Приложения нейронного управления

МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

ЛЕКЦИЯ № 12

На прошлых лекциях мы рассмотрели подходы к нейронному управлению. Далее мы будем изучать примеры практического применения некоторых методов нейроуправления и не только нейроуправления для реальных систем.

ПРИЛОЖЕНИЯ НЕЙРОННОГО УПРАВЛЕНИЯ

В качестве реальной системы будем рассматривать систему управления температурой водяной ванны, инвертированный маятник, систему управления генератором в электрическом транспортном средстве и печь как многомерный объект управления, со многими входами и выходами.

1. Система управления температурой водяной ванны

Система управления представляет собой регулятор температуры для лабораторной водяной ванны. Это вполне конкретный пример, регулятор разработан японской корпорацией Yamato Science, модель BT-15. Схема экспериментальной установки такая:

Рекомендуемые материалы

Рисунок. Схема системы управления температурой водяной ванны

Система состоит из пяти основных частей:

1) модуль датчика;

2) водяная ванна;

3) программируемая плата интерфейса ввода-вывода;

4) микро-ЭВМ;

5) исполнительное устройство.

Ёмкость ванны — 8 литров, её размеры — 25×29×10 см. Нагрев ванны осуществляется нагревателем мощностью 600 Вт, подключённым к тиристорной схеме. Для обеспечения равномерного распределения температуры используется мешалка со скоростью вращения 120 об/мин.

Модуль датчика представляет собой двухкаскадную усилительную схему. Он может преобразовывать измеряемую температуру в диапазоне от 0 до 100 °С в напряжение от 0 до 10 В. Его разрешающая способность — 0,24 °С.

Плата интерфейса ввода-вывода состоит из аналого-цифрового преобразователя АЦП, цифро-аналогового преобразователя ЦАП и программируемого периферийного интерфейса. Для управления АЦП и ЦАП имеется внешний таймер.

В эксперименте использовалась мини-ЭВМ NEC PC 9801F с 16-разрядным процессором Intel 8086 с тактовой частотой 10 МГц. Для передачи управляющих сигналов на исполнительное устройство через ЦАП и для измерения температуры использовалась несложная управляющая программа на Си.

В качестве исполнительного устройства для нагревателя использовался тиристор.

Схема нейросетевого управления

Одним из простейших подходов к реализации нейронного управления стал инверсно-прямой подход. Обучение инверсной нейросетевой модели производилось с использованием выборки обучающих образцов, взятых из данных о реакции разомкнутой системы управления.

Вообще же в некоторых разработках обучающие образцы выбираются путём „зондирования“ объекта управления случайными сигналами. Для водяной ванны в реальном времени такой метод нецелесообразен, так как изменения температуры происходят медленно. В связи с тем, что разомкнутая система является устойчивой, вместо случайных сигналов группа г-на Омату подавала плавно нарастающий сигнал непосредственно на исполнительное устройство, в пределах ограничений, установленных для входа этого устройства. Из данных о реакции системы был выбран набор обучающих образцов вход-выход, как на следующем рисунке:

Рисунок. Характеристика вход-выход разомкнутой системы

Характеристика разомкнутой системы получена при подаче плавно нарастающего сигнала непосредственно на исполнительное устройство. Из этой характеристики получена выборка из семи обучающих образцов вход-выход.

И всё. Дальше уже чистая математика, используется тот алгоритм, который я уже приводил в инверсно-прямом управлении, это 7-я лекция.

Схема управления на основе нечёткой логики

Это одна из возможных схем, которые мы применяем для управления температурой водяной ванны. И для начала я расскажу о самой нечёткой логике.

Концепция нечёткой логики разрабатывалась на основе теории нечётких множеств Заде, успешно применялась для управления технологическими процессами, в особенности плохо определёнными, а также процессами, допускающими успешное регулирование человеком-оператором.

Основы нечеткой логики были заложены в конце 60-х лет в работах известного американского математика Латфи Заде. Исследования такого рода было вызвано возрастающим неудовольствием экспертными системами. Хваленый "искусственный интеллект", который легко справлялся с задачами управления сложными техническими комплексами, был беспомощным при простейших высказываниях повседневной жизни, типа "Если в машине перед тобой силит неопытный водитель — держись от нее подальше". Для создания действительно интеллектуальных систем, способных адекватно взаимодействовать с человеком, был необходим новый математический аппарат, который переводит неоднозначные жизненные утверждения в язык четких и формальных математических формул. Первым серьезным шагом в этом направлении стала теория нечетких множеств, разработанная Заде. Его работа "Fuzzy Sets", опубликованная в 1965 году в журнале "Information and Control", заложила основы моделирования интеллектуальной деятельности человека и стала начальным толчком к развитию новой математической теории. Он же дал и название для новой области науки - "fuzzy logic" (fuzzy - нечеткий, размытый, мягкий).

Существует легенда о том, каким образом была создана теория "нечетких множеств". Один раз Заде имел длинную дискуссию со своим другом относительно того, чья из жен более привлекательна. Термин "привлекательная" является неопределенным и в результате дискуссии они не смогли прийти к удовлетворительному итогу. Это заставило Загде сформулировать концепцию, которая выражает нечеткие понятия типа "привлекательная" в числовой форме.

