Диссертация (1143270), страница 5
Текст из файла (страница 5)
Основные методы и средства проектирования и отладки нечеткихсистемК достоинствам принципа нечеткого управления относится возможностьредуцирования сложности описания за счет аппроксимационных возможностейоперациидефаззификации;экспертможетограничитьсяотносительнокомпактным сводом правил [76]. (Отметим, что, несмотря на снижениесложности описания, сложность самого устройства управления определяетсянеобходимым законом преобразования входных воздействий в выходныереакции: Y=Ф(Х), инвариантным к способам описания устройства, и не можетбытьниженекоторогопредельногозначения,характеризующегопотенциальные возможности преобразователя решить поставленную задачу.Таким образом, «выигрывая» в компактности описания и простоте реализациивычислительной процедуры, разработчик «проигрывает» в трудоемкостиполученияэкспертныхдифференциальныхоценок;уравнений«выигрывая»засчетвприменениихорошосистемыформализованногоматематического аппарата, проигрывает в затратах на реализацию процедурывычислений и т.д.).Вследствие близости лингвистических описаний к понятийному аппаратуразработчика и одновременной их отдаленности от возможностей целевыхвычислительных платформ, методология обработки и использования нечеткихданных должна быть поддержана соответствующими инструментальнымисредствами и методами их применения (рис.
1-18).Процедура разработки систем управления с нечеткими вычислителямивключает десять основных этапов [76]:Этап 1: операторское управление объектом и формирование базы первичныхданных вида «вход – выход»;Этап 2: построение на основе этой базы данных моделей объекта и внешнейсреды;36Рис. 1-18. Этапы разработки системы управленияс нечеткой обработкой данных.Этап 3: проведение моделирования и формирование вторичной (“полной”)базы данных «вход – выход». При наличии моделей этапы 1 и 2опускаются; при отсутствии возможности или затрудненностимоделирования “полная” база данных формируется на первом шаге;Этап 4: разработка БНЗ, описывающей взаимосвязи входных и выходныхпеременных в виде правил «Если – То».
Для поиска этих взаимосвязей37применяют методы регрессионного анализа и кластерного анализа(рис. 1-19);Рис. 1-19. Пример закономерностей в данных.Этап 5:уточнение БНЗ на основе дополнительных (возможно, слабоформализуемых) экспертных знаний;Этап 6:отладка БНЗ с применением моделей объекта и его внешнегоокружения;Этап 7:генерация нечеткого вычислителя для встраивания (в видеисполнимого программного кода – “эмулятора” или настроекаппаратного узла) в микропроцессорную систему;Этап 8:разработкамикропроцессорнойсистемыуправлениясвычислителем нечетких функций (выполняется в соответствии страдиционной, хорошо описанной в литературе схемой);38Этап 9–10: занесение в память и отлаживание целевой микропроцессорнойсистемы управления.Перечисленныеэтапыпроектированиямикропроцессорнойсистемыуправления с нечеткой обработкой информации поддерживаются различнымиинструментальными средствами, следующим образом классифицируемыми пообластям их назначения и использования:– системы моделирования;– системы поддержки разработки эмуляторов нечетких вычислений;– проблемно-ориентированные системы;– системы комбинированного назначения и другие.Перечислим основные особенности и приведем некоторые примерыинструментальных средств применительно к введенной классификации.В соответствии с материалом авторской публикации [82], “математическиепакеты и системы моделирования предназначены для выполнения анализасистем обработки данных (в том числе содержащие в своем составе нечеткиеподсистемы) и позволяют создавать абстрактные модели произвольнойсложности,неориентированныеспециальнонаконкретнуюобластьприменения; моделирование происходит на достаточно мощных кроссовыхвычислительных системах, при этом сложность реализации модели иконкретные пути ее переноса на целевую систему не принимаются вовнимание.
Такая нечеткая модель может быть легко встроена в более сложнуюмодель, описанную в том же пакете (рис. 1-20) , но ее использование в целевойсистеме как правило затруднительно или требует неоправданно большихнакладныхрасходов,связанныхсподдержкойфункционированияпромежуточного уровня – интерпретатора модели” [82].39Рис. 1-20. Средства MatLab Fuzzy ToolBox.Системы поддержки разработки эмуляторов нечетких вычислений, какотмечается в авторской работе [44], “предназначены разработки целевого НВ,позволяютучитыватьтребованияегофизическойреализуемостииразрабатывать универсальные системы нечеткой обработки данных, но либооперируютспецифическимиязыкамиописаниямоделейнечеткихвычислителей, либо используют специфику аппаратуры НВ (для повышенияего производительности), либо генерируют исполнимый код на языкахвысокого уровня абстракции (для повышения универсальности).
