Neraiškios logikos valdymo sistemos - Kauno technologijos ...
Neraiškios logikos valdymo sistemos - Kauno technologijos ...
Neraiškios logikos valdymo sistemos - Kauno technologijos ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
KAUNO TECHNOLOGIJOS UNIVERSITETAS<br />
ELEKTROS IR VALDYMO INŽINERIJOS FAKULTETAS<br />
Referatas<br />
NERAIŠKIOS LOGIKOS VALDYMO SISTEMOS<br />
Paruošė: doktorantas Vaidas Jukavičius<br />
Priėmė: prof. habil. dr. Rimvydas Simutis<br />
KAUNAS 2009<br />
1
TURINYS<br />
1 ĮVADAS...........................................................................................................................................3<br />
2 NERAIŠKIOS AIBĖS ....................................................................................................................4<br />
3 LINGVISTINIAI KINTAMIEJI IR NERAIŠKIOS TAISYKLĖS..................................................6<br />
4 NERAIŠKIOS LOGIKOS VALDYMO SISTEMOS......................................................................7<br />
4.1 MAMDANI VALDYMO SISTEMA..........................................................................................8<br />
4.1.1 VALDIKLIO ĮĖJIMŲ IR IŠĖJIMŲ PARINKIMAS............................................................8<br />
4.1.2 VALDIKLIO TAISYKLIŲ BAZĖS SUDARYMAS...........................................................9<br />
4.1.3 FUZIFIKACIJOS PROCEDŪRA......................................................................................12<br />
4.1.4 INFERENCIJOS PROCEDŪRA........................................................................................12<br />
4.1.5 DEFUZIFIKACIJOS PROCEDŪRA.................................................................................15<br />
4.2 SUGENO VALDYMO SISTEMA...........................................................................................17<br />
5 NERAIŠKIOS LOGIKOS VALDYMO SISTEMŲ OPTIMIZAVIMAS......................................18<br />
6 NERAIŠKIOS LOGIKOS VALDYMO SISTEMŲ PALYGINIMAS..........................................19<br />
7 IŠVADOS.......................................................................................................................................21<br />
8 LITERATŪRA...............................................................................................................................22<br />
2
1<br />
ĮVADAS<br />
<strong>Neraiškios</strong> <strong>logikos</strong> <strong>valdymo</strong> sistema – tai <strong>valdymo</strong> sistema paremta neraiškios <strong>logikos</strong><br />
koncepsija, kurią 1965 metais pirmasis pristatė profesorius Lotfali Askar Zadeh. Nors jo idėjos kurį<br />
laiką buvo ignoruojamos, profesorius savo darbą tęsė 1973 metais pristatydamas lingvistinių<br />
kintamųjų koncepciją. Netrukus E. Mamdani 1974 panaudojo neraiškią logiką procesams valdyti.<br />
Bėgant metams šios idėjos plito, kol Seiji Yasunobu ir Soji Miyamoto neraiškią logiką panaudojo<br />
sukurdami traukinių akceleracijos, stabdymo ir sustojimo <strong>valdymo</strong> sistemą, kuri savo efektyvumu ir<br />
gautais rezultatais pralenkė lūkesčius. Susidomėjimas neraiškiomis <strong>valdymo</strong> sistemomis pradėjo<br />
augti labai sparčiai. Šiandieną neraiškios <strong>valdymo</strong> <strong>sistemos</strong> naudojamos inžinerijoje, versle,<br />
moksle, medicinoje ir kitose srityse. Pavyzdžiui automobilių pramonėje neraiškios <strong>valdymo</strong><br />
<strong>sistemos</strong> naudojamos stabdžių <strong>sistemos</strong>, variklio, amortizatorių, pastovaus greičio <strong>sistemos</strong>,<br />
aktyvios automobilio pakabos valdymui.<br />
3
2<br />
NERAIŠKIOS AIBĖS<br />
Iš esmės neraiški logika paremta žmogaus smegenų informacijos apdorojimo koncepcija.<br />
Žmogaus smegenys gaunamą informaciją iš jutimo organų apdoroja nevisiškai tiksliai ir pilnai,<br />
tačiau logiškai teisingai.<br />
Klasikinėje elementų aibių teorijoje elementas gali arba pilnai priklausyti aibei arba jai<br />
visiškai nepriklausyti. Tarkime, kad klasikinių elementų aibių priklausomybės funkcijos<br />
pavaizduotos 1 paveikslėlyje skirsto žmones pagal jų ūgį ir aprašomos tokia forma:<br />
