Порядок выполнения работы
Ознакомиться со всеми пунктами методических указаний.
Получить у преподавателя задание на выполнение лабораторной работы.
Создать модель САР используя Simulink.
Снять необходимые для создания гибридной сети данные, используя блоки to File.
Создать файл с обучающимися данными – файл с расширением .dat.
Загрузить обучающие данные в окно редактора ANFIS.
Загрузить проверочные данные в редактор ANFIS.
Задать количество и тип функций принадлежности с необходимым количеством терм. Исследовать несколько вариантов системы нечеткого вывода для рассматриваемого примера: одна входная переменная с 10 термами, 10 правил нечетких продукций, одна выходная переменная с 10 термами; одна входная переменная с 50 термами, 50 правил нечетких продукций, одна выходная переменная с 50 термами; одна входная переменная с 200 термами, 200 правил нечетких продукций, одна выходная переменная с 200 термами.
Сгенерировать структуру нечеткого вывода.
Выполнить дополнительные этапы тестирования для проверки гибридной сети.
Проанализировать графики зависимости ошибки обучения от количества циклов обучения.
Сохранить созданную модель во внешнем файле с расширением .fis, а затем загрузить в редактор системы нечеткого вывода FIS.
Запустить модель и проанализировать полученные результаты.
Содержание отчета
Номер, название и цель работы.
Задание на выполнение лабораторной работы (функциональная схема САР, структурная схема САР, параметры передаточных функций САР).
Модель САР.
Результаты, полученные в процессе моделирования, сохраненные во внешнем файле с расширением .fis.
Выводы по выполненной работе.
Ответы на контрольные вопросы.
Контрольные вопросы
Дайте определение термину «нейронная сеть».
Что входит в состав структуры искусственного нейрона?
В чем отличие нейронной сети прямого распространения от рекуррентной сети?
Назовите графические средства, входящие в состав пакета Fuzzy Logic Toolbox используемые для разработки систем нечеткого вывода?
Дайте определение многослойной нейронной сети.
Назовите методы обучения гибридной сети.
Каким образом происходит обучение нейронной сети в MATLAB?
Чему равен уровень обучения, установленный по умолчанию?
Лабораторная работа № 6
ИСПОЛЬЗОВАНИЕ АЛГОРИТМОВ НЕЧЕТКОГО ВЫВОДА ПРИ МОДЕЛИРОВАНИИ СИСТЕМ В СРЕДЕ MATLAB
Цель работы:
изучить метод построения нечёткой системы средствами инструментария Fuzzy Logic в системе MATLAB.
освоить методы построения нечётких множеств с иcпользованием различных типов функций принадлежности и ознакомиться с наиболее распространенными логическими операциями над нечёткими множествами.
Теоретические сведения о нечётких множествах и средствах
инструментария Fuzzy Logic в системе MATLAB
Пакет Fuzzy Logic Toolbox, предназначен для реализации процесса нечёткого моделирования в системе MATLAB. Этот пакет позволяет выполнить все необходимые действия по разработке и использованию нечётких моделей. Дадим ряд определений, необходимых для понятия теории нечетких множеств. Нечеткое множество – это некоторое множество элементов произвольной природы, по отношению к которым нельзя с полной определенностью утверждать принадлежит тот или иной элемент данному множеству (рис. 6.1).
Формально нечеткое множество можно определить характеристической функцией множества, которую можно определить как функцию принадлежности. На практике используются кусочно-линейные, z-образные, s-образные, п-образные функции принадлежности (рис. 6.2).
В теории нечетких множеств можно проводить ряд операций над нечеткими множествами, они определены как операции пересечения, объединения, разности нечетких множеств.
Р и с. 6.1. Нечеткое множество и классическое (четкое)
множество
Р и с. 6.2. Графики функций принадлежности
При разработке системы нечеткого вывода важными являются этапы фаззификации входных переменных и формирование правил системы нечеткого вывода. Правила в системах нечеткого вывода представляются как структурированный текст:
Правило 1: ЕСЛИ «Условие А»,
ТО «Заключение В».
Принадлежность каждого точного значения к одному из термов лингвистической переменной определяется посредством функции принадлежности. Ее вид может быть абсолютно произвольным.
В системе MATLAB работу модуля Fuzzy Logic Toolbox можно представить в виде схемы, представленной на рис. 6.3.
Р и с. 6.3. Набор средств визуализации и отладки модуля
Fuzzy Logic Toolbox
Для разработки модели системы нечеткого вывода в интерактивном режиме пользователь имеет возможность использовать следующие графические средства, входящие в состав Fuzzy Logic Toolbox:
Редактор FIS Editor (FIS-Fuzzy Inference System).
