Главная Контакты Добавить в избранное Авторы Вопросы и ответы
,

УДК 681.5.015

РЕЗУЛЬТАТИ РОЗРОБКИ МЕТОДУ ЕКВІВАЛЕНТУВАННЯ ФУНКЦІОНАЛЬНИХ ОСОБЛИВОСТЕЙ FUZZY-КОНТРОЛЕРІВ

Кузьменко А.С.,  Коломіц Г.В.,  Сушенцев О.О.

Постановка проблеми у загальному вигляді. Розробка методології синтезу інтелектуальних АСУ ТП виконувалась в рамках держбюджетної наукової теми
№ ДЗ/30-2004 5.04.3 - Розроблення методології синтезу та обґрунтування доцільності впровадження інтелектуальних гібридних систем автоматичного управління технологічними процесами на основі нейромережевих структур та методів нечіткої логіки.

Проведений аналіз принципів синтезу і результатів функціонування традиційних і інтелектуальних  АСУ ТП [1] дозволив зробити висновки про перспективні напрямки та актуальні науково-технічні задачі в області синтезу сучасних інформаційних АСУ ТП: розробка інтелектуальних систем управління, структура представлення знань в яких, базується на основі ситуаційно-фреймових мереж; розробка гібридних інтелектуальних систем управління котрі використовують динамічну базу знань для перетворення концептуальних понять; розробка адаптивних структур систем автоматичного керування складними технологічними процесами на основі нечіткої логіки, нейромережевих структур і генетичних алгоритмів; розробка методів аналітичного дослідження інтелектуальних систем автоматичного керування; розробка ефективних алгоритмів чисельного моделювання і дослідження систем керування які базуються на нечітких технологіях; розробка методології синтезу інтелектуальних гібридних систем автоматичного керування складними технологічними процесами.

В статті наведено результати розробки методу еквівалентування fuzzy контролера для подальшого застосування при аналізі якості та стійкості інтелектуальних систем автоматичного керування (ІнСАК) складними технологічними об’єктами.

В якості об'єкту дослідження обрана математична модель системи автоматичного регулювання двигуном постійного струму ЭТ6-Р-11-25 (Uн = 220 В, Pн = 11 кВт,
 Iном = 56.2 А, nн = 1500 об/хв, Lя = 3.7 мГн, J = 0.3 кГ
×м2) зі змінним навантаженням на валу (рис.1).

D:\Institut\Дисертации\_My\work\model.bmp

Рис.1 Математична модель ІнСАК ДПС в програмному пакеті MatLab

 

Предмет дослідження – інтелектуальна САР двигуном постійного струму
ЭТ6-Р-11-25.

Методи дослідження – системний, структурний та функціональний аналіз для розробки алгоритму функціонування і математичної реалізації методу еквівалентування САК на базі fuzzy контролерів з метою подальшого комплексного аналізу ІнСАК.

Аналіз останніх досліджень і публікацій за даною проблемою.

Задачам аналізу характеристик розроблених інтелектуальних САК присвячена значна кількість наукових робіт, однак питання розробки узагальненої методики аналізу стійкості автоматичних систем керування з блоками нечіткого висновку (БНВ) детально розглянуто лише в роботі [2]. Слід зазначити, що розроблена методика [2] ґрунтується на лінійному наближенні функціонального зв’язку вхід/вихід  БНВ, отже може бути застосована лише для грубої оцінки діапазону зміни вхідних параметрів при якому система знаходиться в межах стійкості.

D:\Institut\Дисертации\_My\work\subfuzzy.bmp

Рис.2 Структура блоку SubFuzzy

 

Питання аналітичного дослідження інтелектуальних САК з умовою еквівалентування блоків нечіткого логічного висновку в сучасній науковій літературі не розглядалося.

Виділення невирішених раніше частин загальної проблеми.

В результаті аналізу останніх досліджень і публікацій, в яких започатковано розв’язання проблеми аналітичного дослідження інтелектуальних САК виділені наступні невирішені питання загальної проблеми:

-          відсутній системний підхід до аналізу інтелектуальних САК в структурі яких використовуються блоки нечіткої логіки, нейромережеві технології та генетичні алгоритми;

-          відсутні ефективні методики еквівалентування інтелектуальних блоків САК з метою проведення комплексного аналітичного аналізу роботи.

Формулювання цілей статті.