Žemas={x∣1.2x1.6} ,<br />
Vidutinis={x∣1.6x1.9} ,<br />
Aukštas={x∣x1.9} ;<br />
Taigi, naudojant tokias elementų priklausomybės funkcijas žmogus bus priskirtas prie aukštų<br />
žmonių aibės jeigu jo ūgis bus 1.9 metro ar daugiau. Tačiau jeigu žmogaus ūgis bus 1.899 metro tai<br />
jis bus priskirtas prie vidutinio ūgio žmonių, kas yra intuityviai visiškai nelogiška.<br />
1<br />
Žemas<br />
Vidutinis<br />
Aukštas<br />
1<br />
Žemas<br />
Vidutinis<br />
Aukštas<br />
1.2 1.6 1.9<br />
Ūgis(m)<br />
1.2 1.6<br />
1.9<br />
Ūgis(m)<br />
1. Pav. Klasikinės skaičių aibės. 2. Pav. <strong>Neraiškios</strong> skaičių aibės.<br />
Skirtingai nuo klasikinių elementų aibių, neraiškios elementų aibės yra tokios aibės, kur<br />
elementai gali dalinai priklausyti aibei su tam tikru priklausomybės laipsniu ir vienu metu<br />
priklausyti daugiau nei vienai aibei. Tarkime, kad X yra elementų aibė, kur x yra konkretūs<br />
elementai iš aibės X . Tuomet neraiški aibė A aibei X aprašoma kaip aibė elementų porų:<br />
A={ x , A<br />
x∣x∈ X } ,<br />
čia A<br />
x yra priklausomybės funkcija neraiškiai aibei A. Priklausomybės funkcija kiekvieną<br />
elementą x iš aibės X priskiria neraiškiai aibei A priklausomybės laipsniu nuo 0 iki 1. Taigi 2<br />
paveikslėlyje pavaizduotos priklausomybės funkcijos neraiškioms aibėms skirsto žmones pagal jų<br />
ūgį žymiai logiškiau. Šiuo atveju jeigu žmogaus ūgis bus 1.9 ar 1.899 metro, jis bus priskiriamas<br />
aibei „Vidutinis“ su priklausomybės laipsniu ~0.5 ir aibei „Aukštas“ taip pat su priklausomybės<br />
laipsniu ~0.5. Taigi žmogus bus traktuojamas nebe kaip aukšto ar vidutinio ūgio, tačiau kaip<br />
4
žmogus neesantis labai auštas, tačiau neesantis ir vidutinio ūgio.<br />
Kaip matome iš anksčiau pateiktos medžiagos, neraiškios aibės yra pilnai<br />
charakterizuojamos priklausomybės funkcijomis. Praktikoje dažniausiai naudojamos keturios<br />
priklausomybės funkcijos, kurios aprašomos tam tikromis matematinėmis formulėmis:<br />
●<br />
●<br />
●<br />
Trikampė priklausomybės funkcija – specifikuojama trimis parametrais {a ,b ,c} ir<br />
aprašoma (3 paveikslėlis a)):<br />
0, xa.<br />
x−a<br />
Trikampisx ; a , b ,<br />
b−a<br />
c={ }<br />
, axb.<br />
c−x<br />
c−b , bxc.<br />
0,cx.<br />
Trapecinė priklausomybės funkcija – specifikuojama keturiais parametrais {a ,b , c ,d } ir<br />
aprašoma (3 paveikslėlis b)):<br />
0, xa.<br />
x−a<br />
b−a<br />
Trapecija x ;a ,b ,c ,d ={ }<br />
,axb.<br />
1,bxc.<br />
d− x<br />
d−c ,cxd.<br />
0,d x<br />
Gauso priklausomybės funkcija – specifikuojama dviem parametrais {c , } ir aprašoma<br />
(3 paveikslėlis c)):<br />
Gausox ;c ,=e −1 2 x−c<br />
2<br />
<br />
čia koeficientas c aprašo Gauso priklausomybė funkcijos centrą, o koeficientas <br />
funkcijos plotį.<br />
●<br />
Varpo priklausomybės funkcija – specifikuojama trimis parametrais {a ,b , c} ir aprašoma<br />
(3 paveikslėlis d)):<br />
1<br />
Varpox ; a ,b ,c=<br />
1∣ x−c<br />
2b<br />
a ∣<br />
čia parametras b paprastai yra teigiamas dydis (antraip „varpas“ būtų apverstas).<br />
5
Pažymėtina, kad trikampė ir trapecinė priklausomybės funkcijos dėl paprastų formulių ir<br />
skaičiavimo efektyvumo plačiai naudojamos, tačiau kadangi jos sudarytos iš tiesinių elementų,<br />
kampuose jos nėra glotnos. Gauso ir „varpo“ funkcijos atvirkščiai yra glotnos ir netiesinės ir<br />
pasižyminčios statistinėmis ir tikimybinėmis charakteristikomis. Kokias priklausomybės funkcijas<br />
naudoti priklauso nuo sprendžiamo uždavinio specifikos, tačiau funkcijos forma yra mažiau svarbi,<br />
negu jų skaičius ir atitinkamų parametrų parinkimas (funkcijos centro lokalizacija, plotis, statumas,<br />
persidengimo laipsnis).<br />
3. Pav. Priklausomybės funkcijos.<br />
3 LINGVISTINIAI KINTAMIEJI IR NERAIŠKIOS TAISYKLĖS<br />
<strong>Neraiškios</strong> <strong>valdymo</strong> <strong>sistemos</strong> įėjimai ir išėjimai aprašomi naudojant lingvistinius<br />
kintamuosius. Lingvistinis kintamasis tai žodinis, gerai apibrėžtas terminas neraiškios <strong>sistemos</strong><br />
