Магистерская диссертация на тему: Нечеткая логика в системах управления

Введение

В последнее время нечеткая технология завоевывает все больше сторонников среди разработчиков систем управления. Взяв старт в 1965 году из работ профессора Лотфи Заде [1], за прошедшее время нечеткая логика прошла путь от почти антинаучной теории, практически отвергнутой в Европе и США, до банальной ситуации конца девяностых годов, когда в Японии в широком ассортименте появились "нечеткие" бритвы, пылесосы, фотокамеры [4, 10]. Сам термин "fuzzy" так прочно вошел в жизнь, что на многих языках он даже не переводится. В России в качестве примера можно вспомнить рекламу стиральных машин и микроволновых печей фирмы Samsung, обладающих искусственным интеллектом на основе нечеткой логики.

Тем не менее, столь масштабный скачок в развитии нечетких систем управления не случаен. Простота и дешевизна их разработки заставляет проектировщиков все чаще прибегать к этой технологии. Бурный рост рынка нечетких систем показан на рис. 1.

После поистине взрывного старта прикладных нечетких систем в Японии [2, 3, 5, 6] многие разработчики США и Европы наконец-то обратили внимание на эту технологию. Но время было упущено, и мировым лидером в области нечетких систем стала Страна восходящего солнца [7, 8], где к концу 1980-х годов был налажен выпуск специализированных нечетких контроллеров, выполненных по технологии СБИС [9]. В такой ситуации Intel нашла поистине гениальное решение. Имея большое количество разнообразных контроллеров от MCS-51 до MCS-96, которые на протяжении многих лет успешно использовались во многих приложениях, корпорация решила создать средство разработки приложений на базе этих контроллеров, но с использованием технологии нечеткости. Это позволило избежать значительных затрат на конструирование собственных нечетких контроллеров, а система от Intel, получившая название fuzzy TECH, завоевала огромную популярность не только в США и Европе, но и прорвалась на японский рынок.

Оглавление

- Нечеткая логика в системах управления

- Немного теории

- Фаззификация переход к нечеткости

- Лингвистические переменные

- Функции принадлежности

- Разработка нечетких правил

- Дефаззификация устранение нечеткости

- Метод центра максимума СоМ

- Метод наибольшего значения МоМ

- Метод центроида СоА

- Описание системы

- Off-line-оптимизация

- Оn-line-оптимизация

- Реализация

- Литература 13

Список литературы

1. Zade L. А. The concept оf а linguistic variable and its application tо approximate reasoning. Part 1, 2, 3 // Information Sciences, n. 8 рр.199-249, рр.301-357; n. 9 рр. 43-80.

2. Прикладные нечеткие системы: Перевод с япон./ К. Асаи, Д. Ватада, С. Иваи и др.; под ред. Т. Тэрано, К. Асаи, М. Сугено. - М.: Мир, 1993.

3. Mamdani Е. Н. Applications оf fuzzy algorithms for simple dynamic plant. Porc. IEЕ. vol. 121, n. 12, рр. 1585-1588, 1974.

5. Yagashita О., Itoh О., and Sugeno М. Application оf fuzzy reasoning tо the water purification process, in Industrial Applications оf Fuzzy Control, Sugeno М, Еd. Amsterdam: North-Holand 1985, рр.19-40.

6. Yasunobu S., Miyamoto S., and Ihara Н. Fuzzy control for automatic train operatiоn system, in Proc. 4th. IFAC/IFIP/IFORS Int. Congress оn Control in Transportatiоn Systems, Baden-Baden, April, 1983.

7. Yasunobu S., and Hasegawa Т. Predictive fuzzy control and its applications for automatic container crane operation system, in Proc. 2nd. IFSA Congress, Tokyo, Japan, Julie 1987.

8. F. Fujitec, FLEX-8800 series elevator group control system, Fujitec Со., Ltd., Osaka, Japan, 1988.

9. Watanabe Н., and Dettloff. Reconfigurable fuzzy logic processor: А full custom digital VLCI, in Int. Workshop оn Fuzzy Systems Applications, Iiruka, Japan, Aug. 1988, рр. 49-50.