Описание

Введение

Цель исследования: Основной целью исследования является разработка метода автоматического синтеза нечетких регуляторов на основе измеренных данных. Это необходимо для решения проблем, связанных с выбором количества термов лингвистических переменных, определением функций принадлежности и созданием базы правил в системах управления техническими объектами. Актуальность: Исследование актуально в контексте автоматизации процессов разработки интеллектуальных систем управления, что позволяет снизить трудоемкость и временные затраты на участие экспертов. Интеллектуальные технологии управления, основанные на нечеткой логике, обеспечивают лучшие показатели качества переходных процессов и робастность при изменении параметров функционирования.

Методология

Описание методов: В исследовании предложена структурная схема системы управления, реализованная в среде MatLab Simulink, которая позволяет снимать входные и выходные сигналы регулятора и сохранять их в файл. Используется метод кластеризации данных для определения параметров входных и выходных переменных нечеткого регулятора и создания базы нечетких правил. Обоснование выбора методов: Выбор метода кластеризации обусловлен его способностью автоматически определять количество кластеров и параметров функций принадлежности, что снижает необходимость участия экспертов.

Основные результаты

Ключевые находки: Разработан алгоритм, который позволяет исключать дублирующие правила из базы и усреднять правила с разными консеквентами. Создано программное обеспечение, которое автоматизирует процесс синтеза нечетких регуляторов. Статистическая значимость: Исследование показало, что автоматическая генерация нечетких регуляторов обеспечивает переходные процессы без перерегулирования и с меньшим временем регулирования по сравнению с классическими регуляторами.

Обсуждение и интерпретация

Анализ результатов: Авторы интерпретируют результаты как успешное подтверждение возможности автоматического синтеза нечетких регуляторов, что снижает необходимость участия экспертов и улучшает показатели управления. Сравнение с предыдущими исследованиями: Результаты исследования подтверждают эффективность методов кластеризации и автоматического синтеза, описанных в предыдущих работах, и предлагают улучшения в виде редукции базы правил.

Заключение

Основные выводы: Метод автоматического синтеза нечетких регуляторов позволяет эффективно создавать регуляторы на основе измеренных данных, минимизируя участие экспертов. Практическая значимость: Метод может быть использован для автоматического создания нечетких регуляторов и помощи экспертам в разработке баз правил. Ограничения исследования: Основное ограничение связано с неполнотой базы правил, что требует более разнообразного входного сигнала для полной генерации правил. Рекомендации для будущих исследований: Необходимо разработать алгоритм автоматического определения вида и количества функций принадлежности, а также исследовать методы кластеризации для кластеров с незаданными интервалами границ.

Ключевые слова и термины

Ключевые термины: система управления, нечеткий регулятор, редукция базы правил, кластеризация, нечеткий вывод.

Библиография

Ссылки на ключевые источники: В статье ссылаются на работы, посвященные методам кластеризации и генетическим алгоритмам для автоматического синтеза нечетких регуляторов, такие как работы Kropotov D., Vetrov D. и Mohammed Al-S., Maysam F.