įėjimui ar išėjimui aprašyti. Tarkime stabdžių <strong>sistemos</strong> įėjimas gali būti aprašomas lingvistiniais<br />
kintamaisiais „Stabdžių temperatūra“ ir „Greitis“, o išėjimas lingvistiniu kintamuoju „Slėgis“.<br />
Lingvistiniai kintamieji gali įgyti tam tikras lingvistines reikšmes. Minėtam pavyzdžiui „Greitis“<br />
lingvistinės reikšmės galėtų būti: „lėtas“, „vidutinis“, „didelis“, „labai didelis“. <strong>Neraiškios</strong> <strong>sistemos</strong><br />
sprendimai priimami remiantis neraiškiomis taisyklėmis:<br />
JEI prielaida TAI išvada.<br />
Paprastai neraiškios <strong>sistemos</strong> įėjimai yra susieti su prielaidos dalimi, o išėjimai su išvados dalimi.<br />
6
Kaip pavyzdys neraiški taisyklė su keletu įėjimu ir vienu išėjimu aprašoma taip:<br />
JEI Stabdžių temperatūra yra maža IR Greitis yra vidutinis TAI Slėgis yra vidutinis.<br />
Atkreiptinas dėmesys, kad toks užrašymas taisyklėmis yra neapibrėžtas ir netikslus, tačiau leidžia<br />
perteikti žinias, kaip valdyti procesus, elementaria visiems suprantama forma. Sudarinėjant<br />
taisykles naudojami loginiai kintamieji NE, IR ir ARBA.<br />
4 NERAIŠKIOS LOGIKOS VALDYMO SISTEMOS<br />
Pagrindinis neraiškios <strong>valdymo</strong> inžinerijos tikslas yra nustatyti ir pritaikyti eksperto žinias,<br />
kaip geriausiai kontroliuoti procesus, projektuojant efektyvias ir tikslias <strong>valdymo</strong> sistemas. Labai<br />
svarbu yra tai, kad neraiškių <strong>valdymo</strong> sistemų projektavimas nereikalauja sudaryti matematinio<br />
valdomos <strong>sistemos</strong> modelio ir gali būti naudojamas ten, kur valdomos <strong>sistemos</strong> modelį sudaryti yra<br />
ypač sunku ar neįmanoma dėl problemos sudėtingumo. <strong>Neraiškios</strong> <strong>valdymo</strong> <strong>sistemos</strong> blokinė<br />
diagrama pateikta 4 paveikslėlyje. Neraiškų valdiklį sudaro keturios pagrindinės dalys:<br />
●<br />
●<br />
●<br />
●<br />
Taisyklių rinkinys (JEI-TAI taisyklių aibė) – eksperto žiniomis pagrįstas neraiškios <strong>logikos</strong><br />
lingvistinis aprašymas, kaip geriausiai pasiekti gerą proceso valdymą.<br />
Inferencijos mechanizmas – emuliuoja eksperto sprendimų priėmimą interpretuodamas ir<br />
pritaikydamas taisyklių rinkinio informaciją.<br />
Fuzifikacijos įtaisas – konvertuoja valdiklio įėjimus į neraiškias reikšmes, tam, kad<br />
inferencijos mechanizmas galėtų aktyvuoti ir pritaikyti taisykles sprendimų priėmimui.<br />
Defuzifikacijos įtaisas – konvertuoja inferencijos mechanizmo priimtus sprendimus į<br />
raiškius procesui valdyti skirtus signalus.<br />
Neraiškus valdiklis<br />
Referencinis<br />
įėjimas<br />
r(t)<br />
Fuzifikacija<br />
Inferencijos<br />
mechanizmas<br />
Taisyklių<br />
rinkinys<br />
Defuzifikacija<br />
Įėjimai<br />
u(t)<br />
Procesas<br />
Išėjimai<br />
y(t)<br />
4. Pav. <strong>Neraiškios</strong> <strong>logikos</strong> <strong>valdymo</strong> sistema.<br />
7
Plačiausiai paplitusios neraiškios <strong>logikos</strong> <strong>valdymo</strong> <strong>sistemos</strong> yra Mamdani ir Sugeno, kurios<br />
skiriasi pagrinde inferencijos mechanizmu ir defuzifikacijos įtaisu. Kad geriau suprasti neraiškios<br />
<strong>logikos</strong> <strong>valdymo</strong> sistemų veikimą, valdiklio pagrindinių dalių projektavimą ir esminius skirtumus<br />
tarp minėtų Mamdani ir Sugeno <strong>valdymo</strong> sistemų, toliau bus pateikti konkretūs tokių sistemų<br />
projektavimo pavyzdžiai.<br />
4.1 MAMDANI VALDYMO SISTEMA<br />
Mamdani <strong>valdymo</strong> sistema buvo pasiūlyta E. Mamdani, kuris su tyrinėtojų grupe 1974<br />
metais pirmasis pritaikė neraiškią logiką procesams valdyti. Ši sistema turi platų pritaikymo<br />
spektrą, nes yra intuityvi ir labai gerai tinka žmogaus teikiamiems duomenims apdoroti, tačiau<br />
skaičiavimų ir optimizavimo prasme neefektyvi.<br />
Tolesniai šios <strong>sistemos</strong> analizei pasirinkime švytuoklės balansavimo problemą, kuri<br />
pavaizduota 5 paveikslėlyje. Čia y yra kampas (radianais), kurį švytuoklė sudaro su vertikale, l yra<br />
pusė švytuoklės ilgio (metrais), o u yra jėga (niutonais), kuri veikia vežimėlį. Tikslas yra<br />