При розробці алгоритму та методу еквівалентування нечіткого контролера повинні бути вирішені наступні задачі:

-          розробка еквівалентної моделі на базі інформації про параметри fuzzy контролера (вид та параметри функцій приналежності, параметри фазифікації, набір і структура правил);

-          розробка векторно-матричної моделі з урахуванням багатовимірного векторного входу.

Розглянемо нечіткий контролер, який побудований за принципом розгрупування вхідних впливів з метою створення ієрархічної структури дерева висновку [3].

Загальний вид елементарного об’єкта:

,                                                      (1)

де         - n-мірний вектор котрим представлені параметри об’єкта, що  контролюються;  y - вихідний параметр об’єкта.

Для даної системи вважається відомим:

-   траєкторії варіації параметрів стану системи: ,  та ;

-   базовий об'єм нечітких продукційних правил  , які пов'язують лінгвістичні оцінки факторів впливу  та цільовий вихід y;

-   багаторівневий формат нечітких продукційних правил - "IF-AND -OR-THEN";

-   масив () навчальних кортежів: .

Для ефективного функціонування нечіткої системи запропоновано [1] метод динамічного настроювання параметрів функцій приналежності. Даний метод ґрунтується на застосуванні модифікації генетичного алгоритму для проведення параметричного синтезу асимптотично-стійких, інтелектуальних систем керування технологічними процесами. Дана модифікація включає обґрунтований перехід до схеми простого кодування дискретного діапазону параметрів функцій приналежності зі штучним динамічним зменшенням бітності коду.

При використанні в якості контролера,  блоку нечіткого логічного висновку з алгоритмом Такагі-Сугено-Канга (TSK) значення вихідної змінної розраховується згідно формули:

                                                          (2)

 

 

 

 

В загальному випадку вихідний сигнал нечіткого контролера визначається співвідношенням:

                                                              (3)

 

де         - вектор параметрів нечіткого контролера.

Для того, щоб синтезувати модель еквівалентного контролера, спочатку розглянемо математичний апарат нечіткого висновку та алгоритми роботи контролера.

Сигнал кожного параметра, який поступає на вхід контролера, фазифікується, тобто знаходиться нечіткий аналог величини сигналу. Еквівалент визначається шляхом математичного обчислення при використанні інформації про форму відповідних функцій приналежності і параметрів, якими вони описуються. Форми функцій приналежності в нечіткому контролері мають трикутну форму і описуються наступною формою:

                                           (4)

 

 

 

 

де        а,b,c - параметри трикутної функції приналежності.

Вид функцій приналежності для трьох вхідних величин (сигналу завдання, інтегралу помилки, похідної помилки) показані на рис.3,4,5.

D:\Institut\Дисертации\_My\work\TXT\membershipx.bmp

Рис.3 Функції приналежності сигналу завдання х

D:\Institut\Дисертации\_My\work\TXT\membershipie.bmp

Рис.4 Функції приналежності інтегралу похибки іе

D:\Institut\Дисертации\_My\work\TXT\membershippe.bmp

Рис.5 Функції приналежності похідної похибки ре

 

Згідно правилам відбувається дефазицікація величини, тобто знаходиться реальна величина вихідного сигналу за його нечітким значенням. Причому на цьому етапі дефазифікація відбувається для кожного правила окремо.

База правил контролера має наступний вигляд:

                               (5)

 

 

 

 

 

 

 

де x, ie, ре - вхідні величини (сигнал завдання, інтеграл помилки, похідна помилки), xmin, xmid, xmax  - нечіткі числа, які описують сигнал завдання (мінімальний сигнал, середній сигнал, максимальний сигнал); iem, iep - нечіткі числа, які описують інтеграл помилки (негативне значення, позитивне значення); pem, pep - нечіткі числа, які описують похідну помилки (негативне значення, позитивне значення); w - вага відповідного правила.

На наступному кроці знайдемо середньозважене (залежно від вибору формули дефазифікації) значення вихідного сигналу з урахуванням ваги кожного правила.

Алгоритм синтезу еквівалентного контролера

1. Знаючи вид функції приналежності вхідного сигналу, його параметри і правило згідно якого визначається залежність вихідного сигналу від вхідного (f(x), f(ie), f(ре)), проведемо наближення кожного правила в базі знань використовуючи метод найменших квадратів.

