Заключение

Объем данного учебного пособия не позволяет рассмотреть такие направления в развитии нечетких систем автоматического управления как построение нечетких САУ с нейронной адаптацией, нечетких САУ с генетической адаптацией, т.е. нечетких САУ, реализующих в своем составе комплекс различных методов искусственного интеллекта. Разумеется, освещение этих направлений развития нечетких САУ потребовало бы соответствующего освещения базовых теорий нейронных сетей, эволюционного моделирования и генетических алгоритмов и т.д.

Не рассмотрены практичекие вопросы реализации нечеткого управления на современной микроконтроллерной базе в составе АСУТП: архитектура модификаций промышленных микроконтроллеров, поддерживающих нечеткую логику, структура специализированных нечетких микроконтроллеров, синтаксис языка нечеткого управления FCL, используемого при программировании нечетких микроконтроллеров, среда нечеткого моделирования и программирования нечетких микроконтроллеров fuzzyTECH.

Также в пособии не рассмотрены специфические вопросы теории нечетких систем автоматического управления, такие как методы анализа качества нечеткого управления, синтеза нечеткого управления, анализа устойчивости нечетких САУ, оптимизации управления в нечетких САУ. Не описаны возможности применения аппарата нечетких множеств для моделирования поведения сложных динамических систем: как то не затронуты вопросы построения сетевых нечетких моделей, в частности нечетких сетей Петри, гауссовых и марковских нечетких случайных процессов, решения уравнения нечеткой динамики Смолуховского.

Вся вышеупомянутая проблематика не рассмотрена по следующим причинам.

Во-первых, на данном этапе своего развития теория нечетких САУ еще окончательно не сформировалась, поскольку до последнего времени основной упор при построении нечетких САУ делался на практический аспект их внедрения. В начале своего становления теория нечетких множеств была воспринята неоднозначно: многие ученые утверждали, что введение Заде нечеткой меры принципиально не дает ничего нового по сравнению с уже известной вероятностной мерой. Долгое время практическое применение теории нечетких множеств ограничивалось представлением и использованием знаний в экспертных системах. Однако, ставшая возможной благодаря прогрессу средств вычислительной техники промышленная реализация в 80-х г.г. XX-го века нечетких регуляторов, разработанных на основе классических трудов по теории нечетких множеств, имела ощутимый эффект, что в свою очередь стимулировало дальнейшие теоретические исследования в области разработки нечетких систем управления. Таким образом, как это не парадоксально, именно практика эффективного внедрения нечетких САУ, строившихся в первое время зачастую интуитивно (к примеру, нельзя теоретически ответить на вопрос, почему при управлении конкретным слабоструктурированным объектом нечеткий вывод Мамдани предпочтительнее нечеткого вывода Сугено и построенная в каком базисе треугольных норм и конорм система нечеткого вывода окажется наиболее эффективной) стимулировала большой интерес и вызвала появление массы теоретических работ в данной области. Большинство работ по упомянутой выше проблематике еще не систематизировано в виде сформировавшихся целостных методик проектирования, анализа, синтеза, оптимизации и моделирования нечетких систем автоматического управления. Также не сформировалась еще законченная теория построения интеллектуальных информационно-управляющих систем, органично объединяющая в себе все известные методы искусственного интеллекта, что не позволяет пока однозначно оценить и описать роль и место в этой иерархии средств и методов теории построения интеллектуальных САУ, в частности нечетких САУ, и теории нечетких множеств как одной из ее составляющих.

Во-вторых, отдельные вопросы теории нечетких САУ находятся в данный момент еще в стадии решения, причем не то что на этапе прикладной реализации, но даже еще на стадии разработки соответствующих математических методов, т.е. речь идет пока только о разработке математического аппарата, а не о его применении в практических целях (к примеру, окончательно не выполнено распространение принципа обобщения, ставящего всем четким математическим операциям их нечеткие аналоги, на нечеткое дифференциальное и интегральное исчисление).

В-третьих, работа в данных областях подразумевает более глубокие знания в области нечеткой алгебры и математического анализа, поскольку решение упомянутых выше проблем подразумевает использование нечеткого интегрального и дифференциального исчисления, решения интервальных уравнений, и введение в соответствующую проблематику потребовало бы слишком большого объема изложения.

