neaiškūs valdikliai) (6 pav.) apima du pagrindinius komponentus:

· Žinių bazė (KB), kurioje saugomos turimos arba įgytos žinios apie problemą, kurią reikia išspręsti neaiškių taisyklių pavidalu;

· Išvadų mechanizmas, kuris naudoja neaiškius samprotavimo metodus, pagrįstus taisyklių baze ir įvesties signalais, kad gautų sistemos išėjimo signalą.

Abu šie komponentai turi būti suprojektuoti taip, kad būtų sukurta sistema konkrečiai programai:

· Žinių bazės formuojamos iš ekspertų žinių arba mokantis mašininiais metodais;

· Išvados mechanizmas kuriamas pasirenkant neaiškius operatorius kiekvienam komponentui (junginys, implikacija, defuzzification ir kt.).

Kai kuriais atvejais operatoriai taip pat parametrizuojami ir gali būti konfigūruojami naudojant automatinius metodus.

Ryžiai. 7

Žinių bazės kūrimas apima dvi užduotis:

1. Duomenų bazės (DB) apibrėžimas:

· Visata kintamiesiems;

· Mastelio keitimo faktoriai arba funkcijos;

· Kiekvieno kintamojo detalumas (kalbinių terminų skaičius);

· Narystės funkcijos, apibūdinančios sąlygas.

2. Taisyklių bazės (GĮ) sudarymas: pagrindinių taisyklių formulavimas.

Kaip jau minėta, yra du skirtingi žinių bazės (KB) projektavimo metodai: informacija iš ekspertų ir mašininio mokymosi metodai, pagrįsti skaitmenine informacija, gauta naudojant neaiškią modeliavimą arba imituojant suprojektuotą valdymo sistemą.

Genetinių neaiškių sistemų klasifikacija

Optimizavimo požiūriu, norint rasti atitinkamą neaiškią sistemą, būtina ją pavaizduoti kaip lygiavertę parametrinę struktūrą ir tada nustatyti parametrų reikšmes, kurios užtikrina optimalų specifinė funkcija fitnesas. Todėl pirmasis žingsnis kuriant GNLS yra išspręsti klausimą, kuri neaiškios sistemos dalis turi būti optimizuojama, koduojant jos parametrus į chromosomas. Šiame skyriuje pateiksime GNLS klasifikaciją, atitinkančią skirtingas genetinio modelio užkoduotos neaiškios sistemos dalis.

Paprastai GNLS projektavimo metodai skirstomi į du procesus, nustatymas(t.y. adaptacija) ir išsilavinimas. Šiuo atveju mes atsižvelgsime į tai, ar pirminė žinių bazė egzistuoja, ar ne, įskaitant duomenų bazę ir BP. Tada GNLS sistemoje pristatome tokį skirstymą.

· Genetinis derinimas. Jei yra AKS, taikome genetinį derinimo procesą, kad pagerintume neaiškios sistemos savybes, bet nekeičiame AKS. Tie. koreguojame NLS parametrus, siekdami pagerinti jo savybes, išlaikant nepakitusią BP.

· Genetinis mokymasis. Antroji galimybė yra mokyti BP komponentus, kurie apima išvados mechanizmo pritaikymą. Tie. paliečiame BP komponentų mokymą kartu su kitais NLS komponentais.

1) Genetinės duomenų bazės derinimas. Tai atliekama pirmiausia nustatant įvesties ir išvesties mastelio keitimo, taip pat narystės funkcijų formą ir parametrus, o po to koreguojant šiuos parametrus ir taip keičiant mastelio keitimo ir narystės funkcijų formą naudojant GA (1 pav.). 8).

2) Genetinių taisyklių bazės mokymasis. Genetinis BP mokymasis prisiima iš anksto apibrėžtą narystės funkcijų rinkinį DB, kurią taisyklės pasiekia per kalbinius terminus.

Svarstant taisyklių bazės mokymosi problemą, atsiveria plačios galimybės. Yra trys pagrindiniai metodai: Pitsburgas, Mičiganas ir kartotiniai mokymosi metodai. Pitsburgo ir Mičigano metodai yra labiausiai paplitę taisyklių mokymosi metodai, sukurti GA srityje. Pirmajam iš jų būdingas tai, kad visas taisyklių rinkinys (kolekcija) vaizduojamas kaip genetinis kodas (chromosoma), „chromosoma = taisyklių rinkinys“, išlaikoma pastovi kandidatų į taisyklių vaidmenį populiacija ir, naudojant atranką, ir genetinis. operatoriams kurti naujos kartos taisyklių rinkinius. Mičigano požiūris laikosi kitokio modelio, kuriame yra populiacijos nariai atskiros taisyklės, „chromosoma=taisyklė“ ir taisyklių rinkinį atstovauja visa populiacija. Trečiuoju atveju iteracinis metodas, naudojant chromosomas užkoduojamos atskiros taisyklės, o į taisyklių rinkinį iteraciniu būdu koreguojama ir pridedama nauja taisyklė.