Аппарат теории нечетких множеств, продемонстрировав ряд многообещающих возможностей применения - от систем управления летательными аппаратами до прогнозирования итогов выборов, оказался вместе с тем сложным для воплощения. Учитывая имеющийся уровень технологии, нечеткая логика заняла свое место среди других специальных научных дисциплин - где-то посредине между экспертными системами и нейронными сетями.

Пусть E - универсальное множество, x - элемент E, а R - определенное свойство. Обычное (четкое) подмножество A универсального множества E, элементы которого удовлетворяют свойство R, определяется как множество упорядоченной пары A = {mA (х)/х}, где mA(х) - характеристическая функция, принимающая значение 1, когда x удовлетворяет свойство R, и 0 - в другом случае.

Нечеткое подмножество отличается от обычного тем, что для элементов x из E нет однозначного ответа "нет" относительно свойства R. В связи с этим, нечеткое подмножество A универсального множества E определяется как множество упорядоченной пари A = {mA(х)/х}, где mA(х) - характеристическая функция принадлежности (или просто функция принадлежности), принимающая значение в некотором упорядоченном множестве M (например, M = [0,1]).

Функция принадлежности указывает степень (или уровень) принадлежности элемента x к подмножеству A. Множество M называют множеством принадлежностей. Если M = {0,1}, тогда нечеткое подмножество A может рассматриваться как обычное или четкое множество.

Рассмотрим такое нечеткое понятие как «Возраст». Это и есть название лингвистической переменной. Сформируем для неё базовое множество, которое будет состоять из трех нечётких переменных: «Молодой», «Зрелый», «Пожилой» и зададим область рассуждений в виде X=[0;100] (лет). Последнее, что осталось сделать — построить функции принадлежности для каждого лингвистического терма из базового множества T.

Существует свыше десятка типовых форм кривых для задания функций принадлежности. Наибольшее распространение получили: треугольная, трапецеидальная и гауссова функции принадлежности.

Совокупность функций принадлежности для каждого терма из базового терм-множества T обычно изображаются вместе на одном графике. Приведу пример: описание лингвистической переменной «Возраст». Так, для человека 48 лет степень принадлежности к множеству 'Молодой' равна 0, «Зрелый» – 0,47, «Пожилой» – 0,20.

Количество термов в лингвистической переменной редко превышает 7.

Нечёткая система управления представляет собой набор лингвистических условных операторов, определяющих конкретные ситуации управления. Во многих практических приложениях достаточно установить связь между ошибкой и изменением в ошибке процесса, чтобы осуществить такое изменение управляющего входного сигнала, которое обеспечит удовлетворительное управление системой. Эти простые лингвистические правила можно сформулировать на основе наблюдений или несложных исследований процесса.

Для системы управления водяной ванной указываются следующие входные переменные: ошибка , представляющая собой рассогласование между желаемой и фактической температурой воды, и скорость изменения ошибки . Выходом, или управляющей нечёткой переменной, является сигнал, подаваемый на нагреватель — напряжение в диапазоне от 0 до 5 В.

В ходе исследования, выполненного г-ном Омату и его сподвижниками, три нечётких переменных были представлены в виде семи нечётких подмножеств: от отрицательного высокого значения NL до положительного высокого значения PL. На практике такое квантование можно расширить в зависимости от сложности задачи. Для большей ясности нечёткие правила можно представить в матричной форме. Матрица нечётких правил для систему управления водяной ванной была разработана на основе здравого смысла и общеинженерных суждений. Всего было сформулировано 25 правил.

Рисунок. Матрица набора нечётких правил для системы управления водяной ванны

Каждая группа элементов в матрице задаёт одну нечёткую ассоциацию, или -е правило, указывающее, как следует изменять переменную управления  для наблюдаемых величин входных нечётких переменных  и . В качестве примера приведу интерпретацию правила № 7 (PL, ZE, PL) на естественном языке:

Если ошибка температуры воды положительная и большая и скорость изменения ошибки близка к нулю, то нагреватель следует настроить на положительную высокую температуру.

Следует отметить, что заполнение всех элементов матрицы необязательно. Вообще говоря, некоторые правила могут опускаться или, наоборот, добавляться в зависимости от сложности задачи управления.

Вместе с этой лекцией читают "Мочевыделительная система".

Рисунки. Функции принадлежности для нечётких переменных

системы управления водяной ванной

Как видно из рисунков, для нечётких подмножеств трёх нечётких переменных были выбраны треугольные и трапецеидальные функции принадлежности. Видно, что нечёткое подмножество трёх нечётких переменных ZE (значения, близкие к нулю) более узкие, чем другие. Это позволяет повысить точности управления вблизи уставки. Исходя из эвристических соображений, принято, что непрерывные нечёткие подмножества в каждом из наборов перекрываются примерно на 25 %. При слишком большом перекрытии теряются различия между величинами, соответствующими разным подмножествам. При слишком же малом перекрытии возникает тенденция к „двузначному“ управлению, что приводит к перерегулированию. В реальных условиях перекрытия позволяют сглаживать переход управляющих воздействий друг в друга в ходе работы контроллера.