Нечеткое управление

Cтраница 2

Покажем теперь, что модуль нечеткого управления, описанный в разд. [16]

В последующих разделах обсуждаются различные модули нечеткого управления, для обучения которых применяется алгоритм обратного распространения ошибки. [17]

Траектории движения грузовика из трех исходных позиций. ( х, ф ( - 100, - 60, ( 100, 120 и ( 0, 180. [18]

Таким образом, представленная структура модуля нечеткого управления обладает свойством, которое отсутствует у обычных нечетких систем - способностью к обучению. Это достигнуто благодаря представлению модуля управления в виде нейроподобной многослойной сети. В то же время, эта сеть свободна от главного недостатка нейронных сетей - распределения знаний. Все веса и параметры сохраняют свою физическую интерпретацию, что дает возможность анализировать знания, накопленные системой в процессе обучения. [19]

Блочная структура системы кондиционирования. [20]

На рис. 3.26 представлена типовая структура модуля нечеткого управления. Он состоит из следующих компонентов: базы правил, блока фуззификации ( fuzzificatiorf), блока выработки решения, блока дефуззификации. [21]

Далее будет показана возможная сетевая реализация модуля нечеткого управления. После этого мы обсудим методику обучения такой сети. [22]

Пример функций принадлежности ( ФП. [23]

На рис. 5.13 приведена функциональная схема системы нечеткого управления скоростного привода, основанная на нечеткой логике [15], где Ф, и Ф2 - фузификаторы ( fuzzy англ. [24]

Схема вычисления А / г.| Зависимость процента ошибок от числа итераций ВР - стандартный алгоритм Back Propagation. BP1 - алгоритм ВР с динамическим шагом. ВР2 - модифицированный ВР с коррекцией h. [25]

Проведенные эксперименты показали, что ВР2 с нечетким управлением обеспечивает существенно более быструю сходимость, чем классический ВР. Достижение той же ошибки обучения ( 25 %) было достигнуто при числе итераций в два раза меньше. [26]

Граничные условия 5-нормы. [27]

Некоторые из них, которые используются в теории нечеткого управления, приводятся ниже. [28]

В разделе 3.9 была представлена типовая структура модуля нечеткого управления и рассмотрено несколько примеров. Еще одна цель заключается в обзоре реализаций таких модулей управления, обозначаемых в англоязычной литературе термином fuzzy-neural. Однако до начала обсуждения конкретных структур следует определить содержание этого термина. [29]

Система искусственного интеллекта, основанная на технологии Soft Computing, реализующая нечеткое управление, являющаяся результатом проведенных исследований в области теории нечетких множеств, впервые была испытана в начале 70 - х гг. сотрудником Лондонского университета Мам-дани. В начале 80 - х гг. данная система была реализована в Дании для управления цементной обжиговой печью. [30]

Страницы: 1 2 3 4 5