balansuoti švytuoklę vertikalioje padėtyje, kuomet pradinė švytuoklės pozicija nėra vertikalioje<br />
padėtyje. Ši netiesinio <strong>valdymo</strong> problema yra labai paprasta ir intuityviai labai gerai suvokiama.<br />
5. Pav. Švytuoklės balansavimo problema.<br />
4.1.1 VALDIKLIO ĮĖJIMŲ IR IŠĖJIMŲ PARINKIMAS<br />
Jeigu darysime prielaidą, kad švytuoklę balansuoja žmogus, tai greičiausiai esminė<br />
informacija, pagal kurią žmogus darytų sprendimus būtų švytuoklės su vertikale sudaromo kampo<br />
dydis et=0− yt ir švytuoklės kampo pokytis per laiko vienetą<br />
d<br />
dt e t . Todėl sprendimų<br />
priėmimui renkamės šiuos du dydžius kaip valdiklio įėjimų kintamuosius. Kadangi, galime<br />
8
kontroliuoti tik jėgą, kuri veikia vežimėlį, tai išėjimo kintamasis yra aiškus (6 paveikslėlis).<br />
Sudėtingesnėms sistemoms, įėjimų ir išėjimų parinkimas gali būti žymiai sudėtingesnis.<br />
Bendru atveju valdiklio projektuotojas turėtų pasirūpinti, kad valdiklis gautų pakankamai<br />
informacijos, kad galėtų efektyviai ir tiksliai valdyti sistemą. Praktiškai kalbant, didelis<br />
informacijos poreikis ir poreikis efektyviai valdyti sistemą visuomet kainuoja pinigus, nes reikia<br />
investuoti į naujų ir sudėtingesnių jutiklių diegimą, kad gauti papildomos reikalingos informacijos.<br />
Neraiškus<br />
valdiklis<br />
Švytuoklė<br />
6. Pav. Neraiškus valdiklis švytuoklės balansavimui.<br />
4.1.2 VALDIKLIO TAISYKLIŲ BAZĖS SUDARYMAS<br />
Prieš sudarinėjant taisyklių bazę, nustatome lingvistinius kintamuosius ir jų galimas<br />
reikšmes. Kadangi lingvistiniai kintamieji aprašo valdiklio įėjimus ir išėjimus, tai atitinkamai<br />
lingvistinius kintamuosius galime parinkti tokius:<br />
● „Kampas“ - aprašo et ;<br />
●<br />
„Kampo pokytis“ - aprašo<br />
d<br />
dt et ;<br />
● „Jėga“ - aprašo ut .<br />
Be abejo, galime lingvistinius kintamuosius pavadinti kaip tik norime ar naudoti ir matematinius<br />
aprašymus. Vis dėlto reikėtų stengtis, kad jie būtų gerai suprantami ir aiškiai apibrėžti.<br />
Galimų lingvistinių kintamųjų reikšmių nustatymas yra ypač svarbus, nes gali atrodyti, kad<br />
kuo daugiau lingvistinių reikšmių naudojama, tuo tiksliau bus valdomas procesas. Tačiau ne<br />
visuomet lingvistinių reikšmių kiekio padidinimas duoda žymų <strong>valdymo</strong> tikslumo padidėjimą.<br />
Bendru atveju norint gerai parinkti lingvistinių kintamųjų reikšmes, reikia gerai suvokti valdomo<br />
proceso dinamiką, kas ne visuomet yra lengva. Sprendžiamo uždavinio atveju pasirenkame visų<br />
lingvistinių kintamųjų aprašymui tarkime tokias reikšmes:<br />
●<br />
●<br />
„N-didelis“ arba „-2“- negatyviai didelis;<br />
„N-mažas“ arba „-1“ - negatyviai mažas;<br />
9
●<br />
●<br />
●<br />
„Nulis“ arba „0“ - nulinis;<br />
„P-mažas“ arba „1“ - pozityviai mažas;<br />
„P-didelis“ arba „2“ - pozityviai didelis.<br />
Toks aprašymas reiškia, kad pavyzdžiui „N-didelis“ ar „-2“ reiškia didelį švytuoklės pasvirimą į<br />
dešinę pusę arba „P-mažas“ ar „1“ reiškia maža švytuoklės pasvirimą į kairę pusę. Todėl turint<br />
šiuos lingvistines kintamuosius ir reikšmes, galima aprašyti visas švytuoklės būsenas ir suformuoti<br />
taisyklių rinkinį, kuris pateiktas 1 lentelėje. Kadangi kiekvienas įėjimo lingvistinis kintamasis turi<br />
po 5 reikšmes, tai taisyklių rinkinį sudaro 25 taisyklės.<br />
1. Lentelė. Taisyklių rinkinys švytuoklės valdymui.<br />
“Jėga”<br />
“Kampo pokytis”<br />
“Kampas”<br />
Keletas suformuotų taisyklių pavyzdžių:<br />
●<br />
Jei kampas yra N-didelis ir kampo pokytis yra N-didelis Tai jėga yra P-didelė<br />
Ši taisyklė aprašo atvejį pavaizduotą 7 paveikslėlyje a) dalyje. Posvyrio kampas į dešinę<br />
pusę yra didelis ir švytuoklė juda greitai laikrodžio kryptimi, todėl šioje situacijoje labai<br />
aišku, kad reikia vežimėlį paveikti didele jėga į dešinę pusę, kad švytuoklė pradėtų judėti<br />
reikiama linkme.<br />
●<br />
Jei kampas yra Nulis ir kampo pokytis yra P-mažas Tai jėga yra N-mažas<br />
Ši taisyklė aprašo atvejį pavaizduotą 7 paveikslėlyje b) dalyje. Posvyrio kampas yra arti<br />
vertikalės ir juda lėtai priešinga laikrodžiui kryptimi, todėl aišku, kad reiktų paveikti<br />