В-четвертых, вопросы практического применения нечетких микроконтроллеров, а также вопросы использования конкретных программных средств: как то для целей моделирования нечеткого управления, проектирования АСУТП с нечеткими регуляторами, программирования нечетких контроллеров; достаточно полно освящены в соответствующих руководствах и технической документации.

Авторы попытались дать обзор методов построения и принципов работы только одного из классов интеллектуальных систем автоматического управления – нечетких САУ, реализующих в своем составе только один из подходов к построению интеллектуальных систем, основанный на представлении и работе со знаниями при помощи методов теории нечетких множеств. Гораздо более гибкими в плане дальнейшего «очеловечивания» и движения систем от интеллектуальных в малом к интеллектуальным в большом, согласно принципов IPDI, будут многоуровневые интеллектуальные системы управления, органично сочетающие не только механизмы приближенных рассуждений и работы с качественными знаниями (в частности аппарат нечетких множеств и нечеткого вывода), но и методы ситуационного управления, имитационного и эволюционного моделирования, экспертных систем, инженерии знаний, обучения и адаптации с использованием аппарата нейронных сетей, генетических алгоритмов и других средств и методов искусственного интеллекта. Разработка методологии проектирования, анализа и синтеза подобных систем, интеллектуальных в большом, является приоритетным направлением в развитии как систем автоматического управления в частности, так и информационно-управляющих систем в целом, и ведется настоящее время очень быстрыми темпами (такие термины, как «fuzzy logic», «интеллектуальное управление», «нейросетевое управление», давно вышли из специфического словаря научных работников и употребляются в повседневной жизни).

Авторы надеются, что данное учебное пособие поможет сформировать представление об одном из направлений построения интеллектуальных систем – разработке и проектировании систем, принцип действия которых, основан на аппарате нечетких множеств и нечеткого вывода; систем, использующих приемы и методы работы с нечеткой информацией, что до последнего времени являлось исключительно человеческой прерогативой.

Список литературы

1. Поспелов Д.А. Ситуационное управление: теория и практика.–М.:Наука, 1986.–288 с.

2.  Нечеткие множества в моделях управления и искусственного интеллекта / под. ред. Д.А.Поспелова.–М.:Наука, 1986.–312с.

3.  Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом.–М.:Радио и связь, 1990.–264с.

4. Алиев Р.А., Церковный А.Э., Мамедов Г.А. Управление производством при нечеткой исходной информации.–М.:Энергоатомиздат, 1991.–240 с.

5. Кафаров В.В., Дорохов И.Н., Марков Е.П. Системный анализ процессов химической технологии. –М.:Наука, 1986.–360с.

6.  Искусственный интеллект. Применение в интегрированных производственных системах. / под.ред. Э. Кьюсака: Пер. с англ. –М.: Машиностроение, 1991.–544с.

7. Пивкин В.Я., Бакулин В.П., Кореньков Д.И. Нечеткие множества в системах управления. –Новосибирск: изд-во НГУ, 1998.–75 с.

8. Подлесный Н.И., Рубанов В.Г. Элементы систем автоматического управления и контроля. –Киев: Выща школа, 1991.–461с.

9.  Захаров В.Н., Ульянов С.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления: Эволюция и принципы построения // Известия РАН: Техническая кибернетика. –1993. –№4. –С.189-205.

10. Представление и использование знаний. / под.ред. Х.Уэно: Пер. с япон. –М.: Мир, 1989. –220 с.

11. Осуга С. Обработка знаний: Пер. с япон. –М.: Мир, 1989. –293 с.

12. Бочарников В.П. Fuzzy-технология: математические основы, практика моделирования в экономике. – С.Пб: Наука РАН, 2001. – 328 с.

13. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. –М.:Радио и связь, 1989.–184с.

14. Кандрашина Е.Ю., Литвинцева Л.В., Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах. –М.:Наука, 1989.–328 с.

15. Захаров В.И., Ульянов С.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления: Научно- организационные, технико-экономические и прикладные аспекты // Изв. РАН.Техническая кибернетика. - 1992. - N 5. - C. 171-196.

