- •А.П. Ротштейн Интеллектуальные технологии идентификации
- •Глава 1
- •1.1. Нечеткие множества
- •1.1.1. Основные понятия теории нечетких множеств
- •1.1.2. Свойства нечетких множеств
- •1.1.3. Операции над нечеткими множествами
- •1.1.4. Некоторые дополнительные понятия
- •1.1.5. Нечеткие отношения
- •1.1.7. Нечеткость и вероятность
- •1.1.6. Нечеткие числа
- •1.2. Генетические алгоритмы
- •1.2.1. Принципы построения генетических алгоритмов
- •1.2.2. Основные операции генетических алгоритмов
- •1.2.3. Стратегии поиска
- •1.2.4. Отличие от классического поиска
- •1.2.5. Преимущества генетических алгоритмов
- •1.2.6. Терминология
- •1.2.7. Примеры генетической оптимизации
- •1.3. Нейронные сети
- •1.3.1. Основные понятия
- •1.3.2. Имитация нервных клеток
- •1.3.4. Обучение нейронных сетей
- •1.3.5. Метод обратного распространения ошибки
- •Глава 2
- •2.1. Лингвистические правила в принятии решений
- •2.1.1. Автоматическое управление
- •2.1.2. Ситуационное управление
- •2.1.3. Медицинская диагностика
- •2.1.4. Многокритериальная оценка
- •2.1.5. Многофакторный анализ
- •2.2. Принятие решений и идентификация
- •2.3. Принципы лингвистического моделирования
- •Глава 3
- •3.1. Формализация исходной информации
- •3.1.1. Входы и выходы объекта
- •3.1.2. Лингвистические переменные
- •3.1.3. Нечеткая база знаний
- •3.1.4. Функции принадлежности
- •3.2. Объекты с дискретным выходом
- •3.2.1. Постановка задачи
- •3.2.2. Нечеткие логические уравнения
- •3.2.3. Алгоритм аппроксимации
- •3.3. Объекты с непрерывным выходом
- •3.3.1. Постановка задачи
- •3.3.2. Алгоритм аппроксимации
- •3.4. Применение композиционного правила вывода
- •3.4.1. Постановка задачи
- •3.4.2. Нечеткий логический вывод
- •3.4.3. Интерпретация вывода
- •3.5. Иерархические объекты
- •3.5.1. Обобщенное дерево логического вывода
- •3.5.2. Нечеткие логические уравнения
- •Глава 4
- •4.1. Нечеткое представление неопределенных параметров
- •4.2. Учет влияющих факторов
- •4.3. Нечеткое обобщение аналитических моделей
- •4.3.1. Принцип обобщения Заде
- •4.3.3. Модифицированный принцип обобщения
- •4.4. Методика нечеткого обобщения аналитических моделей
- •Глава 5
- •5.1. Задачи оптимальной настройки
- •5.1.1. Веса правил
- •5.1.2. Объект с непрерывным выходом
- •5.1.3. Объект с дискретным выходом
- •5.1.4. Критерии качества идентификации
- •5.2. Настройка параметрических функций принадлежности
- •5.2.1. Кодирование
- •5.2.2. Скрещивание
- •5.2.3. Мутация
- •5.2.4. Функция соответствия
- •5.2.5. Выбор родителей
- •5.2.6. Генерация популяции
- •5.2.7. Генетический алгоритм
- •5.3. Настройки -уровневых функций принадлежности
- •5.3.1. Аналитические модели функций принадлежности
- •5.3.2. Настройки модели с дискретным выходом
- •5.3.3. Настройки модели с непрерывным выходом
- •5.3.4. Кодирование и скрещивание
- •5.3.5. Мутация
- •5.3.6. Функция соответствия
- •5.3.7. Генерация популяции
- •5.3.8. Генетический алгоритм
- •5.4. Компьютерные эксперименты
- •5.4.1. Методика экспериментов
- •5.4.2. Объекты с непрерывным выходом
- •5.4.3. Объекты с дискретным выходом
- •5.4.4. Исследование -уровневой настройки
- •5.5. Извлечение знаний из экспериментальных данных
- •5.5.1. Постановка задачи
- •5.5.2. Критерий оптимизации
- •5.5.3. Генетический алгоритм оптимизации
- •5.5.4. Пример
- •5.6. Объект "много входов - много выходов"
- •Глава 6
- •6.1. Нейронная идентификация
- •6.1.1. Нейронная сеть как универсальный аппроксиматор
- •6.1.2. Обучение нейронной сети
- •6.1.3. Компьютерные эксперименты
- •6.2.2. Нейро-лингвистический аппроксиматор