vežimėlį maža jėga į kairę pusę, kad pristabdyt švytuoklės judėjimo greitį, nes vežimėlį<br />
paveikus jėga į dešinę pusę, švytuoklė gali prašokti vertikalę poziciją.<br />
●<br />
Jei kampas yra P-didelis ir kampo pokytis yra N-mažas Tai jėga yra N-mažas<br />
Ši taisyklė aprašo atvejį pavaizduotą 7 paveikslėlyje c) dalyje. Švytuoklė yra toli nuo<br />
vertikalės, bet juda pagal laikrodžio rodyklę, todėl reikia paveikti jėga į kairę, tačiau<br />
nedidele, nes švytuoklė jau juda reikiama kryptimi.<br />
10
7. Pav. Švytuoklė skirtingose būsenose.<br />
Sudarytos taisyklės suformuotos naudojant lingvistinius kintamuosius ir reikšmes, kurios<br />
yra abstrakčios, todėl suteikia tik abstrakčią informaciją kaip valdyti procesą. Naudojant neraiškią<br />
logiką, lingvistinės reikšmės aprašomos naudojant neraiškias priklausomybės funkcijas. Tokiu būdu<br />
aprašoma kokios raiškios et ,<br />
(8 paveikslėlis).<br />
d<br />
dt et ,<br />
ut reikšmės priklauso lingvistinėms reikšmėms<br />
8. Pav. Priklausomybės funkcijos.<br />
11
4.1.3 FUZIFIKACIJOS PROCEDŪRA<br />
Tai labai paprasta ir aiški procedūra, kuomet raiškioms įėjimų kintamųjų reikšmėms yra<br />
paskaičiuojamos priklausomybės funkcijų, skirtų atitinkamų kintamųjų aprašymui, reikšmės. Kitaip<br />
tariant, raiškios įėjimų reikšmės verčiamos neraiškiomis.<br />
4.1.4 INFERENCIJOS PROCEDŪRA<br />
Inferencijos procedūra susideda iš dviejų pagrindinių dalių:<br />
●<br />
●<br />
Kiekvienos taisyklės prielaidos lyginamos su valdiklio įėjimais, kad nustatyti, kurias<br />
taisykles naudoti išvadų darymui esamoje situacijoje. Išvadų darymui naudojamos tik tos<br />
taisyklės, kurių prielaidų priklausomybės funkcijos yra didesnės už 0.<br />
Padaromos išvados naudojant taisykles, kurios buvo parinktos esamos situacijos įvertinimui.<br />
Išvados yra charakterizuojamos neraiškiomis aibėmis.<br />
Tarkime, kad švytuoklės balansavimo metu laiku t et=0 ir<br />
d<br />
dt et= 8 − 32 =0.294 (9 paveikslėlis). Šioje situacijoje po fuzifikacijos Nulis<br />
et=1 ,<br />
tačiau visų kitų priklausomybės funkcijų, skirtų et aprašymui, reikšmės lygios nuliui, o<br />
Nulis<br />
d dt et=0.25 ir P −mažas<br />
d dt et =0.75 , kai kitų priklausomybės funkcijų reikšmės<br />
taip pat lygios nuliui. Iš to darome išvadą, kad taisyklės pagal kurias bus daromos išvados turi turėti<br />
tokius prielaidų teiginius:<br />
●<br />
●<br />
●<br />
Kampas yra Nulis<br />
Kampo pokytis yra Nulis<br />
Kampo pokytis yra P-mažas<br />
teiginius:<br />
Naudojantis sudarytu taisyklių rinkiniu, išrenkamos taisyklės turinčius aukščiau minėtus<br />
●<br />
●<br />
JEI Kampas yra Nulis IR Kampo pokytis yra Nulis TAI Jėga yra Nulis<br />
JEI Kampas yra Nulis IR Kampo pokytis yra P-mažas TAI Jėga yra N-mažas<br />
12
9. Pav. Įėjimų priklausomybės funkcijos su raiškiais įėjimais.<br />
Kai žinoma, kuriomis taisyklėmis naudojantis turėtų būti padaryta išvada, kokia kryptimi ir<br />
jėga paveikti vežimėlį, pirmiausia apsiribojama kiekvienos taisyklės išvada atskirai, o vėliau<br />
išvados apjungiamos. Aptarkime kiekvienos taisyklės daromas išvadas:<br />
●<br />
JEI Kampas yra Nulis IR Kampo pokytis yra Nulis TAI Jėga yra Nulis<br />
Pirmiausia įvertinamas bendras prielaidos dalies (taisyklės) svarbumo laipsnis. Kadangi<br />
Nulis<br />
et =1 , o Nulis<br />
d dt et=0.25 , tai teiginį, kad Kampas yra Nulis, galime<br />
laikyti kaip visiškai teisingą, tačiau teiginį, kad Kampo pokytis yra Nulis, galime laikyti<br />
daugiau neteisingu, negu, kad teisingu. Todėl iš to išplaukia išvada, kad taisyklės išvada, kai<br />
naudojamas loginis operatorius IR, bus svarbi tik tuomet, jei abu iš teiginių bus pakankamai<br />
teisingi. Remiantis šiomis išvadomis bendras prielaidos dalies (taisyklės) svarbumo laipsnis<br />
gali būti apskaičiuotas keliais būdais:<br />
○ Parenkant minimalų priklausomybės laipsnį. Šiuo atveju<br />
prielaidos<br />
=min1 ; 0.25=0.25<br />
○ Naudojant priklausomybės funkcijų sandaugą. Šiuo atveju<br />
prielaidos<br />
=1∗0.25=0.25<br />
Kaip matome konkrečiu atveju šie būdai duoda vienodus rezultatus, bet tarkime, kad<br />
