«Нечеткая логика в системах управления»

    Дисциплина: Программирование
    Тип работы: Реферат
    Тема: «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, 35.14

    2002

    Москва

    Оглавление TOC o \"1-3\" h z u

    Нечеткая логика в системах управления. PAGEREF _Toc10444241 h 3

    Немного теории. PAGEREF _Toc10444242 h 3

    Фаззификация (переход к нечеткости) PAGEREF _Toc10444243 h 5

    Лингвистические переменные. PAGEREF _Toc10444244 h 6

    Функции принадлежности. PAGEREF _Toc10444245 h 6

    Разработка нечетких правил. PAGEREF _Toc10444246 h 7

    Дефаззификация (устранение нечеткости) PAGEREF _Toc10444247 h 8

    Метод центра максимума (СоМ) PAGEREF _Toc10444248 h 9

    Метод наибольшего значения (МоМ) PAGEREF _Toc10444249 h 9

    Метод центроида (СоА) PAGEREF _Toc10444250 h 9

    Описание системы.. PAGEREF _Toc10444251 h 10

    Off-line-оптимизация. PAGEREF _Toc10444252 h 11

    On-line-оптимизация. PAGEREF _Toc10444253 h 11

    Реализация. PAGEREF _Toc10444254 h 11

    Литература. PAGEREF _Toc10444255 h 13

    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

    Нечеткая логика основана на использовании таких оборотов естественного языка, как «далеко», «близко», «холодно», «горячо». Диапазон ее применения очень широк - от бытовых приборов до

    управления сложными промышленными процессами. Многие современные задачи управления просто не могут быть решены классическими методами из-за очень большой сложности математических

    моделей, их описывающих. Вместе с тем, чтобы использовать теорию нечеткости на цифровых компьютерах, необходимы математические преобразования, позволяющие перейти от лингвистических

    переменных к их числовым аналогам в ЭВМ.

    На рис. 2 показаны области наиболее эффективного применения современных технологий управления. Как видно, классические методы управления хорошо работают при полностью

    детерминированном объекте управления и детерминированной среде, а для систем с неполной информацией и высокой сложностью объекта управления оптимальными являются нечеткие методы

    управления. (В правом верхнем углу рисунка приведена еще одна современная технология управления - с применением искусственных нейронных сетей, но мы не станем столь глубоко вдаваться в

    достижения ученых.)

    Вернемся к теории и кратко рассмотрим такие понятия, как «нечеткие правила», «нечеткий вывод» да и сам термин «нечеткое управление».

    Классическая логика развивается с древнейших времен. Ее основоположником считается Аристотель. Логика известна нам как строгая и сугубо теоретическая наука, и большинство ученых

    (кроме разработчиков последнего поколения компьютеров) продолжают придерживаться этого мнения. Вместе с тем классическая или булева логика имеет один существенный недостаток - с ее

    помощью невозможно описать ассоциативное мышление человека. Классическая логика оперирует только двумя понятиями: ИСТИНА и ЛОЖЬ, и исключая любые промежуточные значения. Аналогично

    этому булева логика не признает ничего кроме единиц и нулей. Все это хорошо для вычислительных машин, но попробуйте представить весь окружающий вас мир только в черном и белом цвете,

    вдобавок исключив из языка любые ответы на вопросы, кроме ДА и НЕТ. В такой ситуации вам можно только посочувствовать. Решить эту проблему и призвана нечеткая логика. С термином

    «лингвистическая переменная» можно связать любую физическую величину, для которой нужно иметь больше значений, чем только ДА и НЕТ. В этом случае вы определяете необходимое число термов

    и каждому из них ставите в соответствие некоторое значение описываемой физической величины. Для этого значения степень принадлежности физической величины к терму будет равна единице, а

    для всех остальных значений - в зависимости от выбранной функции принадлежности. Например, можно ввести переменную ВОЗРАСТ и определить для нее термы ЮНОШЕСКИЙ, СРЕДНИЙ и ПРЕКЛОННЫЙ.

    Обсудив с экспертами значения конкретного возраста для каждого терма, вы с полной уверенностью можете избавиться от жестких ограничений логики Аристотеля.

    Получившие наибольшее развитие из всех разработок искусственного интеллекта, экспертные системы завоевали устойчивое признание в качестве систем поддержки принятия решений. Подобные

    системы способны аккумулировать знания, полученные человеком в различных областях деятельности. Посредством экспертных систем удается решить многие современные задачи, в том числе и

    задачи управления. Однако большинство систем все еще сильно зависит от классической логики.

    Одним из основных методов представления знаний в экспертных системах являются продукционные правила, позволяющие приблизиться к стилю мышления человека. Любое правило продукций

    состоит из посылок и заключения. Возможно наличие нескольких посылок в правиле, в этом случае они объединяются посредством логических связок И, ИЛИ. Обычно продукционное правило

    записывается в виде: «ЕСЛИ (посылка) (связка) (посылка)… (посылка) ТО (заключение)».

    Главным же недостатком продукционных систем остается то, что для их функционирования требуется наличие полной информации о системе.

    Нечеткие системы тоже основаны на правилах продукционного типа, однако в качестве...

    Забрать файл

    Похожие материалы:


ПИШЕМ УНИКАЛЬНЫЕ РАБОТЫ
Заказывайте напрямую у исполнителя!


© 2006-2016 Все права защищены