В связи сэтими различными причинами портирование разработки на иные целевыемикропроцессоры является затруднительным” [44].Так, на рис. 1-21 демонстрируется инструментарий среды FuzzyTech,предназначенной для проектирования и отладки модели нечеткого вычислителя40(в том числе с подключением внешних приложений-моделей), генерацию помодели НВ его программного эмулятора для ряда архитектурных линиймикроконтроллеров общего назначения.Рис. 1-21. Внешний вид приложения FuzzyTech.Проблемно-ориентированные средства “используются для проектированиясредств нечеткого принятия решений на уровне специальных моделей дляконкретной предметной области (медицина, экономика и пр.).
Они, какправило, не предназначены для использования во встраиваемых системах иявляются закрытыми от модификации или расширения номенклатурыфункциональных возможностей силами целевого пользователя” [82].Системыкомбинированногоназначениясочетаютособенностирассмотренных выше классов средств проектирования. Для примера рис. 1-22демонстрируетсредстваграфическогопроектированияприкладного41программного обеспечения для микроконтроллера STFive, имеющего в составеаппаратуры нечеткий вычислитель, конфигурируемый также посредствомграфического инструментария.Рис. 1-22.
Средства программирования МК ST5 и его блока нечеткихвычислений.42Трудоемкостьосуществленияикачестворезультатовпроцессапроектирования систем нечеткой обработки данных и управления высокойсложностивомногомзависитотприменяемыхметодовисредствавтоматизированного проектирования БНЗ, в том числе использующихсочетание моделирования и кластерного анализа [78].При проведении отладки НК проверяется соответствие поведения«идеальной» модели вычислений (положенной в основу разработки) иреализации этой модели путем сопоставления выходных реакций при подачеодинаковых входных воздействий (рис. 1-23) и анализа их различий [80].Идеальная модель функционирования нечеткого вычислителяПодготовкавходныхвоздействийГенерациявходныхвоздействийПодготовкаэталонныхвыходныхреакцийРеальныйнечеткийвычислительРегистрациявыходныхреакцийСравнение реакций, анализ результатов, выявление расхождений, прогноз локализации ошибкиРис.
1-23. Схема подготовки и проведения тестирования НК.При автономных статических испытаниях проверка выполняется последующему алгоритму [77]:Шаг 1. из свода правил выбирается очередное правило;Шаг 2. для каждой входной величины, фигурирующей в правиле, определяетсязначение, имеющее стопроцентную степень принадлежности терму,указанному в правиле для данного входа;Шаг 3. по идеальной модели вычислений определяются значения каждоговыхода для указанного набора входов;Шаг 4. на входы испытываемого нечеткого контроллера подается тот же наборзначений, что и в п. 3 и считываются рассчитанные значения выходов;43Шаг 5.
производится сравнение идеальных и реальных реакций; в случае ихсоответствияпоследовательностьшагов1-5продолжаетсядоисчерпания свода правил;Шаг 6. в случае несоответствия реакций исправление ошибки заключается вправильном вводе правила и правильном вводе терма (термов); послеэтого проверка по пунктам 1-5 начинается с самого начала.Статическое тестирование примера из раздела 1-1 иллюстрирует табл.
1-1.Табл. 1-1. Пример списка тестов для статического тестирования.X1X2Y1100501005033000100503150150808015080150805555502020200.10.1000000При автономных динамических испытаниях проверка выполняется последующему алгоритму [77]:Шаг 1. для каждой входной переменной из множества {X1 … XN} задаетсяинтервал шага дискретизации;Шаг 2. на основе заданной совокупности шагов дискретизации осуществляетсяпошаговая генерация наборов значений вектора входных переменных;для каждого такого значения регистрируется и запоминается значениекаждого выходного сигнала; полученные выборки по каждому уnиспользуются для построения фазовых портретов вида уn(хi);44Шаг 3. проводится сравнение идеальных и реальных фазовых портретов; вслучае несоответствия i-го фазового портрета и предполагаемойзависимостикорректируютсяфункциипринадлежноститермовпеременной хi и рассматриваемого выхода; после этого проверка попунктам 1-3 начинается с самого начала.Комплексныеиспытанияпроводятсявсистеме,позволяющеймакетировать и/или моделировать взаимодействие нечеткого устройствауправления и объекта управления (рис.
