ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ

 

Создание систем, ориентируемых для работы в условиях не­полноты или нечеткости исходной информации, неопределенно­сти внешних возмущений и среды функционирования, требует привлечения нетрадиционных подходов к управлению с исполь­зованием методов и технологий искусственного интеллекта. Та­кие системы, названные интеллектуальными системами управле­ния, образуют совершенно новый класс. Это понятие возникло в начале 80-х гг. XX в.

В качестве базовых выделяются 4 интеллектуальные технологии:

-технология экспертных систем, ориентированная на обра­ботку знаний с явной формой представления в виде продук­ционных правил;

-технология нечеткой логики, ориентированная на обработ­ку логико-лингвистических моделей представления знаний с помощью продукционных правил и размытых множеств;

-технология нейросетевых структур с неявной формой пред­ставления знаний, скрытых в архитектуре сети, параметрах нейронов и связей;

-технология ассоциативной памяти, ориентированная на об­работку знаний с неявной формой представления в виде ги­перповерхности в многомерном пространстве признаков.

Отсюда, в частности, видно, что основной отличительной чер­той интеллектуальных систем автоматического управления явля­ется возможность системной обработки знаний, под которыми понимается проверенный практикой результат познания деятель­ности, верное ее отражение в мышлении человека. Знания позво­ляют отнести сложившуюся ситуацию к некоторому классу, для которого требуемое управление считается известным согласно теории ситуационного управления Д.А. Поспелова и его научной школы. Одна из передовых тенденций в области обработки зна­ний состоит в интеграции различных интеллектуальных техно­логий для сочетания их преимуществ.

Организация интеллектуальных систем автоматического уп­равления производится по следующим пяти принципам:

- наличие тесного информационного взаимодействия интел­лектуальной системы автоматического управления с реаль­ным внешним миром при использовании информационных каналов связи;

- наличие прогнозов изменения внешнего мира и собственно­го поведения системы;

- многоуровневый характер иерархической структуры в соот­ветствии с правилом: повышение интеллектуальности и сни­жение требований к точности по мере повышения ранга иерархии;

- сохранение функционирования при разрыве связей от выс­ших уровней иерархии;

-повышение интеллектуальности и совершенствование соб­ственного поведения.

 

5.1 Основы фази-управления

5.1.1 Базовые понятия фази-логики

Fuzzy-logic переводится как нечеткая логика. К базовым, или первичным, понятиям относятся «нечеткое множество» и «лин­гвистическая переменная». Нечетким множеством М называется подмножество х множества X, которое характеризуется непрерыв­ной функцией принадлежности (ФП) могущей принимать любые значения между 0 и 1, что можно истолковать, как «зна­чение х может быть в данном множестве с вероятностью ». Множество М может быть записано как совокупность пар значе­ний х и , т. е. в виде:

Лингвистической переменной называют такую переменную, которая задана на количественной шкале базисной переменной х и принимает значения в виде слов и словосочетаний. Отдельное лингвистическое значение (терм) задается с помощью одной фун­кции принадлежности, т. е. каждому терму соответствует нечет­кое множество.

В теории фази-управления для лингвистического описания выходной переменной ОУ х и сигнала ошибки наиболее часто применяют следующий универсальный набор из семи термов с треугольными и трапециевидными функциями принадлежности, «отрицательный», «положительный», «большой», «сред­ний», «маленький».

Процедура определения значения функции принадлежности , соответствующего конкретному значению переменной х, называется фазификацией.