Интеллектуальная система автоматизированного управления температурой ферментера - Курсовая работа

1. Литературный обзор 1.1 Основные понятия и термины в области метрологии 1.1.1 Предпосылки создания интеллектуальных САУ 1.1.2 Информационные аспекты организации интеллектуальных САУ 1.1.3 Представление знаний в интеллектуальных системах 1.1.4 Методы описания нечетких знаний в интеллектуальных системах 1.1.5 Классификация интеллектуальных систем и структурная организация интеллектуальных САУ 2. Нечеткие системы автоматического управления 2.1 САУ с нечетким контроллером 3. САУ температурой ферментатора 4. Литературный обзор 1.1 Основные понятия и термины в области метрологии 1.1.1 Предпосылки создания интеллектуальных САУ Традиционная теория автоматического управления при построении САУ базируется на следующей последовательности: формальное описание объекта управления и устройства управления → формирование критериев управления объектом → непосредственное проектирование САУ. Очевидно, что при поэтапной реализации описанной цепочки, характер возникающих подзадач и способов их решения всецело определялся выбранной структурой и видом формального описания объекта управления (ОУ) и устройства управления (УУ), образующих управляющую систему. Оптимизация управления всегда была ключевой проблемой классической ТАУ, а при ее решении подразумевалось, что управляющая система описана в точных терминах формальной моделью, адекватно отражающей ее реальное состояние и процесс взаимодействия с внешней средой. Можно дать множество видов классификаций моделей управляющих систем: по функциональному назначению, по виду математического описания элементов системы, по характеру изменения физических величин и т.д.. Однако, поскольку нас интересует происхождение интеллектуальных САУ, отличительной чертой которых является реализация процедур взаимодействия с внешней средой, имитирующих в той или иной степени человеческие действия и мыслительные процессы, дадим упрощенную классификацию моделей управляющих систем именно с этой точки зрения. Исходя из характера информационного взаимодействия ОУ с внешней средой можно выделить три класса моделей управляющих систем, различаемых по объему используемой в процессе управления информации: · автономные - системы, не использующие непосредственной информации о реальных внешних возмущающих воздействиях, т.е. системы «замкнутые» относительно внешнего мира; · формализованные - системы, использующие информацию о реальных внешних возмущающих воздействиях в виде идеализированных формальных математических моделей, т.е. системы, существующие в техническом субъективном внешнем мире; · информационные - системы, использующие непосредственную информацию о реальных внешних возмущающих воздействиях, т.е. системы, существующие в реальном внешнем мире. В процессе функционирования систем автоматической стабилизации на человека-оператора (лицо, принимающее решение - ЛПР) возлагались функции определения вектора входных переменных G, задающих режим функционирования объекта (в данном случае в автоматическом режиме - это желаемые значения выходных переменных ОУ, так называемые уставки регуляторов). Поддержание желаемых значений выходных переменных осуществлялось путем подачи на вход ОУ вектора управляющих воздействий U , формируемых устройством управления(рис.1.1,1.2). Таким образом, внешний мир для такой системы представляется в виде некой приближенной формализованной модели. Именно поэтому создание интеллектуальных САУ, реализующих элементы мыслительной деятельности человека, связанные с представлением и использованием знаний, позволяет получить системы управления качественно нового уровня - системы, которые, подобно человеку, существуют и работают в реальном мире, оперируя со знаниями об этом реальном мире. 1.1.2 Информационные аспекты организации интеллектуальных САУ Итак, преимущество интеллектуальной САУ при управлении сложными технологическими процессами обусловлено тем, что данный класс систем работает не с количественными данными, как традиционные САУ, а со знаниями, базирующимися не только на количественной, но и на качественной информации. Если термометр выйдет из строя, человек быстро это поймет по своим ощущениям (допустим термометр показывает 20 ° C , а по ощущениям оператора в комнате гораздо жарче). Но еще ценнее, вытекающее (разумеется, с помощью рассуждений) из приведенных четких количественных знаний нечеткое качественное знание о том, что реактор имеет экстремальную статическую характеристику, следовательно (снова следует нечеткий вывод), можно попытаться достичь наибольшего выхода готового продукта, проведя ряд дополнительных экспериментов или реализовав экстремальную систему регулирования. Можно сказать, он рискует своей жизнью, не просчитав все точно на калькуляторе, не подставив данные в формулу, по которой можно точно вычислить тормозной путь автомобиля (хотя такая методика точного расчета существует и бережно хранится в недрах ГИБДД). В случае выбора средств представления знаний в технических системах такой универсализм представления знаний невозможен, поскольку потребует аппаратной и программ