- •1 Основные понятия и структурная схема приборного комплекса.
- •17 Принципы построения измерителей навигационных параметров в живом организме.
- •2.Комплексы оборудования самолетов.
- •10 . Основные направления развития исследований и систем искусственного интеллекта
- •4. Основные характеристики и требования, предъявляемые к системам отображения информации.
- •5. Навигационные комплексы. Общие сведения и классификация.
- •11.Диалоговые системы искусственного интеллекта.
- •12 Бионика, как наука.
- •6.Основные закономерности построения навигационных комплексов.
- •7.Навигационные комплексы на базе микропроцессоров.
- •8.Иерархические структуры навигационных комплексов. Системы искусственного интеллекта в навигационных комплексах.
- •18 Общие принципы построения биологических навигационных комплексов.
- •22 Интеллектуальный биологический навигационный комплекс.
- •9.Понятие об искусственном интеллекте. Интеллектуальные системы.
- •13 Обобщенная модель живого организма.
- •14 Основные функции живого организма.
- •15 Навигационная бионика. Общность задач и основных принципов навигации в живой природе и технике.
- •16 Общая характеристика методов навигации.
- •19 Информационное обеспечение пространственной навигации животных.
- •20 Обеспечение точности и надежности функционирования навигационных биосистем.
- •21 .Накопление априорной информации в биологических навигационных комплексах при обучении.
- •23 Основные особенности биологических навигационных комплексов.
- •24 Системы искусственного интеллекта – системы, базирующиеся на знаниях.
- •25 Основные структуры систем искусственного интеллекта.
- •26 Представление знаний.
- •27. Семантические сети.
- •28 Фреймовые модели.
- •29 Логические модели знаний и системы логического вывода.
- •30 Продукции и продукционные системы.
- •31. База знаний систем искусственного интеллекта.
- •32 Стратегия управления и механизм вывода в системах искусственного интеллекта.
- •33 Прямая цепочка рассуждений. База знаний. Обобщенный алгоритм работы.
- •34 Обратная цепочка рассуждений. Дерево решений. База знаний. Обобщенный алгоритм работы.
- •35 Общие методы поиска решений в пространстве состояний.
- •41)Нечеткие множества и лингвистические переменные.
- •42)Операции с нечеткими множествами.
- •37 Особенности разработки баз знаний бортовых экспертных систем.
- •43)Нечеткие алгоритмы.
- •47) Программная и аппаратная реализация нечетких регуляторов.
- •44)Общие принципы построения интеллектуальных систем управления на основе нечеткой логики.
- •45) Процедура синтеза нечетких регуляторов.
- •46) Синтез адаптивной сау с эталонной моделью на основе нечеткой логики.
- •48)Общая характеристика проблемы построения искусственных нейронных сетей. История проблемы.
- •49)Моделирование механизмов человеческого мышления. Модели нейронов.
- •50_Реализация логических функций на формальных нейронах. Проблема «Исключающего или».
- •51 .Искусственные нейронные сети. Общие положения.
- •52 . Персептрон ф. Розенблатта.
- •53 .Адаптивный пороговый элемент.
- •55. Общие принципы построения интеллектуальных сау с использованием нейронных сетей.
- •39 Нечеткая логика: история проблемы, практические приложения.
- •54. Многослойные персептроны. Алгоритм обратного распространения.
- •57 Применение нейронных сетей в задачах адаптации алгоритмов управления нелинейными объектами.
- •62. Нейрокомпьютер фирмы аас.
- •61. Способы реализации нейронных сетей. Примеры реализации нейрокомпьютеров.
- •1. Нейрокомпьютеры на базе транспьютеров.
- •58. Применение нейронных сетей в задачах идентификации математических моделей динамических объектов.
- •59 Обзор возможных вариантов построения нейронных сетей.
- •63.Генетические алгоритмы. Особенности построения и реализации
- •38 Системы искусственного интеллекта с использованием нечеткой логики.
- •36.Проблемы разработки бортовых оперативно-советующих экспертных систем.
45) Процедура синтеза нечетких регуляторов.
Обобщенная процедура синтеза нечетких алгоритмов управления может быть сформулирована следующим образом:
1. Определяется множество целей, которые ставятся перед системой. (Какие конечные результаты преследует создание системы?)
2. Уточняются множества входных и выходных переменных регулятора. (Какие координаты объекта должны наблюдаться и какие управляющие воздействия должны изменяться, для того чтобы достичь поставленных целей?)
3. Перечисляются возможные ситуации в работе системы. (Как должны выбираться лингвистические переменные и какие значения (термы) они могут принимать?)
4. Формируется база правил. (Какой набор правил отражает желаемые изменения состояния системы?)
5. Производится выбор методов фаззификации.
6. Конкретизируются механизм вывода и методы дефаззификации. (По каким зависимостям входы нечеткого регулятора должны преобразовываться в его управляющие воздействия?).
Рассмотрим особенности применения данной процедуры на следующем примере, представляющем прежде всего методический интерес. Пусть нечеткий регулятор используется для непосредственного (прямого) управления объектом. Тогда:
10. Цель синтеза - создание «хорошего» регулятора, обеспечивающего малое перерегулирование, высокое быстродействие и слабую колебательность (т. е. быстрое затухание) переходных процессов.