В результаті апроксимації і групування правил по вхідному сигналу отримуємо наступні залежності для fuzzy-контролера:

Залежність вихідної величини від сигналу завдання:

                                          (6)

 

 

 

Рис.6 Залежність вихідної величини від сигналу завдання

 

Залежність вихідної величини від сигналу похідної похибки:

          (7)

 

 

Рис.7 Залежність вихідної величини від сигналу похідної похибки

1 – апроксимаційна функція; 2 – залежність визначена правилами та формою функції приналежності

 

Залежність вихідної величини від сигналу інтегралу похибки:

                   (8)

Рис.8 Залежність вихідної величини від сигналу інтеграла похибки

1 – апроксимаційна функція; 2 – залежність визначена правилами та формою функції приналежності

 

Висока ступінь поліномів, які описують залежність вихідного сигналу від похідної та інтеграла похибки обумовлена складним видом залежності відповідних величин. При зменшенні ступені апроксимації знижується точність еквівалентної моделі.

2. Знаючи еквівалентну модель кожного правила знайдемо середньозважене значення вихідної величини за формулою:

                               (9)

 

 

 

Реалізувавши дані залежності у вигляді функціональних блоків у системі моделювання Matlab отримаємо еквівалентну модель нечіткого контролера, яка може бути проаналізована відомими методами [4].

D:\Institut\Дисертации\_My\work\TXT\sublinear.bmp

Рис.9 Структура еквівалентної моделі нечіткого контролера

 

Результати моделювання еквівалентної САЕП наведено на рис.10-11. На рис.10 наведена перехідна функція сигналу завдання, вихідного сигналу при управлінні нечітким контролером і вихідного сигналу при управлінні синтезованим еквівалентним контролером.

Рис.10 Результати моделювання

1 – сигнал завдання; 2 - вихідний сигнал при управлінні синтезованим еквівалентним контролером;  3 – вихідний сигнал при управлінні нечітким контролером

 

Похибка управління САЕП з нечітким контролером та еквівалентним контролером показана на рис. 11.

Рис.11 Похибка управління (в.о) САЕП еквівалентного контролеру в порівнянні з fuzzy-контролером

 

Висновки з даного дослідження та перспективи подальших робіт. Розглянута методика еквівалентування блоків нечіткого логічного висновку дозволяє проводити комплексний аналіз якості автоматичних систем керування відомими методами класичної теорії автоматичного управління, що в свою чергу дозволяє аргументовано  стверджувати про ефективність застосування варіантів досліджуваних систем, а також уникнути грубих помилок, які можуть виникнути на етапі чисельного аналізу.

Подальша робота в даному напрямку буде спрямована на експериментальне підтвердження ефективності аналітичного дослідження ІнСАК з використанням розробленої методики еквівалентування.

 

Results of method design of fuzzy-controller functional features equivalent.

The synthesis of fuzzy controller equivalent structure is considered on the base of information about his structure and setting of defuzzification. An equivalent is use for the complex analysis of intellectual control the system quality.

 

1.                  Розроблення методології синтезу та обґрунтування доцільності впровадження інтелектуальних гібридних систем автоматичного управління технологічними процесами на основі нейромережевих структур та методів нечіткої логіки: Звіт з НДДКР/ Криворізький техн. університет. – 5.04.3  № ДР0104U004720. – Кривий Ріг, 2005.-250 с.

2.                  Усков А.А., Круглов В.В. Интеллектуальные системы управления на основе методов нечеткой логики. – Смоленск: Смоленская городская типография, 2003.

3.                  Ротштейн О.П. Інтелектуальні технології ідентифікації: нечіткі множини, генетичні алгоритми, нейронні мережі. - Вінниця: "УНІВЕСУМ-Вінниця", 1999 - 320с

4.                  Ким Д.П. Теория автоматического управления. Т.2. Многомерные, нелинейные, оптимальные и адаптивные системы. -М.: ФИЗМАТЛИТ, 2004. -464с.

 





Ответы на вопросы [_Задать вопроос_]

Читайте также

 
Селякова С. М. Структура інтелектуальної системи управління збиральною кампанією

Щокін В.П., Сушенцев О.О., Коломіц Г.В. Інтелектуальна система управління з нечітким адаптивним емулятором

Білий Л.Д. Моделювання періодичних процесів нелінійних електромеханічних систем

Водічев В.А. Аналого-цифровий регулятор режиму металообробки для верстатів з числовим програмним керуванням.

Водічев В.А. Система стабілізації потужності різання фрезерного верстата з взаємозв'язаним керуванням швидкостями робочих рухів.

