Алгоритм принятия решений на основе действий оператора.

Модель задается в виде тройки (W, R, H),где W={w1, ..., wi, ..., wn}, а H={h1, ..., hi, ..., hn} - базовые множества, на которых заданы соответственно входы sj и выходы tj’ системы; R - нечеткое отношение «вход-выход», являющееся условным оператором. Предполагается способ формирования отношения R на основе идентификации его по внешнему описанию нечеткой системы (sj, tj)... WН.

Модели ситуационного управления, основываются на анализе нечетких ситуаций, возникающих на объекте управления. Под нечеткой ситуацией Х понимается описание функционирования объекта управления в данный момент времени соответствующих значений признаков, определенных в терминах естественного языка.

Предлагаются 2 модели: ситуация - действие (С-Д) и ситуация - стратегия управления - действие (С-СУ-Д). Суть модели С-Д состоит в анализе нечеткой текущей ситуации х0 путем сравнения ее с эталонными ситуациями: хэj, j=1 ... n; определение эталонной ситуации хэk, k=1 ... n с максимальной степенью нечеткого равенства ... и немедленном принятии решения hik, соответствующего хэk. Возникшая после применения hik ситуация хок считается текущей и процесс управления объектом продолжается.

Модель С-СУ-Д предполагает определение стратегии управления объектом с последующим использованием ее для приведения объекта в целевую ситуацию Хс. Под стратегией управления понимается кратчайшая последовательность подцелевых ситуаций и элементарных управлений для достижения ситуации Х_с.

5. Моделі представлення знань в системах управління.

Основу интеллектуальных систем управления составляют базы знаний (БЗ).

На первый взгляд экспертные системы(ЭС) и системы управления на основе БЗ весьма похожи. Однако имеется ряд различий между этими системами в методологии их создания и принципах функционирования. В ЭС реализуется принцип консультации с человеком-экспертом. ЭС работают вне реального масштаба времени (РМВ), а человек включен в контур принятия решения.

Системы управления на основе знаний служат для контроля и управления объектами в РМВ. Система работает с объектом, а не с человеком-оператором. Она использует предварительную обработку информации об объекте и при появлении какой-либо неисправности диагностирует объект и принимает решение на коррекцию аномалии. Оператор САУ выключен из контура принятия решения и выполняет лишь общие функции контроля.

6. Технології, нечіткоїлогіки, нейромережевихструктур, експертнихсистем, асоціативноїпам'яті, генетичнихалгоритмівтаїхкомбінацій.

Технология экспертных систем.Основная особенность - возможность работы с формами явного представления знаний, включая продукционные правила, предикаты, семантические сети и фреймообразные структуры. Ярко выраженная структурированность этих форм обусловливает применимость формализованных логических методов для анализа и уточнения знаний, а также вывода заключений по совокупности исходных данных. При этом собственно процесс вывода на основе знаний сводится к последовательному сопоставлению заданного описания начальной посылки с категориями той многоуровневой классификации, которая заложена в имеющейся иерархии системы продукционных правил, семантических сетей или других представлений. По существу эта технология объединяет несколько близких направлений, поскольку принятые методы логической обработки для каждой из форм явного представления знаний существенно различаются между собой.

Технология нечеткой логики, ориентирована на обработку логико-лингвистических моделей представления знаний. Мо­дели такого типа предназначены для формализации неточных, размытых в смысловом отношении суждений и строятся с использованием обобщенных категорий, задающих классификацию исходных понятий на уровне нечетких множеств. Следует отметить, что соответствующие методы нечеткого логического вывода позволяют обеспечить параллельную интерпретацию имеющихся знаний с помощью специализированных средств аппаратной поддержки, обладающих высоким быстродействием.

Технология нейросетевых структур аккумулирует и воспроизводит основные функциональные особенности биологических прототипов. Обрабатывает знания в неявной форме. Эта технология построения интеллектуальных систем предполагает формирование однородных структур, состоящих из множества взаимосвязанных элементов с заданной характеристикой преобразования сигналов. Совокупность знаний, закладываемых в процессе обучения такой структуры, определяется настройкой коэффициентов межэлементных связей и позволяет обеспечить надежную классификацию предъявляемых примеров. При этом важнейшей особенностью нейросетевых структур является их вы­сокое быстродействие, достигаемое за счет параллельности обработки информации при их аппаратной реализации.

Технологии ассоциативной памяти. Эта технология предполагает использование механизмов восста­новления целостных образов по их отдельным элементам и сводится к работе с многомерными массивами данных. Хранящиеся в памяти знания имеют неявную форму представления и задают классификацию понятий некоторой предметной области в виде сочетания признаков, присущих каждой качественной категории. Главные преимущества такого подхода связаны с простотой как программного, так и аппаратного воплощения ассоциативной памяти, которая обеспечивает высокое быстродействие, определяемое временем обращения к отдельной ячейке.