СИНТЕЗ АДАПТИВНОЙ НЕЙРО-НЕЧЕТКОЙ СИСТЕМЫ УПРАВЛЕНИЯ НЕЛИНЕЙНЫХ ДИНАМИЧЕСКИХ ОБЪЕКТОВ
Ключевые слова:
Гибридная модель, модель Сугено, эмулятор, компенсатор, нейро- нечеткая система управления, динамическая объект.Аннотация
Разработка адаптивной нейро-нечеткой системы управления нелинейными динамическими объектами. На основе гибридного применения нейронной сети и нечеткой логики. Предложено применение адаптивного идентификатора для нейро-нечеткой системы управления нелинейным динамическим объектом, функционирующего в условиях неопределенности изменения внутренних свойств и внешней среды. Разработаны алгоритмы структурной и параметрической идентификации в реальном времени, представляющей собой комбинацию алгоритма идентификации коэффициентов линейных уравнений и метода теории интерактивной адаптации. Структура предложенной системы состоит из трех частей: самого объекта, эмулятора регулятора и компенсатора. Разработанная гибридная модель, построенная на основе нейронных сетей и нечетких моделей, позволяет повысить эффективность решение задачи управления сложными динамическими объектами в условиях неопределенности. Для формализации компенсатора, эмулятора и
регулятора предложен применения нечеткая модель Сугено, архитектура которой состоящий из пяти слоев, обучения нечеткой сети осуществляется методом интерактивной адаптации.
Библиографические ссылки
1. C. Peraza, F. Valdez, M. Garcia, P. Melin, O. Castillo, A New Harmony Search Algorithm Using Fuzzy Logic for Dynamic Parameter Adaptation, Algoritms, vol. 9, no 4, 2016, DOI: 10.3390/a9040069.
2. G. Fargione, D. Tringali, G. Risitano, A fuzzy-genetic control system in the ABS for the control of semi-active vehicle suspensions, Mechatronics, vol. 39, no. 89, 2016, DOI: 10.1016/j.mechatronics.2016.08.004.
3. H. Abounaser, I. Talkhan, A. Fahmy, A Parallel Fuzzy-Genetic Algorithm for Classification and Prediction, International Journal Of Advanced Computer Science and Application, vol. 7, no. 10, 2016, DOI: 10.14569/IJACSA.2016.071022.
4. Siddikov, Z. Iskandarov, Synthesis of adaptive-fuzzy control system of dynamic in conditions of uncertainty of information // International Journal of Advanced Research in Science, Engineering and Technology. Vol. 5. Issue 1. January 2018. pp. 5089-5093.
5. L.A. Zadeh,“Fuzzy Sets. Information Control”, vol. 8, 1965, 338-353.
6. M.-Y. Chou, W.-H. Lee, C.-H. Wang, C.-T. Pang, On the fuzzy genetic algorithm, Journal Of Nonlinear And Convex Analysis, vol. 17, no. 5, 2016, 921-929.
7. R.J. Kuo, B.S. Wibowo, F.E. Zulvia, Application of a fuzzy and colony system to solve the dynamic vehicle routing problem with uncertain service time, Applied Mathematical Modelling, vol. 40, no. 23-24, 2016, 9990-10001, DOI: 10.1016/j.apm.2016.06.025.
8. Medvedev A.V. Osnovy teorii adaptivnyh sistem [Fundamentals of the Theory of Adaptive Systems]. Krasnoyarsk, Sibirskiy gosudarstvennyy aerokosmicheskiy universitet, 2015.
9. A.D. Bratus, Sintez novyx optimalnyx i adaptivnyx system. –M.:Kompaniya Sputnik+, 2002. 221 s.
10. V.V. Kruglov, Iskusstvennye neyronnye seti. Teoriya I praktika / V.V. Kruglov, N.N. Borisov. – M.:Goryachaya liniya – Telekom, 2001. -382 s.
11. V.Ya. Rotach, Teoriya avtomaticheskogo upravleniya / V.Ya. Potach. – M.:MEI, 2008. -396 s.
12. D. Rutkovskaya, M. Pilinskiy, L. Rutkovskiy, Neyronnye seti, genetichesye algoritmi I nechetkye sistemy, per.c polsk. I.D. Rudinckogo. –M.:Goryachaya liniya – Telekom. 2006. -452 s.
13. D.P. Kim, Teoriya avtomaticheskogo upravleniya. T.2. Mnogomernye, nelineynye, optimalnye i adaptivnye sistemy. M.:Fizmatlit, 2004. -464 s.
14. I.Yu. Tyukin, Algoritmi adaptasiya v konechnoy forme dlya nelineynyx dinamicheskix obektov // Avtomatika i Telemexanika. – 2003. T. 64, № 6. — S. 951-974.
15. I.X. Siddikov, Yu.A. Jukova, Imitatsionnoe modelirovanie sistemy upravleniya dinamicheskim obektom na osnove sinergeticheskogo podxoda // “Avtomatizatsiya. Sovremennye Texnologii” №1, 2018 S. 22-25.
