Основы мехатроники и робототехники
жүктеу/скачать 3,35 Mb. Pdf көрінісі
|
Sholanov 1
| t
0 d 0 dt t de T d e T 1 t e K u t u где - поправочное значение; К - коэффициент усиления регулятора; - постоянная времени интегрирования; Т^ - постоянная времени дифферен- цирования. Для настройки параметров ПИД - регулятора может быть использован не- четкий контроллер с экспертной системой, блок-схема которого представлен на (рис.3.14). Нечеткая логика получила широкое применение при решении задач управления в Японии. Можно указать на множество примеров применения не- четких регуляторов, например, в автоматически фокусирующихся фотоаппаратах, стиральных машинах, лифтах и т.д. Однако ошибочно рассматривать нечеткие регуляторы как универсальное средство, применимое для управления любыми МС. Следует отметить, что имеется ряд проблем связанных с применением нечетких регуляторов, например, очень сложно доказать устойчивость этих регуляторов. Эти регуляторы не основаны на конкретной модели. Указанные проблемы ограничивают область применения нечеткой регуляторов для решения задач управления. 3.3.4. Технология применения генетического алгоритма Эволюционная теория утверждает, что каждый биологический вид целенаправленно развивается и изменяется для того, чтобы наилучшим образом приспособиться к окружающей среде. В процессе эволюции многие виды насекомых и рыб приобрели необходимые свойства, человек стал обладателем сложнейшей нервной системы. Можно сказать, что эволюция - это процесс оптимизации всех живых организмов. Рассмотрим, какими же средствами природа решает эту задачу оптимизации. Основной механизм эволюции - это естественный отбор. Его суть состоит в том, что более приспособленные особи имеют больше возможностей для выживания и размножения и, следовательно, приносят больше потомства, чем плохо приспособленные особи. При этом благодаря передаче генетической информации (генетическому наследованию) потомки наследуют от родителей основные их качества. Таким образом, потомки сильных индивидуумов также будут относительно хорошо приспособленными, а их доля в общей массе особей будет возрастать. После смены нескольких десятков или сотен поколений средняя приспособленность особей данного вида заметно возрастает. Генетический алгоритм - это простая модель эволюции в природе, реализованная в виде компьютерной программы. В нем используются как 45 аналог механизма генетического наследования, так и аналог естественного отбора. При этом сохраняется биологическая терминология в упрощенном виде (табл.3.1). Таблица 3.1 Хромосома Вектор (последовательность) из нулей и единиц. Каждая позиция (бит) называется геном. Индивидуум генетический код Набор хромосом = вариант решения задачи . Кроссовер Операция, при которой две хромосомы| обмениваются своими частями Мутация Случайное изменение одной или нескольких позиций в хромосоме Чтобы смоделировать эволюционный процесс, генерируется в начале случайная популяция - несколько индивидуумов со случайным набором хромосом (числовых векторов). Генетический алгоритм имитирует эволюцию этой популяции как циклический процесс скрещивания индивидуумов и смены поколений. Жизненный цикл популяции - это несколько случайных скрещиваний (посредством кроссовера) и мутаций, в результате которых к популяции добавляется какое-то количество новых индивидуумов. Отбор в генетическом алгоритме - это процесс формирования новой популяции из старой, после чего старая популяция погибает. После отбора к новой популяции опять применяются операции кроссовера и мутации, затем опять происходит отбор, и так далее . Итак, если на некотором множестве задана сложная функция от нескольких переменных, то генетический алгоритм - это программа, которая за разумное время находит точку, где значение функции достаточно близко к максимально возможному. Выбирая приемлемое время расчета, мы получим одно из лучших решений, которые вообще возможно получить за это время. Однако применение ГА в системах управления сдерживается тем, что существующие генетические алгоритмы используют бинарное кодирование вещественных хромосом, что усложняет обработку вещественной информации. Для поиска оптимального решения в пространстве вещественных чисел в предложено использовать представление хромосом в виде вектора вещественных чисел. Такое кодирование требует соответствующего определения генетических операций скрещивания и мутаций. 3.3.5.Гибридные технологии 46 В последнее время с ростом сложности решаемых задач все большее распространение получают гибридные технологии. Если учитывать, что во все технологии имею в своем составе системы основанные на знаниях (экспертные системы), то можно выделит три базовые технологии: нейросетевую (НС), нечеткой логики (НЛ) и основанную на генетическом алгоритме (ГА). Эти технологии нашли широкое применение в распознавании образов и речи, в системах поддержки принятия решений в условиях неопределенности исходной информации, в задачах поиска при плохо формализованных параметрах и в системах управления техническими обьектами и процессами. Современное интеллектуальные технологии должны обеспечивать надежное управление объектом в разных режимах его работы, быть устойчивым как к резким изменениям внешней среды, так и к деградации параметров системы управления, учитывать возможное наличие шумов и внешних предусмотренных и непредвиденных влияний и, наконец, должно обеспечивать легкую адаптацию к новым объектам управления в случае их замены. НС ГА НЛ ГА+НС НС+НЛ ГА+НЛ НС+НЛ+ГА Рис.3.15. Гибридные технологии Если существующие методы интеллектуального управления представить как вершины треугольника (рис.3.15), то стороны будут соответствовать комбинациям технологий : НЛ + ГА, НС + НЛ и НС + ГА. Наболее полно гибридной является сложная интеллектуальная технолгии составленные из всех базовых технологий, основанных на всех известных методах искусственного интелекта. жүктеу/скачать 3,35 Mb. Достарыңызбен бөлісу:
|