Цмоць І.Г. Алгоритми та матричні НВІС-структури пристроїв ділення для комп'-ютерних систем реального часу.

Шекета В.І. Застосування процедури Append при аналізі абстрактних типів даних модифікаційних запитів.

Мінін М.Ю., Коршевнюк Л.О, Бідюк П.І. Моделювання процесів каузальної атрибуції з використанням системи нечіткого логічного виводу, як способу визначення відповідних умовних ймовірностей у байєсових мережах

Цибуленко О.В., Манойленко О.С. Альтернативні моделі стаціонарної температури в кубі – С. 91 – 94.

Ладанюк А.П., Власенко Л.О. Автоматизоване управління бізнес-процесами в комп’ютерно-інтегрованих структурах підприємства

Пляшкевич О.М. Виробничі функції в аналізі технологій підприємств

Шибицька Н.М Експертне оцінювання знань в системі дистанційного навчання.

Пупена О.М, Ельперін І.В, Ладанюк А.П. Особливості проектування комп’ютерно-інтегрованих систем управління

Рожков С.О., Федотова О.М. Алгоритм розпізнавання дефектів тканин для автоматичної системи контролю якості.

Информационно-управляющие комплексы и системы

Теленик С.Ф., Ролік О.І., Букасов М.М., Андросов С.А. Генетичні алгоритми вирішення задач управління ресурсами і навантаженням центрів оброблення даних

Богушевский В.С., Сухенко В.Ю., Сергеева Е.А., Жук С.В. Реализация модели управления конвертерной плавкой в системе принятия решений

Бень А.П., Терещенкова О.В. Применение комбинированных сетевых методов планирования в судоремонтной отрасли

Цмоць І. Г., Демида Б.А., Подольський М.Р. Методи проектування спеціалізованих комп’ютерних систем управління та обробки сигналів у реально-му час

Теленик С.Ф., РолікО.І., Букасов М.М., РимарР.В., Ролік К.О. Управління навантаженням і ресурсами центрів оброблення даних при виділених серверах

Селякова С. М. Структура інтелектуальної системи управління збиральною кампанією

Еременко А.П., Передерий В.И. Принятие решений в автоматизированных системах с учетом психофункциональных характеристик оператора на основе генетических алгоритмов

Львов М.С. Алгоритм перевірки правильності границь змінення змінних у послідовних програмах

Ляшенко Е.Н. Анализ пожарной опасности сосновых насаждений в зоне Нижне-днепровских песков – самой большой пустыни в Европе

Кучеров Д.П., Копылова З.Н. Принципы построения интеллектуального автору-левого

Касаткина Н.В., Танянский С.С., Филатов В.А. Методы хранения и обработки нечетких данных в среде реляционных систем

Ходаков В.Е., Жарикова М.В., Ляшенко Е.Н. Применение когнитивного подхода для решения задачи поддержки принятия управленческих решений при ликвидации лесных пожаров

Гончаренко А.В. Моделювання впливу ентропії суб’єктивних переваг на прийняття рішень стосовно ремонту суднової енергетичної установки

Фарионова Н.А. Системный подход построения алгоритмов и моделей систем поддержки принятия решений при возникновении нештатных ситуаций

Биленко М.С., Серов А.В., Рожков С.А., Буглов О.А. Многоканальная система контроля качества текстильных материалов

Мотылев K.И., Михайлов M.В., Паслен В.В. Обработка избыточной траекторной информации в измерительно-вычислительных системах

Гончаренко А.В. Вплив суб’єктивних переваг на показники роботи суднової енергетичної установки

Гульовата Х.Г., Цмоць І.Г., Пелешко Д.Д. Архітектура автоматизованої системи моніторингу і дослідження характеристик мінеральних вод

Соломаха А.В. Разработка метода упреждающей компенсации искажений статорного напряжения ад, вносимых выходными силовыми фильтрами

ПотапенкоЕ.М., Казурова А.Е. Высокоточное управление упругой электромеханической системой с нелинейным трением.