1-24).Средства планирования эксперимента и представления результатовСредства моделированияобъектаСредства моделированиянечеткого контроллераМодель объектауправленияМодель нечеткогоконтроллераРис. 1-24. Организация комплексной отладки нечеткого контроллера.При обнаружении некорректного поведения системы управления (прикорректных моделях) необходимо зафиксировать текущее состояние системы,определить требуемое состояние и вернуться на этапы автономной отладки.После исправления ошибки все этапы отладки повторяются с самого начала.При разработке нечеткого контроллера необходимо следить за полнотойправил (т.е. не допускать возникновения ситуаций, при которых хотя бы дляодной допустимой комбинации Х отсутствует правило получения Y) инепротиворечивостью правил (т.е. не допускать возникновения ситуаций, прикоторых хотя бы для одной пары правил с одинаковыми условиями определеныразные Y).
Кроме того, на достоверность функционирования нечеткогоконтроллераоказываетвлияниеспособзаданиясмежныхтермов,определяющий результаты фаззификации при переходе значений входныхпеременных от терма к терму [73].На рис. 1-25 показаны три ситуации: «а»: значение входной переменной вточке «?» не принадлежит ни одному терму; следовательно, даже если база45правил обладает полнотой, тем не менее все правила будут несправедливы вточке «?» (т.к. в этой точке значение входной переменной имеет нулевуюстепень принадлежности ко всем термам этой переменной; «б»: значениевходной переменной в точке «?» не принадлежит ни одному терму со степеньюуверенности,больше0.5,следовательно,всеправилабудут«слабосправедливы»; «в»: значение входной переменной в точке «?» принадлежитболее чем двум термам, т.е. одновременно двум и более не соседним термам,что в том числе может повлечь за собой одновременное срабатываниепротиворечащих правил (например, «движение вправо» и «движение влево»)при общей непротиворечивости базы правил.а)б)в)???Рис.
1-25.Ситуация неопределенности (а), слабой определенности (б)и противоречивости (в) системы.Наконец,реальныезначениявходныхпеременных(например,фиксируемые датчиками) зачастую подвержены определенным шумовымискажениям; при анализе контроллера необходимо оценивать его поведениепри подаче на входы не точечных, а интервальных значений. При заданиитермов следует не допускать возможности прямого перехода переменноймежду несоседними термами, что также может привести к противоречию вуправлении и/или неустойчивости работы нечеткого контроллера (рис. 1-26).Колебания переменной в пределах своего допуска, превышающего ширинутерма Б, будут приводить к переключению между термами А и В,следовательно и между правилами, в условия которых входят эти термы, что,возможно,приведеткпротиворечиювработесистемы(например,46попеременному формированию указаний «двигаться вправо» и «двигатьсявлево» вместо того, чтобы «двигаться прямо»).
Таким образом, формируянечеткуюсистему,разумноиспользоватьсвоеобразнуюнечеткуюразновидность кодирования Грэя, исключающую переход между несмежнымиточками системы, и определять достаточную «протяженность» терма по осивходной переменной [79].ХμХ±ΔхАБВtХХ±ΔхРис. 1-26. Учет допуска на значение входной переменной.Указанные особенности зачастую не могут быть смоделированы ввидуестественных ограничений на сложность модели, и подлежат обязательнойпроверке на этапе комплексных натурных испытаний на реальном объектеуправления [80].1.4. Средства аппаратной поддержки нечетких вычислений. Принципыпостроения и классификацияКак отмечается в авторской работе [83], “в настоящее время в практикереализациивстраиваемыхприобретаеттематика(контроллеров)–ФОПсистемуправлениявсебольшеефункционально-ориентированных(ФОК)”[83].Ониразвитиепроцессоров“представляютсобойспециализированные вычислители, в структуру которых интегрированыаппаратные узлы, обеспечивающие эффективное (в оговоренном смысле –например, в смысле повышения быстродействия вычислений, снижениятрудоемкости разработки и др.) решение специального класса прикладныхзадач” [84].47Выпускаемые в промышленных масштабах ФОК имеют сложившуюсяклассификацию, подчеркивающую их основную область применения вовстраиваемых системах (рис.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