20. Входные величины регулятора - сигнал ошибки e=r-y и сигнал ее производной ce=de(t)/dt, выход - управляющее воздействие u.
30. Для того чтобы выработать стратегию управления, обратимся к рис. 28.1, на котором показан график переходной функции системы y(t), т. е. ее реакции на единичное ступенчатое воздействие r(t).
Разобъем график y(t) на следующие характерные участки:
I – «Начало переходного процесса»:
ошибка ек велика, скачок скорости ее изменения сек; резко увеличить управляющее воздействие uk = uk-uk-1;
II – «Продолжать движение»:
ошибка ек велика, но убывает; поддерживать управление uk на прежнем уровне или слегка уменьшить;
Рис. 28.1 График переходной функции системы
III , V, VII – «Достигли уровня уставки»:
ошибка ек около нуля, скорость ее изменения достаточно мала; сохранить управление uk;
IV ,VI – «Достигли локального максимума (минимума)»:
ошибка ек невелика, скорость ее изменения сек около нуля; незначительно уменьшить (или увеличить) uk;
VIII – «Достигли установившегося состояния»:
ошибка ек и скорость ее изменения сек около нуля; сохранить управление uk.
Здесь ек, сек и uk - значения сигнала ошибки, скорости ее изменения и управляющего воздействия в к-й момент времени tк (к=0,1,2,...); uk = uk - uk-1.
40. Введем следующие обозначения:
LP – «большое положительное» (large positive);
SP – «малое положительное» (small positive);
Z – «около нуля» (zero);
SN – «малое отрицательное»(small negative);
LN – «большое отрицательное» (large negative);
Тогда правила формирования сигнала управления можно записать в следующем виде (см. соответствующие пояснения на рис. 28.1):
ПРАВИЛО I: «ЕСЛИ (ек= LP и сек= LP), ТО uk= LP»;
ПРАВИЛО II: «ЕСЛИ (ек= LP и сек= LN), ТО uk= Z»;
ИЛИ «ЕСЛИ (ек= SP и сек= LN), ТО uk= SN»;
ПРАВИЛО III: «ЕСЛИ (ек= Z и сек= SN), ТО uk= Z»;
ПРАВИЛО IV: «ЕСЛИ (ек= SN и сек= Z), ТО uk= SN»;
ПРАВИЛО V: «ЕСЛИ (ек= Z и сек= SP), ТО uk= Z»;
ПРАВИЛО VI: «ЕСЛИ (ек= SP и сек= Z), ТО uk= SP»;
ПРАВИЛО VIII: «ЕСЛИ (ек= Z и сек= Z), ТО uk = Z».
(Правило VII отсутствует в данном перечне, т.к. номер правила здесь совпадает с номером участка кривой переходного процесса на рис. 28.1, а лингвистические переменные е; се и u на участке VII принимают те же значения, что и на участке III).
Как видно, приведенный алгоритм управления представляет собой нечеткий, «расписанный по шагам» вариант реализации ПИД - алгоритма.
Для рассматриваемого случая, когда нечеткий регулятор имеет 2 входа и 1 выход, удобно представить данный алгоритм управления с помощью так называемой таблицы решений (decision table) (табл. 28.1).
Таблица 28.1
Данная таблица заполняется следующим образом. На пересечении i-й строки и j-го столбца записывается требуемое значение выходной переменной uk, соответствующее i-му значению (терму) ек и j-му значению сек.
Анализ полученной таблицы решений показывает, что предложенный выше набор правил I ÷ VIII не является функционально полным (таблица содержит большое число пустых клеток). Для заполнения недостающих клеток необходимо проанализировать большое число ситуаций управления
50. выбор функций принадлежности во многом остается предметом интуиции и опыта разработчика.
Существуют стандартные формы задания функций принадлежности : треугольная (а), трапецеидальная (б), S - типа, или функция «фильтра»(в), Z - типа (г), колоколообразная (д).
Для дефаззификации чаще всего используется метод центра тяжести . Однако, вычисляя положение центра тяжести (u)0 для полученного графика функции принадлежности (u), следует учитывать факт пересечения носителей нечетких подмножеств u. Поэтому каждый раз в процессе дефаззификации приходится пересчитывать значение управляющего воздействия (u)0, что приводит к увеличению времени на вычисления.
Процедура дефаззификации существенно упрощается, если значения выходной лингвистической переменной u заданы с помощью нескольких одноточечных нечетких подмножеств (singletons), например, как это сделано на рис. 28.5, а.
Допустим, что полученная на основе механизма вывода функция принадлежности (u) принимает вид (рис. 28.5, б), где высоты отдельных подмножеств (линий) определяются уровнями активизации соответствующих правил управления (уровнями выполнения условий «ЕСЛИ» этих правил). Тогда вычисление координаты центра тяжести (u)0 производится по формуле :
где Bi(u) - функции принадлежности одному из одноточечных нечетких подмножеств Bi (т.е. LN, SN, Z, SP, LP); ui - числа-носители этих подмножеств. Для рассматриваемого на рис. 28.5, б случая имеем:
Эксперименты показывают, что полученные нечеткие системы, даже при сделанных выше упрощениях, являются робастными (т.е. мало чувствительными к различного рода возмущениям) и что эти упрощения не оказывают существенного влияния на качество результатов.
Рис. 28.5 Процедура дефаззификации для одноточечных нечетких подмножеств