pasirenkame minimalų narystės laipsnio parinkimą. Jei šiuo atveju būtų naudojamas<br />
13
taisyklėms loginis operatorius ARBA, tai parinktumėm maksimalų priklausomybės laipsnį<br />
arba algebrinę sumą.<br />
Kadangi taisyklės išvada Jėga yra Nulis, tai jos priklausomybės funkcija pateikta 10<br />
paveikslėlyje a). Minėtos taisyklės išvados priklausomybės funkcija aprašoma naudojant<br />
prielaidos dalies priklausomybės laipsnį: 1<br />
u=min {0.25, Nulis<br />
u}<br />
10 paveikslėlyje b) pateikiamos šios taisyklės išvados neraiški aibė ir ją aprašanti<br />
priklausomybės funkcija 1<br />
u .<br />
10. Pav. a) Išvados priklausomybės funkcija ir b) pirmosios taisyklės išvados neraiški aibė ir ją aprašanti<br />
priklausomybės funkcija 1<br />
u .<br />
●<br />
JEI Kampas yra Nulis IR Kampo pokytis yra P-mažas TAI Jėga yra N-mažas<br />
Vėlgi, kadangi Nulis<br />
et=1 , o P −mažas<br />
d dt et =0.75 , tai<br />
prielaidos dalies<br />
priklausomybės laipsnis apskaičiuojamas parenkant minimalų priklausomybės laipsnį.<br />
Kadangi šios taisyklės išvada jau yra Jėga yra N-mažas, tai jos priklausomybės funkcija<br />
jau bus kita ir pateikta 11 paveikslėlyje a). 11 paveikslėlyje b) pateikiamos šios taisyklės<br />
išvados neraiški aibė ir ją aprašanti priklausomybės funkcija<br />
2<br />
u=min{0.75, N −mažas<br />
u} .<br />
11. Pav. a) Išvados priklausomybės funkcija ir b) antrosios taisyklės išvados neraiški aibė ir ją aprašanti<br />
priklausomybės funkcija 2<br />
u .<br />
14
Kuomet turimos visos taisyklių išvadų neraiškios aibės jos yra apjungiamos (12 paveikslėlis).<br />
12. Pav. Taisyklių išvadų neraiškios aibės.<br />
4.1.5 DEFUZIFIKACIJOS PROCEDŪRA<br />
Defuzifikacijos procedūra operuoja su turimomis taisyklių išvadų neraiškiomis aibėmis<br />
siekdama surasti geriausia raiškią išėjimo reikšmę. Paprasčiau tariant neraiškios reikšmės<br />
verčiamos raiškiomis reikšmėmis. Defuzifikacijos metodų yra gana daug, tačiau apžvelgsime kelis<br />
pačius populiariausius:<br />
●<br />
Gravitacijos centro (COG) defuzifikacijos metodas apskaičiuoja raiškią reikšmę tokiu būdu:<br />
u raiški<br />
= ∑ i b i∫ i <br />
∑ i<br />
∫ i<br />
čia b i yra priklausomybės funkcijų centras, o ∫ i - plotas ribojamas priklausomybės<br />
funkcijų i<br />
. Panaudojus tokį metodą prieš tai gautoms neraiškioms aibėms, gauname<br />
raiškią valdiklio išėjimo reikšmę (13 paveikslėlis).<br />
13. Pav. Raiškios reikšmės apskaičiavimo gravitacijos centro metodu iliustracija.<br />
15
●<br />
Centrų vidurkio defuzifikacijos metodas apskaičiuoja reikšmę tokiu būdu:<br />
paveikslėlyje.<br />
u raiški<br />
= ∑ i b i prielaidos i<br />
∑ i<br />
prielaidosi<br />
čia b i yra priklausomybės funkcijų centras, o prielaidosi - bendras prielaidos<br />
priklausomybės laipsnis. Šis metodas yra paprastesnis nei COG metodas, tačiau kurį vis<br />
dėlto metodą pasirinkti yra geriau, pasakyti be tolesnių <strong>sistemos</strong> eksperimentų negalima.<br />
Pilna visų fuzifikacijos – inferencijos – defuzifikacijos etapų iliustracija pavaizduota 14<br />
JEI Kampas yra Nulis IR Kampo pokytis yra Nulis<br />
TAI Jėga yra Nulis<br />
JEI Kampas yra Nulis IR Kampo pokytis yra P-mažas<br />
TAI Jėga yra N-mažas<br />
14. Pav. Fuzifikacijos – inferencijos – defuzifikacijos etapų iliustracija.<br />
16
4.2<br />
SUGENO VALDYMO SISTEMA<br />
Nagrinėjant Mamdani <strong>valdymo</strong> sistemas, pradinis sistemų projektavimo etapas rėmėsi<br />
lingvistinių kintamųjų ir jų reikšmių parinkimu. Tačiau neretai iškyla uždavinys, kaip suprojektuoti<br />
neraiškią <strong>valdymo</strong> sistemą turint tik eksperimento metu gautas <strong>sistemos</strong> įėjimų-išėjimų skaitines<br />
reikšmes. Todėl M. Sugeno 1985 buvo pasiūlytas Sugeno miglotasis modelis, kuris dar žinomas<br />
TSK modelio pavadinimu, kuris leidžia turint įėjimo-išėjimo <strong>sistemos</strong> duomenis, sistematiškai<br />
generuoti neraiškias taisykles, kurios gebėtų gerai aprašyti įėjimų-išėjimų sąryšį. Tipinė neraiški<br />
taisyklė Sugeno modelyje aprašoma tokia forma:<br />
JEI Temperatūra yra maža IR Greitis yra vidutinis TAI z=f(Temperatūra, Greitis)<br />
