Проверяемый текст
Караваев M. В. Применение нечеткой логики в имитационной системе автономного адаптивного управления. Труды Института Системного Программирования Российской Академии Наук: Том 7 (под ред. А.А.Ждаиова). -М.: ИСП РАН, 2004, с. 41-53.
[стр. 121]

121 большее число интервалов, например, на Lt+2, и система начинает оперировать уже 5-ю нечёткими переменными вместо 3-х и т.д..
Затем сформированный нечеткий образ поступает на вход блока оценки состояния объекта управления, который вычисляет для этого образа оценку по формуле
(4).
Блок хранения истории управления сохраняет конечную последовательность образов состояний объекта и управляющих воздействий в виде
(5).
Причём для соблюдения условия дискретности память истории управления может хранить информацию, полученную только на последних N тактах управления, а все сведения о состоянии объекта на тактах
управления, отстоящих от текущего момента времени более чем на N тактов утрачиваются (“забываются”).
Величина N влияет на качество формируемых правил управления и задается априорно, исходя из предполагаемого периода повторения характерных для системы закономерностей во входных и выходных данных.
Обобщенная информация о более ранних событиях в истории управления может сохраниться в базе знаний нечетких правил управления, если она еще не потеряла своей актуальности.
Блок формирования правил управления
обеспечивает один из аспектов адаптивности разрабатываемой системы: динамическое формирование нечетких правил управления.
Он работает следующим образом.
Через определенное число тактов просматривается история управления и производится поиск повторяющихся фрагментов.
Далее из этих участков формируется правило управления при соблюдении следующих обязательных условий: а) все суммы степеней принадлежностей входных переменных нечётким множествам повторяющегося участка превышают некоторый порог
Р;а б) последним результирующим образом этого участка истории является образ с максимальной оценкой для текущего уровня детализации;
[стр. 6]

Под базой знаний системы в дальнейшем подразумевается совокупность памяти истории управления и набора нечетких правил управления.
Последний также можно назвать базой знаний правил управления.
Блок датчиков через равные интервалы времени (на каждом такте работы управляющей системы) измеряет параметры внешней среды, например для спутника: угловое отклонение и угловую скорость.
Они в виде значений физических переменных x1(t), x2(t),… xn(t) поступают на вход блока формирования и распознавания образов.
Блок датчиков Блок ФРО (фаззификация) Блок оценки состояния ОУ База знаний (нечеткие правила управления) Блок исполняющих органов Блок принятия решений (дефаззификация) Блок формирования правил управления Управляющая система Объект управления Среда в строгом смысле Среда в узком смысле Среда в широком смысле x1(t), x2(t)...xm(t) O(t) E(O(t)) Блок хранения истории управления M1(t), M2(t)...Mn(t) A(t) Рис.
2.
Общая структура системы ААУ с использованием нечеткой логики.
Блок ФРО производит сопоставление входных физических переменных x1(t), x2(t),… xn(t), нечётким множествам соответствующих нечетких переменных (фазификация) – вычисление для каждой нечеткой переменной значения характеристической функции принадлежности.
Далее происходит формирование образа текущего состояния объекта управления в соответствии с текущим уровнем детализации Lti каждой i–ой входной лингвистической переменной.
Изначально каждая входная физическая переменная сопоставляется, например, только c тремя входными нечёткими переменными: Lti = 3.
При накоплении определённого количества знаний для повышения качества управления часто возникает необходимость в более точном измерении какого-либо входного параметра.
Тогда диапазон значений соответствующей входной физической переменной разбивается на большее число интервалов, например, на Lti+2, и система начинает оперировать уже 5-ю нечёткими переменными вместо 3-х и т.д..
Затем сформированный нечеткий образ поступает на вход блока оценки состояния объекта управления, который вычисляет для этого образа оценку по формуле
(1).
Блок хранения истории управления сохраняет конечную последовательность образов состояний объекта и управляющих воздействий в виде
(2).
Причём для соблюдения условия дискретности память истории управления может хранить информацию, полученную только на последних Np тактах управления, а все сведения о состоянии объекта на тактах
6

[стр.,7]

управления, отстоящих от текущего момента времени более чем на Np тактовутрачиваются (“забываются”).
Величина Np влияет на качество формируемых правил управления и задается априорно, исходя из предполагаемого периода повторения характерных для системы закономерностей во входных и выходных данных.
Обобщенная информация о более ранних событиях в истории управления может сохраниться в базе знаний нечетких правил управления, если она еще не потеряла своей актуальности.
Блок формирования правил управления обеспечивает один из аспектов адаптивности разрабатываемой системы: динамическое формирование нечетких правил управления.
Он работает следующим образом.
Через определенное число тактов просматривается история управления и производится поиск повторяющихся фрагментов.
Далее из этих участков формируется правило управления при соблюдении следующих обязательных условий: а) все суммы степеней принадлежностей входных переменных нечётким множествам повторяющегося участка превышают некоторый порог
Pa; б) последним результирующим образом этого участка истории является образ с максимальной оценкой для текущего уровня детализации; в) среднее качество управления (средняя оценка образов) на данном отрезке превышает порог Ea; г) общие затраты энергии исполнительным органом на данном участке истории не превышают величину Wa; д) длина данного фрагмента не превышает некоторую априорно задаваемую величину Na.
При несоблюдении последнего условия от отрезка истории отсекается начальная его часть необходимой для выполнения этого условия длины.
Однако при этом может перестать выполняться третье условие.
При формировании двух или более противоречащих друг другу правил в базу знаний заносится правило, имеющее наибольшее среднее качество управления и наименьшие энергозатраты исполняющего органа.
В зависимости от конкретной задачи разрабатываемой системы управления критерий выбора оптимального правила может варьироваться.
Противоречивыми правилами считаются правила, значения лингвистических переменных первых образов которых полностью совпадают, за исключением степени уверенности.
Набор правил управления в какой-либо точке пространства входных переменных считается точечно-полным, если в этой точке средняя степень принадлежности значений всех физических переменных входным множествам нечетких правил превышает некоторую априорно задаваемую величину Pv.
Набор правил управления считается полным, если среднее значение степеней принадлежности превосходит Pv во всех точках пространства входных признаков.
Если на каком-то такте при текущих значениях входных переменных в соответствующей точке пространства условие полноты правил управления не выполняется, то при вычислении выходного управляющего воздействия сумма степеней принадлежности выходных нечётких переменных дополняется до значения Pv случайной величиной, тяготеющей к нулевому воздействию.
Таким образом происходит обучение системы управления при недостатке в базе знаний эмпирической информации в виде нечетких правил.
Помимо динамического формирования правил управления, свойства адаптивности системы стабилизации обеспечиваются механизмом удаления неадекватных текущим условиям правил: у каждого правила управления имеется счётчик сбоев, который увеличивается на единицу при каждом срабатывании правила, не приведшем к ожидаемому результату (образу с максимальной оценкой).
После хотя бы одного удачного выполнения 7

[Back]