- •6.2.1. Лингвистический аппроксиматор
- •6.2.3. Обучение нейро-нечеткой сети
- •6.2.4. Компьютерные эксперименты
- •6.3. Сравнение с нейронной идентификацией
- •Глава 7
- •7.1. Принцип слияния целей и ограничений
- •7.1.1. Нечёткие цели и ограничения
- •7.1.2. Нечёткие решения
- •7.2. Метод построения функции принадлежности
- •7.2.1.Постановка задачи
- •7.2.2. Основные определения и соотношения
- •7.2.3. Алгоритм построения функции принадлежности
- •7.3. Многокритериальный анализ вариантов
- •7.3.1. Общие принципы
- •7.3.2. Критерии как нечеткие множества
- •7.3.3. Равновесные критерии
- •7.3.4. Неравновесные критерии
- •7.4. Пример многокритериального анализа
- •7.4.1.Критерии оценки вариантов
- •Глава 8
- •8.1. Система fuzzy expert
- •8.1.1. Структура системы
- •8.1.2. Экранные формы
- •8.2. Диагностика ишемической болезни сердца
- •8.2.1. Типы диагнозов и параметры состояния больного
- •8.2.2. Нечеткая база знаний
- •8.2.3. Нечеткие логические уравнения
- •8.2.4 Грубые функции принадлежности
- •8.2.5. Алгоритм принятия решения
- •8.2.6. Тонкая настройка нечеткой базы знаний
- •8.3. Прогнозирование количества заболеваний
- •8.3.1. Экспериментальные данные
- •8.3.2. Экспертно-лингвистические закономерности
- •8.3.3. Модель прогнозирования
- •8.3.4. Настройка модели прогнозирования
- •8.4. Идентификация коэффициента сцепления "автомобиль-дорога"
- •8.4.1. Методика идентификации
- •8.4.2. Структурная идентификация
- •8.4.3. Параметрическая идентификация
- •8.4.4. Пример и сравнение с действующей методикой
- •8.5. Многофакторный анализ технологического процесса биоконверсии
- •8.5.1. Этапы и принципы моделирования
- •8.5.2. Дерево вывода
- •8.5.3. Нечеткие матрицы знаний
- •8.5.4. Нечеткий логический вывод и дефаззификация
- •8.5.5. Примеры моделирования
- •8.6. Оценка дипломных проектов
- •8.6.1. Интегральные и частные показатели
- •8.6.2. Уровни качества
- •8.6.3. Оценка частных показателей по принципу термометра
- •8.6.4. Оценка интегрального показателя
- •8.6.5. Возможные обобщения
- •8.7. Оценка кредитоспособности инновационных проектов
- •8.7.1. Типы решений и частные показатели качества
- •8.7.2. Нечеткие базы знаний
- •8.7.3. Функции принадлежности и примеры оценки
- •8.8. Управление динамической системой
- •8.8.1. Объект управления
- •8.8.2. Классическая модель управления
- •8.8.3. Нечеткая модель управления
- •8.8.4. Связь с функциями Ляпунова
8.8.1. Объект управления
В качестве объекта управления рассматривается перевернутый маятник (рис. 8.26), т. е. стержень, зафиксированный относительно тележки с возможностью колебаний в продольно-вертикальной плоскости.
Задача системы управления состоит в удержании перевернутого маятника в вертикальном положении за счет смещения тележки. Более привычный вариант такой задачи - это удерживание в вертикальном положении палки на пальце. В [3] показано, что к такому классу задач сводится моделирование ракеты, сверхзвукового самолета, состава барж, толкаемых буксиром - всех тех объектов, в которых центр масс и точка приложения силы не совпадают.
Прежде чем перейти к дифференциальным уравнениям, описывающим управление перевернутым маятником, отметим что вертикальное положение палки на пальце достигается с помощью простых правил:
ЕСЛИ угол отклонения палки от вертикали большой, ТО следует быстро перемещаться в том же направлении.
ЕСЛИ угол отклонения палки от вертикали малый, ТО следует осуществить малое перемещение в том же направлении.
ЕСЛИ угол отклонения палки от вертикали равен нулю, ТО не следует перемещаться вообще.