16. Константинов И.С., Филатов А.Г., Касьянов Ю.В. Принципы построения интеллектуальных автоматизированных систем управления с нечетким регулированием на базе логико-лингвистических моделей представления знаний // Сборник трудов Седьмых Академических чтений РААСН “Современные проблемы строительного материаловедения”.-Белгород.-2001.С.154-158

17. Нечеткие множества и теория возможностей. Последние достижения / Под ред. Р.Р.Ягера.–М.: Радио и связь, 1986.– 408 с.

18. Борисов А.Н., Алексеев А.В., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений.–М: Радио и связь, 1989.–304 с.

19. Литвак Б.Г. Экспертная информация. Методы получения и анализа.– М.: Радио и связь, 1982.–84 с.

20. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР.–М.: Энергоатомиздат, 1991.–136 с.

21. Larsen P.M. Industrial applications of fuzzy logic control // Int. J. Man-Machine Stud., 1980, V.12, №1.

22. Automatisierungtechnik: Immer mehr Hersteller setzen auf Fuzzy-Logik // Konstruktionspraxis, 1992. №12.

23. Saridis G.N. Analytical formulation of the principle of increasing precision with decreasing intelligence for intelligent machines // Automatics, 1989, V.25, №3.

24. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей.–Рига: Зинатне, 1990.–184 с.

25. Заде Л. Понятие лингвистической переменной и его примене-ние к принятию приближенных решений: Пер. с англ.–М.: Мир, 1976, 166 с.

26. Кофман А. Введение в теорию нечетких множеств: Пер. с франц.–М.: Радио и связь, 1982, 432 с.

27. Гвоздик А.А. Решение нечетких уравнений // Изв. РАН.Техническая кибернетика. - 1984. - N 5. - C. 176-183.

28. Шошин П.Б. Размытые числа как средство описания субъективных величин Решение нечетких уравнений //Статистические методы экспертных оценок. – М.: Наука, 1977, 250 с.

29. Dubois D., Prade H. Fuzzy real algebra: Some results // Fuzzy Sets a. Systems, 1989, V.2, №4.

30. Методы робастного, нейро-нечеткого и адаптивного управления / Под ред. Н.Д.Егупова.–М.: Издательство МГТУ им.Баумана, 2002.– 744 с.

31. Методы современной теории автоматического управления. Анализ и статистическая динамика систем автоматического управления / Под ред. Н.Д.Егупова.–М.: Издательство МГТУ им.Баумана, 2000.– 748 с.

32. Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях: Монография. – М.: Издательство Тюменского государственного университета, 2000. – 352 с.

33. Леоненков А.В. Нечеткое моделирование в среде Matlab и fuzzyTECH. – С.Пб.: BHV-Санкт-Петербург, 2003. – 736 с.

34. Сигеру Омату. Нейроуправление и его приложения. – М: ИПРЖР, 2000. – 272 с.

35. Терехов В.А. Нейросетевые системы управления. – М: Высшая школа, 2002. – 183 с.

36. Жукова С.В., Золотухин Ю.Н. Оптимизация параметров регуля-тора с использованием нечетких оценок и генетического подхода // Автометрия, 1998, № 3,с 12-17.

37. Пупков К.А., Коньков В.Г. Интеллектуальные системы. – М.: МГТУ им.Баумана, 2003. – 348 с.

38. Круглов В.И., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. – М.: Изд. Физ.мат.лит., 2002. – 312 с.

39. Лукас В.А. Основы fuzzy-управления. – Екатеринбург: УГГГА, 2000. – 62 с.

40. Захаров В.И., Ульянов С.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. Методология проектирования // Изв. РАН.Техническая кибернетика. - 1993. - N 5. - C. 197-220.

41. Искандеров Г.М. Нечеткие логические регуляторы в системе управления ферментатором // Сборник трудов научно технической конференции “Вузовская наука – Северо-Кавказскому ре-гиону”.-Ставрополь: СевКавГТУ.-2001.С.154-158

42. Рубин А.Б. Кинетика биологических процессов // Соросовский образовательный журнал. – 1998. - №10. – С.84-91.