Интеллектуальные системы управления на основе нечеткой логики. Алгоритмы параметрического синтеза нейро-нечетких регуляторов на базе аппарата теории интеллектуальных систем. Проектирование нечетких регуляторов на основе искусственных нейронных сетей.
Аннотация к работе
МИНИСТЕРСТВО ВЫСШЕГО И СРЕДНЕГО СПЕЦИАЛЬНОГО ОБРАЗОВАНИЯ ТАШКЕНТСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ КАФЕДРА «АВТОМАТИЗАЦИЯ И УПРАВЛЕНИЕ» ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА на тему: «Разработка алгоритмов параметрического синтеза нейро-нечетких регуляторов на базе аппарата теории интеллектуальных систем» по направлению 5521800 - «Автоматизация и управление» для получения степени бакалавраТермин «технический объект» применим для большого количества устройств, относящихся к технике: суда, самолеты, автомобили, электрогенераторы, станки, атомные реакторы, бытовая техника и т.д. Каждый вид ОУ обладает своими особенностями, но все они объединяются наличием цели (критерия) управления, понятием пространства состояния параметров, свойствами управляемости, наблюдаемости, идентифицируемости и адаптируемости. Построение САУ для технического ОУ требует априорной информации о функции цели управления, параметрических моделях ОУ и возмущений, причем достоверность данной информации непосредственно определяет выбор метода и качество синтезируемого регулятора. К настоящему времени разработаны альтернативные подходы к синтезу регуляторов для управления слабо формализованными объектами (априорная неопределенность): адаптивный, робастный, нечеткий и нейронный. Наиболее перспективным подходом к синтезу САУ слабо формализованными объектами считается применение методов искусственного интеллекта, ориентированных на формализацию задач принятия управляющих решений в условиях неопределенности, таких, как нечеткая логика.Применение нечеткой логики обеспечивает принципиально новый подход к проектированию систем управления, “прорыв” в новые информационные технологии, гарантирует возможность решения широкого круга проблем, в которых данные, цели и ограничения являются слишком сложными или плохо определенными и в силу этого не поддаются точному математическому описанию. Возможны различные ситуации, в которых могут использоваться нечеткие модели динамических систем [1, 2]: - когда имеется некоторое лингвистическое описание, которое отражает качественное понимание (представление) процесса и позволяет непосредственно построить множество нечетких логических правил; Первые результаты практического применения алгоритмов нечеткой логики к управлению реальными техническими объектами были опубликованы в работах профессора Лондонского Королевского колледжа Э.Х.Мамдани, посвященных проблеме регулирования парогенератора для электростанции. 1.1 ДФ - динамический фильтр, выделяющий, помимо сигналов ошибок управления x1=r1-y1 и x3=r2-y2, производные от этих сигналов х2= х·1 и х4= х·3; РНЛ - регулятор на основе нечеткой логики (“нечеткий регулятор”), включающий в себя базу знаний (конкретнее - базу правил) и механизм логического вывода; r=(r1, r2)T, х=(х1, х2, х3, х4)T, u=(u1, u2)T и у=(у1, у1)T - соответственно векторы задающих воздействий (уставок), входов и выходов РНЛ, а также выходов объекта управления (т.е. парогенератора); т - операция транспонирования вектора. В качестве входов и выходов РНЛ выступают: х1=РЕ - отклонение давления в паровом котле (у1) по отношению к его требуемому (номинальному) значению (r1); х2=СРЕ - скорость изменения РЕ; х3=SE - отклонение скорости изменения давления (у2) по отношению к его заданному значению (r2); х4=CSE - скорость изменения SE; u1=НС - изменение степени подогрева пара; u2= ТС - изменение положения дросселя.Если выходная переменная u регулятора R описывается выражением: , (1.1) где t - время, а K, Ti, Td - пропорциональный коэффициент, постоянная интегрирования и постоянная дифференцирования соответственно, то такой регулятор называют ПИД-регулятором. Таким образом, ПИ-регулятор имеет два существенных положительных отличия от И-регулятора: во-первых, его усиление на всех частотах не может стать меньше K, следовательно, увеличивается динамическая точность регулирования; во-вторых, по сравнению с И-регулятором он вносит дополнительный сдвиг фаз только в области низких частот, что увеличивает запас устойчивости замкнутой системы. Наличие в ПИД-регуляторе всего лишь трех регулируемых параметров (K, Ti, Td) в ряде случаев оказывается недостаточным для получения заданного качества регулирования, особенно для систем с большой транспортной задержкой L и для систем, в которых требуются одновременно высокое качество слежения за уставкой и высокое качество ослабления внешних возмущений. Можно доказать, что регулятор, представленный на рис.1.12, полностью эквивалентен регулятору, показанному на рис.1.130, если блок R(s) является классическим регулятором (1.4), а блок F(s) имеет передаточную функцию вида: . Регулятор при b = 0 и c = 0 иногда называют И(ПД)-регулятором, а при b =1 и c = 0 - ПИ(Д)-регулятором.Пусть структурная схема ИСУ соответствует рис.1.1, т. е. нечеткий регулятор используется для непосредственного (прямого) управления объектом.
План
Оглавление
Введение
Глава I. ЗАДАЧИ ПАРАМЕТРИЧЕСКОГО СИНТЕЗА НЕЙРО-НЕЧЕТКИХ РЕГУЛЯТОРОВ НА БАЗЕ АППАРАТА ТЕОРИИ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ
1.1 Общие принципы построения интеллектуальных систем управления на основе нечеткой логики
1.2 Регуляторы: принципы построения и модификации
1.3 Процедура синтеза нечетких регуляторов
ГЛАВА II. АЛГОРИТМЫ ПАРАМЕТРИЧЕСКОГО СИНТЕЗА НЕЙРО-НЕЧЕТКИХ РЕГУЛЯТОРОВ НА БАЗЕ АППАРАТА ТЕОРИИ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ
2.1 Проектирование нечетких регуляторов на основе искусственных нейронных сетей
2.2 Синтез адаптивной САУ с эталонной моделью на основе нечеткой логики
2.3 Программная и аппаратная реализация нечетких регуляторов
2.4 Управление процессом шлифовки внутренних поверхностей