Редактор функций принадлежности –Membership Function Editor.
Редактор правил системы нечеткого вывода Rule Editor.
Разработчик модели нечеткого вывода в Fuzzy Logic Toolbox имеет возможность просмотра правил нечеткого вывода и возможность просмотра поверхности системы нечеткого вывода.
Пользователь может использовать специальные функции и вызывать графические средства создания систем нечеткого вывода, из командной строки системы MATLAB (табл. 6.1).
Таблица 6.1
Функции графического интерфейса пользователя
Функция |
Название |
anfisedit |
Редактор ANFIS |
findcluster |
Программа нечетной кластеризации |
fuzzy |
Редактор системы нечеткого вывода FIS |
mfedit |
Редактор функции принадлежности |
ruleedit |
Редактор правил нечеткого вывода |
ruleview |
Программа просмотра правил и диаграммы нечеткого вывода |
surfview |
Программа просмотра поверхности нечеткого вывода |
Рассмотрим более подробно, представленные на рис редакторы системы нечеткого вывода. При запуске функции fuzzy вызывается редактор нечеткого вывода для вновь создаваемой системы и имеет имя Untitled. Графический интерфейс редактора FIS, при использовании функции fuzzy представлен на рис. 6.4.
Р и с. 6.4. Интерфейс редактора FIS
По умолчанию задаются такие параметры, как тип системы нечеткого вывода, методы, используемые для импликации, агрегирование подусловий в правилах, деффазификация (приведение к четкости) в моделируемой системе нечеткого вывода.
Рассмотрим систему нечеткого вывода на примере определения загруженности сотрудников предприятия. Эффективность использования правил нечеткого вывода, во многом определяется неопределенностью исходных данных, в частности трудоемкостью исполняемых работ. Итак есть два множества: совокупность служб, обеспечивающих функционирование предприятия обеспечивающего грузоперевозки и совокупность информации об учете использовании и перемещении, трудоемкости ремонта новых и б/у деталей. Особенность процесса заключается в том, что необходимо обеспечить самоорганизацию такой системы учета на двух предприятиях, отсюда вытекают требования минимизации трудозатрат, что может быть достигнуто за счет определения загруженности работников процесса. Таким образом, входными данными являются представленные множества, а выходными степени загруженности сотрудников обеспечивающих технологический процесс (рис. 6.5).
Р и с. 6.5. Струткура ситемы «авто»
Моделирование осуществляется в интерактивном режиме с помощью графических средств редактирования и визуализации всех компонентов систем нечеткого вывода.
Редактор FIS имеет опцию, дающую возможностиь выбрать тип задаваемой новой системы нечеткого вывода: типа Мамдани или типа Сугено (рис. 6.5). Алгоритм Мамдами позволяет задавать входные и выходные значения нечеткими термами, это позволяет практически использовать его пр решении задачи определения загруженности персонала предприятия, осуществляющего ремонт и эксплуатацию автотранспорта. В качестве входных переменных выступают component (б/у детали), component new ( ноовые детали) и labor intensity (трудоемкость выполняемых работ). Диапазоны выходных переменных заданы в диапазоне 0-100%, заданы функции принадлежности гауссова типа, каждая из которых характеризует переменную соответственно как low (низкая загруженность), middle (средняя загруженность), high (высокая загруженность персонала) (рис. 6.6).
Р и с. 6.6. Функции принадлежности выходной переменной «загруженность персонала»
При помощи редактора функций в графическом режиме можно задавать и редактировать как входные, так и выходные функции принадлежности отдельных термов моделируемой системы. Следующим шагом в создании модели нечеткого вывода является формирование правил (рис. 6.7).
Р и с. 6.7. Композиция правил
Фаззификация представляет собой процесс установления соответствия между значением входной переменной, нечеткой переменной и значением функции принадлежности соответствующего ей терма входной переменной (рис. 6.8).
По завершении задания нечетких правил, можно получить результат нечеткого вывода, графический интерфейс программы просмотра поверхности нечеткого вывода для представленной модели определения загруженности персонала представлен на рис. 6.9.
Так как процесс нечеткого моделирования предполагает анализ результатов нечеткого вывода при различных значениях входных переменных (component, component_new, labor_intensity) с целью установления адекватности необходимо рассмотреть большее количество правил нечеткого вывода или прибегнуть к их модификации.
Р и с. 6.8. Фаззификация правил системы нечеткого вывода «avto»
Р и с. 6.9. Окно просмотра поверхности решений