Аналіз систем нечіткого керування судновими електро - енергетичними комплексами на прикладі автоматичних регуляторів температури
Автор работы: Пользователь скрыл имя, 04 Ноября 2014 в 19:41, статья
Краткое описание
Коли ви керуєте автомобілем, рухаючись у щільному міському потоці, Ви зайняті думками про розгін, гальмування, маневри, додержання правил дорожнього руху тощо. Якщо в цей момент запитати Вас, що міркуєте Ви про температуру ваших гальм, чи не здається Вам низьким тиск мастила у гідро підсилювачі, навряд відповідь буде обґрунтованою, адже Ви зайняті процесом керування автомобілем. Усі агрегати автівки цікавлять Вас лише тому що вони сприяють цьому процесу.
Прикрепленные файлы: 1 файл
Статья.docx
— 220.13 Кб (Скачать документ)- Визначити час сервоприводу;
- Задати значення Тр.
Приведемо графіки позиції робочого органу при ПІД-регулюванні (Рис.3) та Fuzzy Logic регулюванні (Рис.4). Нульова позиція робочого органу характеризує її повністю закрите положення, 100% - повністю відкрите.
Рис.3
Рис.4.
Данні, зображені на графіках, дозволяють вирахувати кількість вмикань робочого органу та сумарний час його переміщення із одного положення в інше при ПІД-регулюванні та регулюванні, основаному на Fuzzy Logic (Таблиця 1).
Таблиця 1.
Кількість вмикань робочого органу |
Сумарний час переміщення робочого органу, с | |
ПІД-регулювання |
61 |
2413 |
Fuzzy Logic |
49 |
3553 |
Висновки
До переваг систем нечіткої логіки перед ПІД-регулюванням можна віднести:
- Можливість оперування нечіткими вхідними даними, наприклад: безперервно змінними у часі значеннями, а також значеннями які неможливо задати однозначно (зовнішні чинники, якість роботи сервоприводу тощо);
- Можливість нечіткого висловлення критеріїв оцінки та порівняння: оперування критеріями «більшість», «можливо», «найкраще»;
- Можливість проведення якісних оцінок як вхідних, так і вихідних результатів, оперування не лише значеннями даних, а й ступенем їх вірогідності;
- Можливість проведення швидкого моделювання комплексних динамічних систем, а також їх порівняльний аналіз з заданою точністю: оперуючи принципами поведінки системи, описаними Fuzzy-методами, не гається багато часу на з’ясування точних значень змінних та складення рівнянь, які їх описують.
Використана література
Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: Мир, 1976.
Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. – М.: Физматлит, 2002.
Леоленков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. – СПб., 2003.
Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М., 2004.
Масалович А. Нечеткая логика в бизнесе и финансах. www.tora-centre.ru/library/
fuzzy/fuzzy-.htm
Kosko B. Fuzzy systems as universal approximators // IEEE Transactions on Computers, vol. 43, No. 11, November 1994. – P. 1329-1333.
Cordon O., Herrera F., A General study on genetic fuzzy systems // Genetic Algorithms in engineering and computer science, 1995. – P. 33-57.
Яхьяева Г.Э. Нечеткие множества и нейронные сети: Учебное пособие/ Г.Э. Яхьяева. – М.: Интернет – Университет Информационных технологий; БИНОМ. Лаборатория знаний, 2006.