Статья

Название статьи МЕТОД ГИБРИДНОГО УПРАВЛЕНИЯ НА ОСНОВЕ АДАПТИВНОЙ СИСТЕМЫ НЕЙРО-НЕЧЕТКОГО ВЫВОДА
Автор В. В. Игнатьев, В. М. Курейчик, О. Б. Спиридонов, А. С. Игнатьева
Рубрика РАЗДЕЛ II. ПРОЕКТИРОВАНИЕ ИНФОРМАЦИОННО-УПРАВЛЯЮЩИХ И АВТОМАТИЗИРОВАННЫХ СИСТЕМ
Месяц, год 09, 2017
Индекс УДК 004.896
DOI 10.23683/2311-3103-2017-9-124-133
Аннотация Ключевой целью работы является разработка метода управления позволяющего упростить, автоматизировать и унифицировать процесс проектирования гибридных систем, являющихся основой современной автоматизации. Для достижения определенной цели разработан метод управления техническим объектом на основе построения адаптивной системы нейро-нечеткого вывода. Объектами системы нейро-нечеткого вывода являются классическая и нечеткая модели управления. Взаимодействие между моделями обеспечивается с помощью разработанной гибридной системы управления. Результатом взаимодействия двух моделей является автоматическое формирование базы правил нечеткого регулятора на основе знаний об объекте управления, полученных при его управлении с помощью классического регулятора. В разработанной адаптивной системе нейро-нечеткого вывода сигналы ошибки и управления в классической модели используются в качестве данных для построения гибридной сети. Сигналы ошибки и управления в нечеткой модели с уже сформированными автоматически правилами нечеткого вывода используются в качестве данных для проверки построенной гибридной сети с целью выявления факта ее переобучения. Таким образом, в ходе управления техническим объектом с помощью гибридной системы полностью исключается необходимость знаний эксперта в предметной области для настройки параметров нечеткого регулятора, что позволяет управлять трудно формализуемыми объектами в условиях неопределенности. Для получения достоверных результатов исследований разработана гибридная система управления, состоящая из классической и нечеткой моделей. Получены числовые значения сигналов ошибки и управления в дискретные моменты времени в результате взаимодействия двух моделей. Cформированы специальные файлы для построения и проверки гибридной сети в виде числовых матриц. Разработка гибридной сети проведена в редакторе ANFIS пакета MATLAB. Графически показана сгенерированная структура системы нечеткого вывода FIS типа Сугено. Приведена визуализация зависимости ошибок обучения и проверки от количества циклов обучения. Построена поверхность системы нечеткого вывода, позволяющая оценить зависимость выходной переменной от входных.

Скачать в PDF

Ключевые слова Автоматизация; управление; гибридная сеть; классическая модель; нечеткая модель; база нечетких правил; адаптация; нейро-нечеткий вывод; обучение.
Библиографический список 1. Колесников А.В. Гибридные интеллектуальные системы: теория и технология разработки. – СПб.: Изд-во СПбГТУ, 2001. – 600 с.
2. Деменков Н.П. Нечёткое управление в технических системах: учеб. пособие. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2005. – 200 с.
3. Леоненков А.В. Нечёткое моделирование в среде MATLAB и fuzzyTECH. – СПб.: БХВ – Петербург, 2005. – 736 с.
4. Thanana Nuchkrua, Thananchai Leephakpreeda. Fuzzy Self-Tuning PID Control of Hydrogen-Driven Pneumatic Artificial Muscle Actuator // Journal of Bionic Engineering. – 2013.
– Vol. 10. – P. 329-340.
5. SHI Dequan, GAO Guili, GAO Zhiwei, XIAO Peng. Application of expert fuzzy pid method for temperature control of heating furnace // Procedia Engineering. – 2012. – Vol. 29.
– P. 257-261.
6. Zhiqiang Yang, Jimin Zhang, Zhongchao Chen, Baoan Zhang. Semi-active control of high-speed trains based on fuzzy PID control // Procedia Engineering. – 2011. – Vol. 15. – P. 521-525.
7. Mann G.K.I., Gosine R.G. Three-dimensional min–max-gravity based fuzzy PID inference analysis and tuning // Fuzzy Sets and Systems. – 2005. – Vol. 156. – P. 300-323.
8. Wu Y., Jiang H., Zou M. The Research on Fuzzy PID Control of the Permanent Magnet Linear Synchronous Motor // Physics Procedia. – 2012. – Vol. 24. – P. 1311-1318.
9. Abbasi E., Mahjoob M. J., Yazdanpanah R. Controlling of Quadrotor UAV Using a Fuzzy System for Tuning the PID Gains in Hovering Mode // Fourth International Conference on Advances in Computer Engineering – ACE 2013. – Frankfurt, Germany, 2013. Int. j. adv. robot. syst. – 2013. – Vol. 10, 380:2013.
10. Kai Ou, Ya-Xiong Wang, Zhen-Zhe Li, Yun-De Shen, Dong-Ji Xuan. Feedforward fuzzy-PID control for air flow regulation of PEM fuel cell system // International journal of hydrogen energy. – 21 September 2015. – Vol. 40, Issue 35. – P. 11686-11695.
11. Ahmet Karli,Vasfi Emre Omurlu,Utku Buyuksahin, Remzi Artar, Ender Ortak. Self tuning fuzzy PD application on TI TMS320F 28335 for an experimental stationary quadrotor. – URL: http://ieeexplore.ieee.org/document/6151404/ (дата обращения 23.04.2017).
12. Hamed Beirami, Ali Zargar Shabestari, Mohammad Mahdi Zerafat. Optimal PID plus fuzzy controller design for a PEM fuel cell air feed system using the self-adaptive differential evolution algorithm // International journal of hydrogen energy. – 10 August 2015. – Vol. 40, Issue 30. – P. 9422-9434.
13. Jahedi G., Ardehali M.M. Genetic algorithm-based fuzzy-PID control methodologies for enhancement of energy efficiency of a dynamic energy system // Energy Conversion and Management. – 2011. – Vol. 52. – P. 725-732.
14. Игнатьев В.В., Спиридонов О.Б. Гибридный алгоритм формирования базы правил нечеткого регулятора // Известия ЮФУ. Технические науки. – 2015. – № 11 (172). – С. 177-186.
15. Игнатьев В.В. Синтез систем гибридного управления на основе объединения классической и нечеткой моделей объекта // Materiály VIII mezinárodní vědecko – praktická konference «Dny vědy – 2012». – Díl 94. Technické vědy: Praha. Publishing House «Education and Science» s.r.o – 88stran. –P. 54-57.
16. Ignatyev V.V. Fuzzy control system in an automatic and automated production // Материали за 9-а международна научна практична конференция, «Ключови въпроси в съвременната наука». – 2013. – Т. 36. Технологии. София. «Бял ГРАД-БГ» ООД. – P. 41-43.
17. Ignatyev V.V., Finaev V.I. The use of hybrid regulator in design of control systems // World Applied Sciences Journal. – 2013. – Vol. 23 (10). – P. 1291-1297. – ISSN 1818-4952 © IDOSI Publications, 2013. DOI: 10.5829/idosi.wasj.2013.23.10.13144.
18. Круглов В.В., Дли М.И., Голубов Р.Ю. Нечёткая логика и искусственные нейронные сети. – М., 2004. – 224 с.
19. Дьяконов В. MATLAB: учебный курс. – СПб.: Питер, 2001. – 560 с.
20. Дьяконов В., Круглов В. Математические пакеты расширения MATLAB. Специальный справочник. – СПб.: Питер, 2001. – 480 с.

Comments are closed.