8.8.2. Классическая модель управления
Следуя [23], введем
обозначения (рис. 8.26):
-
длина маятника,
-
масса маятника,
-
масса тележки,
-
ускорение свободного падения,
-
управляющая сила, приложенная к тележке,
и
-
горизонтальная и вертикальная
составляющие сил, действующих на
маятник,
-
угол отклонения маятника от вертикали,
-
момент второго порядка в плоскости
качания маятника,
.
Уравнение движения перевернутого маятника как объекта управления можно записать следующим образом [23]:
крутящий момент относительно точки G
;
смещение проекции точки G на ось y
;
смещение проекции точки G на ось x
;
перемещение тележки (параллельно оси x)
.
Линейная
аппроксимация этих уравнений при
условии управления углом
в
достаточно малой области (
,
,
,
)
позволяет упростить такую систему
уравнений и привести ее к виду:
;
;
;
.
Подставляя в первое уравнение выражения для и , найденные из остальных уравнений, получим дифференциальное уравнение движения перевернутого маятника в форме
(8.26)
Для удерживания маятника в вертикальном положении с помощью обычной системы управления с обратной связью зададим управляющую переменную в виде:
(8.27)
что соответствует пропорционально-дифференциальному (ПД) регулятору.
Для обеспечения устойчивости выберем значения коэффициентов:
,
,
что дает отрицательные значения корней
,
в характеристическом уравнении
,
соответствующем (8.26).
Таким образом, для удержания перевернутого маятника в вертикальном положении можно использовать управляющее воздействие
(8.28)
при котором уравнение устойчивого движения имеет вид:
(8.29)
В табл. 8.36
приведена динамика изменения переменных
(рад)
и
(рад/с)
полученная из (8.29) методом Рунге-Кутта,
при различных начальных условиях:
,
и
.
При решении уравнения (8.29) использовались
следующие значения параметров:
кг,
кг,
см,
м/с2
.
Таблица 8.36.
Поведение перевернутого маятника под управлением ПД-регулятора
|
|
|
|
|||
|
|
|
|
|
|
|
0.0 |
0.175 |
0.0000 |
0.105 |
0.0000 |
0.035 |
0.0000 |
0.1 |
0.150 |
-0.3523 |
0.090 |
-0.2114 |
0.030 |
-0.0705 |
0.2 |
0.115 |
-0.3261 |
0.069 |
-0.1957 |
0.023 |
-0.0652 |
0.3 |
0.086 |
-0.2540 |
0.052 |
-0.1524 |
0.017 |
-0.0508 |
0.4 |
0.064 |
-0.1908 |
0.039 |
-0.1145 |
0.013 |
-0.0382 |
0.5 |
0.048 |
-0.1421 |
0.029 |
-0.0852 |
0.010 |
-0.0284 |
0.6 |
0.035 |
-0.1056 |
0.021 |
-0.0633 |
0.007 |
-0.0211 |
0.7 |
0.026 |
-0.0784 |
0.016 |
-0.0470 |
0.005 |
-0.0157 |
0.8 |
0.020 |
-0.0582 |
0.012 |
-0.0349 |
0.004 |
-0.0116 |
0.9 |
0.015 |
-0.0432 |
0.009 |
-0.0259 |
0.003 |
-0.0086 |
1.0 |
0.011 |
-0.0321 |
0.006 |
-0.0193 |
0.002 |
-0.0064 |
1.1 |
0.008 |
-0.0238 |
0.005 |
-0.0143 |
0.002 |
-0.0048 |
1.2 |
0.006 |
-0.0177 |
0.004 |
-0.0106 |
0.001 |
-0.0035 |
1.3 |
0.004 |
-0.0131 |
0.003 |
-0.0079 |
0.001 |
-0.0026 |
1.4 |
0.003 |
-0.0098 |
0.002 |
-0.0059 |
0.001 |
-0.0020 |
1.5 |
0.002 |
-0.0072 |
0.001 |
-0.0043 |
0.000 |
-0.0014 |
1.6 |
0.002 |
-0.0054 |
0.001 |
-0.0032 |
0.000 |
-0.0011 |
1.7 |
0.001 |
-0.0040 |
0.001 |
-0.0024 |
0.000 |
-0.0008 |
1.8 |
0.001 |
-0.0030 |
0.001 |
-0.0018 |
0.000 |
-0.0006 |
1.9 |
0.001 |
-0.0022 |
0.000 |
-0.0013 |
0.000 |
-0.0004 |
2.0 |
0.001 |
-0.0016 |
0.000 |
-0.0010 |
0.000 |
-0.0003 |
В дальнейшем табл. 8.36 будет использована как обучающая выборка для настройки нечеткой модели управления.