Кравчук А. Ф., Ладанюк А.П., Прокопенко Ю.В. Алгоритм ситуационного управления процессом кристаллизации сахара в вакуум-аппарате периодического действия с механическим циркулятором

Абрамов Г.С., Иванов П.И., Купавский И.С., Павленко И.Г. Разработка навигационного комплекса для автоматического наведения на цель системы груз-управляемый парашют

Литвиненко В.И., Четырин С.П. Компенсация ошибок оператора в контуре управления следящей системы на основе синтезируемых вейвелет-сетей

Бардачев Ю.Н., Дидык А.А. Использование положений теории опасности в искусственных иммунных системах

Рожков С.О., Кузьміна Т.О., Валько П.М. Інформаційна база як основа для створення асортименту лляних виробів.

Ускач А.Ф., Становский А.Л., Носов П.С. Разработка модели автоматизированной системы управления учебным процессом

Мазурок Т.Л., Тодорцев Ю.К. Актуальные направления интеллектуализации системы управления процессом обучения.

Ускач А.Ф., Гогунский В.Д., Яковенко А.Е. Модели задачи распределения в теории расписания.

Сідлецький В.М., Ельперін І.В., Ладанюк А.П. Розробка алгоритмів підсистеми підтримки прийняття рішень для контролю якості роботи дифузійного відділення.

Пономаренко Л.А., Меликов А.З., Нагиев Ф.Н. Анализ системы обслуживания с различными уровнями пространственных и временных приоритетов.

Коршевнюк Л.О. Застосування комітетами експертів системи нечіткого логічного виводу із зваженою істинністю.. – С. 73 – 79.

Кирюшатова Т.Г., Григорова А.А Влияние направленности отдельных операторов и направленности всей группы на конечный результат выполнения поставленной задачи.

Петрушенко А.М., Хохлов В.А., Петрушенко І.А. Про підключення до мови САА/Д деяких засобів паралельного програмування пакету МРІСН.

Ходаков В.Е., Граб М.В., Ляшенко Е.Н. Структура и принципы функционирования системы поддержки принятия решений при ликвидации лесных пожаров на базе новых геоинформационных технологий.

Сидорук М.В., Сидорук В.В. Информационные системы управления корпорацией в решении задач разработки бюджета.

Нагорный Ю.И. Решение задачи автоматизированного расчета надежности иасуп с использованием модифицированного метода вероятностной логики

Козак Ю.А. Колчин Р.В. Модель информационного обмена в автоматизированной системе управления запасами материальных ресурсов в двухуровневой логистической системе

Гожий А.П., Коваленко И.И. Системные технологии генерации и анализа сценариев

Вайсман В.А., Гогунский В.Д., Руденко С.В. Формирование структур организационного управления проектами

Бараненко Р.В., Шаганян С.М., Дячук М.В. Аналіз алгоритмів взаємних виключень критичних інтервалів процесів у розподілених системах

Бабенко Н.И., Бабичев С.А. Яблуновская Ю.А. Автоматизированная информационная система управления учебным заведением

Яковенко А.Е. Проектирование автоматизированных систем принятия решений в условиях адаптивного обучения с учетом требований болонского процесса

Бараненко Р.В Лінеаризація шкали і збільшення діапазону вимірювання ємностей резонансних вимірювачів

Головащенко Н.В. Математичні характеристики шумоподібно кодованих сиг-налів.

Шерстюк В.Г. Формальная модель гибридной сценарно-прецедентной СППР.

Шекета В.І. Застосування процедури Append при аналізі абстрактних типів даних модифікаційних запитів.

Цмоць І.Г. Алгоритми та матричні НВІС-структури пристроїв ділення для комп'-ютерних систем реального часу.

Кухаренко С.В., Балтовский А.А. Решение задачи календарного планирования с использованием эвристических алгоритмов.

Бараненко Р.В., Козел В.Н., Дроздова Е.А., Плотников А.О. Оптимизация рабо-ты корпоративных компьютерных сетей.

Нестеренко С.А., Бадр Яароб, Шапорин Р.О. Метод расчета сетевых транзакций абонентов локальных компьютерных сетей.

Григорова А.А., Чёрный С. Г. Формирование современной информационно-аналитической системы для поддержки принятия решений.

Шаганян С.Н., Бараненко Р.В. Реализация взаимных исключений критических интервалов как одного из видов синхронизации доступа процессов к ресурсам в ЭВМ

Орлов В.В. Оценка мощности случайного сигнала на основе корреляционной пространственной обработки

Коджа Т.И., Гогунский В.Д. Эффективность применения методов нечеткой логики в тестировании.

Головащенко Н.В., Боярчук В.П. Аппаратурный состав для улучшения свойств трактов приёма – передачи информации в системах промышленной автоматики.