Жакенбаев С. гр. Мау002. Пр№1
жүктеу/скачать 282,5 Kb.
|
ПР№1 Жакенбаев
ПР№1 Жакенбаев
| LV Окно:
Редактор Лингвистических Переменных Окно Определения Базовой Переменной (BaseVariableDialogBox) Окно Определения Терма (TermDialog) Редактор проекта: Окно Определения Блока Правил (RuleBlockDialog) Табличный Редактор Правил (SpreadsheetRuleEditor) Матричный Редактор Правил (MatrixRuleEditor) Окно Определения Опций Интерфейса (InterfaceOptionsDialog) Окно Определения Замечаний (RemarkDialog) Лингвистические Переменные указываются в алфавитном порядке в Рис. 6.12. Вид окна fuzzyTECH при запуске системы. LV-окне. LV-окно всегда открыто и может быть свернуто до пиктограммы, но не закрыто. LV-окно содержит все лингвистические переменные текущего проекта по именам в алфавитном порядке. Если нужно всегда указывать переменные в другом порядке, продолжите все имена переменных буквами, например 'AA_FirstVar', 'AB_SecVar'. В нечеткой логике, различные величины для данной лингвистической переменной представляют собой понятия, а не числа. В нечеткой логике, даже приближенные описания такие как “чрезвычайно близко” и “очень далеко” возможны, поскольку каждый лингвистический терм представлен специфическим нечетким множеством, названным Функцией Членства. Конечно, техническая величина измерима как точная. Степень с которой точная величина принадлежит ко множеству представлена числом, лежащим между 0 и 1. Эта величина названа Степень Членства (или степень принадлежности) (MembershipFunction - MBF). 0 означает, что переменная определенно не принадлежит ко множеству; 1 отражает абсолютное членство. Величины между 0 и 1 представляют частичное членство, таким образом учитываясь в выражениях, которые частично истинны и частично ложны (задание, которое невозможно выполнить используя стандартную логику). В нечеткой логике, Степень Членства обычно нормирована в интервале [0; 1]. Технические цифры представлены на горизонтальной оси функции, а степени членства на вертикальной. Технические цифры названы базовой переменной. Хотя научные публикации предложили много разных типов функций членства для нечеткой логики, в большинстве практических приложений используются Стандартные Функции Членства. Стандартные Функции Членства могут быть в общем представлены L-формой определения. Научные исследования предлагают несколько иной подход к этой задаче. Он базируется на психо-лингвистическом исследовании человеческой классификации длительных переменных, получающим S-форму функции членства. Пока большинство приложений использует стандартные MBF через S-тип MBF, хотя некоторые методы вывода функций членства и некоторая техника адаптации требует более общих функций. Для удобства проектирования этих типов функций членства и для наиболее эффективного динамического кодового представления, функции произвольного членства наилучшим образом приближенно представимы как линейные многоугольники. Стандартные функции членства - Z, Лямбда, Pi и S-типы (рис. 6.9). Все эти типы стандартных функций математически могут быть представлены как часть функций - линейных многоугольников с вплоть до 4 определяющих точек. FuzzyTECH позволяет определять ассиметричный характер параметра "форма". Имейте в виду, что S-типа функции членства требуют больше динамического кода и больше вычислительного времени, если они не сохранены как таблицы. Фаззификация означает оценку всех степеней членства в точке специфической операции. Результат фаззификации используется в качестве входа для Нечетких Правил. Если переменная используется в качестве выходной в нечеткой системе, лингвистические термы могут быть вновь переведены в точные физические величины. Эти вычисления названы дефаззификацией. В большинстве приложений, количестве используемых термов - между 3 и 7. Менее чем 3 используемых терма - редкое явление вследствие того, что, когда люди оценивают реальные числа, те которые имитируют лингвистические переменные, они обычно имеют по крайней мере три величины в уме - два предела и середина. Количество используемых термов редко превышает 7 поскольку оценка чисел включает краткосрочную память, которая лучше всего работает с не более чем 7 символическими величинами. Переменные с “центром” или “нулем” наилучше работают с нечетным количеством термов (рис. 6.13). Есть в основном два разных метода для определения подходящего количества термов для данной проблемы. Для разработчиков с некоторым опытом в создании нечетких систем, один метод - сформулировать примерные правила даже перед проектированием функций членства. Это Рис. 6.13. Вид окна fuzzyTECH-редактирование термов. учитывается при быстрой оценке - сколько термов должны использо-ваться? Для пользователей без предшествующего опыта в разработке нечетких систем или если примерные правила легко не формулируются, наилучший метод - во-первых, создать три терма (два предела и середина). Если большее термов нужно создать в течении разработки, то они могут легко быть добавлены при использовании fuzzyTECH.
Рис. 6.14. Вид окна fuzzyTECH-редактирование правил. Достоверность вывода вычисляется компоновкой достоверности условия в целом со степенью поддержки оператором композиции. Когда продукционный оператор используется в качестве оператора композиции, степень поддержки отражает “значение” правила.
CoM - Центр Максимума - метод используется для большинства нечетких логических приложений. CoA - Центр Области - метод подобен CoM. MoM - Значение Максимума - метод используется для приложений распознавание образов. MoM BSUM и CoA BSUM - варианты MoM и CoA, которые оптимизировались для реализации эффективных СБИС. Опция Нечеткий Выход подавит процедуру дефаззификации при использовании генерации кода. Методы дефаззификацииCoM и CoA дают в результате “наилучшее компромиссное решение”, MoM дает в результате "большинство правдоподобных решений". В управляющих приложениях, CoM - наиболее часто используется, поскольку выходная величина представляет наилучший компромисс между всеми результатами логического вывода. MoM часто используется в распознавании образов и приложениях классификации и правдоподобное решение будет здесь наиболее подходящим. Научная литература предложила многие другие стратегии дефаззификации, которые до сих пор редко использовались в промышленных приложениях. Поскольку fuzzyTECH также учитывает пропуск дефаззификации, может также использоваться метод дефаззификации определяемый пользователем. В целом fuzzyTECH является удачной разработкой, сильно облегчающей проектирование микропроцессорных систем управления, основанных на нечеткой технологии.
Микропроцессорные системы автоматического управления / Бесекерский В.А. и др. - Л.:Машиностроение, Лен. отд., 1988 - 365с. Боборыкин А.В. и др., Однокристальные микроЭВМ, М.:МИКАП, 1994 Гребнев В.В., Однокристальные микроЭВМ (микроконтроллеры) семейства MCS-96, 1995 Микропроцессоры в системах автоматического управления. INTEL 8XC196MC: Учеб. пособие / Бутырин Н.Г. и др.: СПбГТУ, СПб., 1995, 115с. Изерман Р., Цифровые системы управления: пер. с англ. - М.: Мир, 1984 - 541с., ил. Микропроцессорное управление электроприводами станков с ЧПУ. / Тихомиров Э.Л. и др. - М.: Машиностроение, 1990 Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений., М.: Мир, 1976, 165с. Прикладные нечеткие системы / Тэрано Т., Асаи К., Сугено М., 1993 жүктеу/скачать 282,5 Kb. Достарыңызбен бөлісу:
|