čia z yra išvadų funkcija, kuri gali būti pavyzdžiui elementari tiesinė funkcija ar sudėtingas<br />
neuroninis tinklas. Fuzifikacijos procedūra atliekama lygiai taip pat, kaip ir Mamdani <strong>sistemos</strong>e,<br />
tačiau, kadangi Sugeno <strong>sistemos</strong> neraiškios taisyklės išvada yra konstanta, tai inferencijos ir<br />
defuzifikacijos procesai labai supaprastėja. Todėl šios <strong>sistemos</strong> yra skaičiavimų prasme efektyvios,<br />
puikiai tinka dinaminių netiesinių sistemų valdymui. Adaptyvių metodų pagalba, naudojant įėjimųišėjimų<br />
reikšmių rinkinius, galima optimizuoti priklausomybės funkcijas ir išvadų funkcijas taip,<br />
kad neraiški sistema kuo tiksliau identifikuotų valdomos <strong>sistemos</strong> dinamines ir netiesines<br />
charakteristikas.<br />
Kaip pavyzdys pateikiamas rekurentinis neraiškus – neuroninis modelis, skirtas dinaminių<br />
sistemų identifikavimui turint tik įėjimo išėjimo duomenis. Kadangi modelis paremtas Sugeno<br />
sistema, tai jo struktūra (15 paveikslėlis) yra labai paprasta. Prielaidų dalis atlieka fuzifikacijos<br />
procedūrą ir paskaičiuoja kiekvienos taisyklės svarbumo (priklausomybės) laipsnius i<br />
k , kaip<br />
ir Mamdani sistemoje. Išvadų dalis yra sudaryta iš kiekvienai taisyklei skirto rekurentinio<br />
neuroninio tinklo (16 paveikslėlis), kuris paskaičiuoja kiekvienos taisyklės išvadą y i<br />
k .<br />
Defuzifikacijos procedūra atliekama labai paprastai:<br />
Toks modelis savo struktūra yra ne tik paprastas bet ir leidžia neraiškios <strong>sistemos</strong> dėka išskaidyti<br />
įėjimo duomenis į grupes ir modeliuoti <strong>sistemos</strong> elgseną kiekvienos grupės atžvilgiu. Taisyklių<br />
skaičius ir priklausomybės funkcijų nustatymas atliekamas pasinaudojant grupavimo ir neraiškiais<br />
priklausomybės funkcijų optimizavimo metodais.<br />
17
Defuzifikacija<br />
15. Pav. Rekurentinis neraiškus – neuroninis modelis dinaminių sistemų identifikavimui.<br />
16. Pav. Rekurentinis neuroninis tinklas.<br />
5 NERAIŠKIOS LOGIKOS VALDYMO SISTEMŲ OPTIMIZAVIMAS<br />
Dažniausiai suprojektuotas <strong>valdymo</strong> sistemas reikia optimizuoti, nes jos netenkina užduotų<br />
<strong>valdymo</strong> kokybės reikalavimų. Švytuoklės problemos atveju, tarkime, mes atlikdami eksperimentus<br />
pastebime, kad į švytuoklės posvyrį galbūt sureaguojama per lėtai ar vežimėlį paveikianti jėga tam<br />
tikrose situacijose yra per maža ar per didelė. Pats paprasčiausias būdas, nemodifikuojant<br />
suprojektuoto valdiklio, yra pridėti priklausomybės funkcijų mastelių stiprintuvus g 0 , g 1 ir<br />
h . Keičiant stiprintuvo koeficientus, keičiasi lingvistinių kintamųjų reikšmių intervalai<br />
(priklausomybės funkcijų lokalizacija įėjimo reikšmių atžvilgiu), pagerindami <strong>valdymo</strong> kokybę.<br />
Neraiškus<br />
valdiklis<br />
Švytuoklė<br />
17. Pav. Neraiški švytuoklės <strong>valdymo</strong> sistema su mastelių stiprintuvais.<br />
18
Be abejo, ne visuomet užtenka tik panaudoti mastelių stiprintuvus. Neretai suprojektuota<br />
<strong>valdymo</strong> sistema negali užtikrinti kokybiško <strong>valdymo</strong>, dėl per mažo sudarytų taisyklių skaičiaus,<br />
netinkamos priklausomybių funkcijų formos, centrų lokalizacijos, pločio, persidengimo laipsnio.<br />
Dažniausiai priklausomybių funkcijų koeficientų būna labai daug ir be abejonės jų parinkimas yra<br />
sudėtinga užduotis. Parametrų optimizavimo algoritmai daugiausia remiasi gradiento metodų<br />
naudojamu.<br />
Kuomet turime eksperimento metu gautas <strong>sistemos</strong> įėjimų-išėjimų skaitines reikšmes, iškyla<br />
elementarus uždavinys, kaip nuspręsti kiek taisyklių ir su kokiais priklausomybės funkcijų<br />
parametrais naudoti projektuojant <strong>valdymo</strong> sistemą. Dažniausiai paplitęs ir naudojamas neraiškus<br />
vidurkių optimizavimo metodas ir jo įvairios modifikacijos. Pagrindinė metodo idėja yra ta, kad<br />
siekiant išvengti pernelyg tankiai išsidėsčiusių priklausomybės funkcijų, laikoma, kad esant<br />
duomenų taškui ties priklausomybės funkcijos centru, taško priklausomybės laipsnis turi būti lygus<br />