Nagrinėjami neaiškių sistemų projektavimo klausimai MATLAB skaičiavimo aplinkos Fuzzy Logic Toolbox pakete. Pateikiama reikalinga informacija neaiškių aibių ir neaiškios logikos teorijos srityje. Pateikiama neaiškių sistemų projektavimo teorinė medžiaga. Pateikiama neaiškios identifikacijos teorija, neaiškių klasterizacijos metodai ir jų taikymas neaiškioms taisyklėms išgauti, taip pat sprendimų priėmimo neaiškiomis sąlygomis metodas, pagrįstas tikslų ir apribojimų sujungimu. Nagrinėjami autoriaus paketo plėtiniai, skirti neaiškių klasifikatorių projektavimui, hierarchinių neaiškių sistemų konstravimui, neaiškių Mamdani tipo žinių bazių mokymui, taip pat loginėms išvadoms iš neaiškių pradinių duomenų. Knyga gali būti naudojama kaip pamokaį universitetinius intelektinių sistemų kursus, dirbtinis intelektas, sprendimų teorija ir identifikavimo metodai.
Sistemų kūrėjams jis bus naudingas tyrėjams, magistrantams ir vyresniųjų klasių studentams, besidomintiems neaiškių aibių teorijos taikymu valdymo, identifikavimo, signalų apdorojimo srityse, taip pat intelektualių sprendimų palaikymo sistemų kūrėjams medicinoje, biologijoje, sociologijoje, ekonomikoje, politikos, sporto ir tt kitose srityse.

Pratarmė

1 skyrius. Trumpas kursas neaiškių aibių teorija
1.1. Istorinė ekskursija
1.2. Neryškūs rinkiniai
1.2.1. Pagrindiniai terminai ir apibrėžimai
1.2.2. Neaiškių aibių savybės
1.2.3. Neaiškių rinkinių operacijos
1.2.4. Narystės funkcijos
1.3. Neaiškia aritmetika
1.4. Neaiškūs santykiai
1.5. Neaiški logika
1.5.1. Kalbiniai kintamieji
1.5.2. Neaiški tiesa
1.5.3. Neaiškios loginės operacijos
1.6. Neaiškios išvados
1.6.1. Logiška išvada
1.6.2. Neaiškios išvados pagrindai
1.6.3. Neaiškios žinių bazės
1.6.4. Zadeh kompozicinės neaiškios išvados taisyklė
1.6.5. Mamdani neaiškios išvados
1.6.6. Neaiškios išvados Sugeno
1.6.7. Neaiškios išvados iš vienos žinių bazės
1.6.8. Neaiškios išvados klasifikavimo problemoms spręsti
1.6.9. Hierarchinės neaiškios išvados sistemos
1.6.10. Neuro-neryškūs tinklai

2 skyrius. Neaiškių sistemų projektavimo teorija
2.1. Netiesinių priklausomybių identifikavimas naudojant neaiškias žinių bazes
2.1.1. Sukuriama Mamdani neaiškių žinių bazė
2.1.2. Sugeno neaiškių žinių bazės nustatymas
2.1.3. Neaiškios žinių bazės kūrimas klasifikavimo problemoms spręsti
2.2. Neryškus klasterizavimas
2.2.1. Įvadas į klasterizavimą
2.2.2. Klasterizavimas naudojant c-means algoritmus
2.2.2.1. Išvalyti klasterizavimą naudojant c-means algoritmą
2.2.2.2. Pagrindinis fuzzy c-means algoritmas
2.2.2.3. Neaiškiojo c-means algoritmo apibendrinimai
2.2.3. Klasterizavimas pagal kasybos algoritmą
2.2.4. Neaiškių taisyklių sintezė, pagrįsta klasterizacijos rezultatais
2.3. Sprendimų priėmimas neaiškiomis sąlygomis pagal Bellman-Zadeh schemą
2.3.1. Neaiškūs tikslai, apribojimai ir sprendimai
2.3.2. Neaiškia daugiakriterė pasirinkimų analizė
2.3.3. Neaiškia kelių kriterijų prekės ženklo projektų analizė
2.3.4. "Kas, jeigu". Pasirinkimų analizė