vienetui, o visų kitų priklausomybės funkcijų laipsniai lygūs nuliui. Neraiškus vidurkių metodas yra<br />
iteracinė optimizavimo procedūra, kuri minimizuoja dažniausiai tokios formos funkciją:<br />
n C<br />
J =∑ ∑ ij<br />
2∥x i<br />
−v j ∥ 2<br />
i=1 j =1<br />
čia n – duomenų įėjimo-išėjimo porų skaičius, C – priklausomybės funkcijų skaičius, ij – taškų<br />
priklausomybės laipsniai, x i – duomenų poros taškas ir v j – priklausomybės funkcijos centras.<br />
Optimizavimo procesas nutraukiamas, kuomet optimizuojamos funkcijos reikšmė iteracijų metu<br />
nesikeičia užduotu ribiniu dydžiu. Priklausomybės funkcijų skaičius laisvai pasirenkamas arba<br />
randamas naudojant grupavimo metodą.<br />
6 NERAIŠKIOS LOGIKOS VALDYMO SISTEMŲ PALYGINIMAS<br />
Pagrindinis skirtumas tarp nagrinėtų Mamdani ir Sugeno neraiškių <strong>valdymo</strong> sistemų yra tas,<br />
kad Sugeno <strong>sistemos</strong>e naudojamų neraiškių taisyklių išvadų dalis yra pakeista į funkciją. Tai<br />
nulemia Sugeno <strong>sistemos</strong> paprastesnes inferencijos ir defuzifikacijos procedūras. Kadangi<br />
neraiškių taisyklių prielaidų dalis abiejose <strong>sistemos</strong>e vienoda, tai fuzifikacijos procedūra ir<br />
inferencijos procedūros pirmoji dalis ir taisyklės svarbumo laipsnio paskaičiavimas yra tokie patys.<br />
Apibendrinus galime įžvelgti tokius kiekvienos <strong>sistemos</strong> pranašumus ir trūkumus:<br />
Mamdani <strong>valdymo</strong> sistema:<br />
●<br />
●<br />
Intuityvi;<br />
Gerai tinka eksperto teikiamiems duomenims apdoroti;<br />
19
●<br />
Skaičiavimų ir optimizavimo prasme neefektyvi.<br />
Sugeno <strong>valdymo</strong> sistema:<br />
●<br />
●<br />
●<br />
●<br />
Skaičiavimų prasme efektyvi;<br />
Gerai dirba su optimizavimo ir adaptyviais metodais;<br />
Gerai dirba su tiesiniais <strong>valdymo</strong> metodais;<br />
Gerai tinka matematinei analizei.<br />
20
7<br />
IŠVADOS<br />
Privalumai:<br />
●<br />
●<br />
●<br />
●<br />
●<br />
Kone pagrindinis privalumas, kad neraiškių <strong>valdymo</strong> sistemų projektavime<br />
nereikalingas matematinis modelis. Bendru atveju neraiškių <strong>valdymo</strong> sistemų<br />
projektavimas taikomas sudėtingų sistemų valdymui.<br />
Lengvas eksperto žinių panaudojimas ir pritaikymas naudojant neraiškias taisykles.<br />
Intuityvus, lengvai suprantamas neraiškių taisyklių bazės sudarymas. Taisyklių bazę gali<br />
sudarinėti žmogus turintis daug patyrimo apie valdomą procesą ir jo dinamines ir<br />
fizikines savybes, tačiau neturintis didelių <strong>valdymo</strong> sistemų projektavimo žinių.<br />
<strong>Neraiškios</strong> <strong>valdymo</strong> <strong>sistemos</strong> atsparios atsitiktiniams trukdžiams ir netiksliems jutiklių<br />
duomenims.<br />
<strong>Neraiškios</strong> <strong>valdymo</strong> <strong>sistemos</strong> gali būti suprojektuotos taip, kad atpažintų kritines<br />
situacijas ir priimtų adekvačius sprendimus.<br />
Trūkumai:<br />
●<br />
●<br />
●<br />
●<br />
Klasikinių valdiklių projektavimas yra paprastesnis ir greitesnis, jei turimas pakankamai<br />
tikslus matematinis modelis.<br />
Sunkus stabilumo verifikavimas.<br />
Neraiškių taisyklių sudarymas, lingvistinių kintamųjų ir priklausomybės funkcijų<br />
parinkimas priklauso nuo eksperto žinių apie procesą. Kiekvienas ekspertas gali savaip<br />
suvokti valdomą procesą ir jo <strong>valdymo</strong> koncepsiją, taigi sistemingo metodo kaip iš karto<br />
suprojektuoti optimalią <strong>valdymo</strong> sistemą nėra.<br />
Jeigu <strong>valdymo</strong> sistemą negalime optimizuoti naudojantis realia sistema, tai peršasi<br />
išvada, kad vis dėlto simuliacijai reikalingas matematinis <strong>sistemos</strong> modelis.<br />
21
8<br />
LITERATŪRA<br />
1. Kevin M. Passino, Stephen Yurkovich, “Fuzzy control”, Addison-Wesley, 1998.<br />
2. P.Mastorocostas, J.B. Theocharis, „A Recurrent Fuzzy-Neural Model for Dynamic System<br />
Identification“, 2002, IEEE.<br />
3. J.-S.R. Jang, C.-T. SUN, and E.Mizutani, „Neuro-Fuzzy and Soft Compiuting“, Prentice<br />
Hall, 1997.<br />
22