3 skyrius. Fuzzy Logic Toolbox
3.1. Paketo struktūra ir galimybės
3.2. Greita pradžia
3.2.1. Mamdani tipo fuzzy sistemos sukūrimas
3.2.2. Sugeno tipo fuzzy sistemos sukūrimas remiantis ekspertų žiniomis
3.2.3. Sugeno neaiškių sistemos duomenų ištraukimas naudojant ANFIS redaktorių
3.2.4. Neaiškios sistemos ištraukimas komandinės eilutės režimu
3.3. GUI moduliai
3.3.1. Neaiškių išvadų sistemos redaktorius
3.3.1.1. Failo meniu
3.3.1.2. Redaguoti meniu
3.3.1.3. Žiūrėti meniu
3.3.1.4. Ir metodo, Arba metodo, implikacijos ir agregavimo meniu
3.3.1.5. Defuzzification meniu
3.3.2. Narystės funkcijų redaktorius
3.3.3. Taisyklių redaktorius
3.3.3.1. Redaguoti meniu
3.3.3.2. Parinkčių meniu
3.3.4. ANFIS redaktorius
3.3.4.1. Redaguoti meniu
3.3.4.2. Vizualizacijos sritis
3.3.4.2. ANFIS ypatybių sritis
3.3.4.3. Duomenų įkėlimo sritis
3.3.4.4. Originalios neaiškios išvados sistemos srities generavimas
3.3.4.5. Mokymo, testavimo ir dabartinės informacijos išdavimo sritys
3.3.5. Taisyklių peržiūros priemonė
3.3.6. Paviršiaus peržiūros priemonė
3.3.6.1. Parinkčių meniu
3.3.6.2. Ašių meniu
3.3.6.3. Informacijos įvedimo laukai
3.3.7. Rasti klasterį
3.3.7.1. Vizualizacijos sritis
3.3.7.2. Duomenų įkėlimo sritis
3.3.7.3. Klasterizacijos sritis
3.4. Demo pavyzdžiai
3.4.1. Paleisti pagrindines demonstracines versijas
3.4.2. Automobilio degalų naudojimo efektyvumo prognozavimas
3.4.3. Netiesinis triukšmo mažinimas
3.4.4. Laiko eilutės prognozė
3.4.5. Automobilių kelionių skaičiaus prognozavimas
3.4.6. Oro šildymo plaukų džiovintuve proceso identifikavimas
3.4.7. Žongliravimas teniso kamuoliuku
3.4.8. Laikydami kamuolį ant rokerio
3.4.9. Sunkvežimių stovėjimo aikštelė
3.4.10. Talpyklos vandens reguliatorius
3.4.11. Dušo valdymas
3.4.12. Laikydamas apverstą švytuoklę ant vežimėlio
3.4.13. Rankų valdymas robotu
3.4.14. Klasterizavimas neaiškiu c-means algoritmu
3.4.15. Irisų grupavimas
3.4.16. Defuzifikacijos metodai
3.4.17. Narystės funkcijų galerija
3.4.18. Arbatpinigių skaičiuoklė
3.5. Fuzzy Logic Toolbox Funkcijos nuoroda
3.6. Duomenų struktūros
3.6.1. Neaiškios išvadų sistemos duomenų struktūra
3.6.2. Neaiškios išvados sistemos failo struktūra
3.6.3. Duomenų struktūros ANFIS mokymuisi ir grupavimui
3.7. Sąveika su kitais paketais
3.7.1. „Simulink“ paketo blokai
3.7.2. Neaiškios išvados mašinos C kodas

4 skyrius. Fuzzy Logic Toolbox plėtinys
4.1. Neryškių Mamdani modelių nustatymas naudojant optimizavimo įrankių dėžę
4.2. Neaiškių Mamdani modelių ištraukimas naudojant neaiškią grupavimą
4.3. Neaiškių klasifikatorių projektavimas
4.4. Neaiški išvestis su neaiškiais įvesties duomenimis
4.5. Hierarchinių neaiškių sistemų projektavimas
4.5.1. Pirmas būdas
4.5.2. Antras būdas

Išvada
Literatūra
Taikymas. Interneto ištekliai apie neaiškias sistemas

Kurti ir imituoti neaiškios logikos sistemas

Fuzzy Logic Toolbox™ teikia MATLAB ® funkcijas, programas ir Simulink ® bloką, skirtą neaiškios logikos sistemų analizei, projektavimui ir modeliavimui. Produkto vadove pateikiami neaiškių išvadų sistemų kūrimo žingsniai. Funkcijos numatytos daugeliui įprastų metodų, įskaitant neaiškią grupavimą ir adaptyvųjį neuro-neaiškią mokymąsi.

Įrankių rinkinys leidžia modeliuoti sudėtingą sistemos elgseną naudojant paprastas logines taisykles ir tada įgyvendinti šias taisykles neaiškioje išvadų sistemoje. Jis gali būti naudojamas kaip atskiras neaiškių išvadų variklis. Taip pat galite naudoti neaiškius išvesties blokus „Simulink“ ir modeliuoti neaiškias sistemas visapusiškame visos dinaminės sistemos modelyje.