Введение
Нечеткая логика основана на использовании оборотов естественного языка. Вы сами определяете необходимое число терминов и каждому из них ставите в соответствие некоторое значение описываемой физической величины. Для этого значения степень принадлежности физической величины к терму (слову естественного языка, характеризующего переменную) будет равна единице, а для всех остальных значений - в зависимости от выбранной функции принадлежности. Например, можно ввести переменную «возраст» и определить для нее термы «юношеский», «средний» и «преклонный». Диапазон ее применения очень широк - от бытовых приборов до управления сложными промышленными процессами. Многие современные задачи управления просто не могут быть решены классическими методами из-за очень большой сложности описывающих их математических моделей. Вместе с тем, чтобы использовать теорию нечеткости на цифровых компьютерах, необходимы математические преобразования, позволяющие перейти от лингвистических переменных к их числовым аналогам в ЭВМ.
Нечеткие системы управления
Нечеткая система (НС) -- это система, особенностью описания которой является:
· нечеткая спецификация параметров;
· нечеткое описание входных и выходных переменных системы;
· нечеткое описание функционирования системы на основе продукционных «ЕСЛИ…ТО…»правил.
Важнейшим классом нечетких систем являются нечеткие системы управления (НСУ). Одним из важнейших компонентов НСУ является база знаний, которая представляет собой совокупность нечетких правил «ЕСЛИ--ТО», определяющих взаимосвязь между входами и выходами исследуемой системы. Существуют различные типы нечетких правил: лингвистическая, реляционная, модель Takagi-Sugeno.
Для многих приложений, связанных с управлением технологическими процессами, необходимо построение модели рассматриваемого процесса. Знание модели позволяет подобрать соответствующий регулятор (модуль управления). Однако часто построение корректной модели представляет собой трудную проблему, требующую иногда введения различных упрощений. Применение теории нечетких множеств для управления технологическими процессами не предполагает знания моделей этих процессов. Следует только сформулировать правила поведения в форме нечетких условных суждений типа «ЕСЛИ-ТО».
Рис. 1. Структура нечеткой системы управления
Процесс управления системой напрямую связан с выходной переменной нечеткой системы управления, но результат нечеткого логического вывода является нечетким, а физическое исполнительное устройство не способно воспринять такую команду. Необходимы специальные математические методы, позволяющие переходить от нечетких значений величин к вполне определенным. В целом весь процесс нечеткого управления можно разбить на несколько стадий: фазификация, разработка нечетких правил и дефазификация.
Фа зификация (переход к нечеткости)
На данной стадии точные значения входных переменных преобразуются в значения лингвистических переменных посредством применения некоторых положений теории нечетких множеств, а именно - при помощи определенных функций принадлежности.
Лингвистические переменные
В нечеткой логике значения любой величины представляются не числами, а словами естественного языка и называются «термами». Так, значением лингвистической переменной «Дистанция» являются термы «Далеко», «Близко» и т. д. Для реализации лингвистической переменной необходимо определить точные физические значения ее термов. Допустим переменная «Дистанция» может принимать любое значение из диапазона от 0 до 60 метров. Согласно положениям теории нечетких множеств, каждому значению расстояния из диапазона в 60 метров может быть поставлено в соответствие некоторое число, от нуля до единицы, которое определяет степень принадлежности данного физического значения расстояния (допустим, 10 метров) к тому или иному терму лингвистической переменной «Дистанция». Тогда расстоянию в 50 метров можно задать степень принадлежности к терму «Далеко», равную 0,85, а к терму «Близко» - 0,15. Задаваясь вопросом, сколько всего термов в переменной необходимо для достаточно точного представления физической величины принято считать, что достаточно 3-7 термов на каждую переменную для большинства приложений. Большинство применений вполне исчерпывается использованием минимального количества термов. Такое определение содержит два экстремальных значения (минимальное и максимальное) и среднее. Что касается максимального количества термов, то оно не ограничено и зависит целиком от приложения и требуемой точности описания системы. Число 7 же обусловлено емкостью кратковременной памяти человека, в которой, по современным представлениям, может храниться до семи единиц информации.
Функции принадлежности
Принадлежность каждого точного значения к одному из термов лингвистической переменной определяется посредством функции принадлежности. Ее вид может быть абсолютно произвольным, однако сформировалось понятие о так называемых стандартных функциях принадлежности
Рис. 2. Стандартные функции принадлежности
Стандартные функции принадлежности легко применимы к решению большинства задач. Однако если предстоит решать специфическую задачу, можно выбрать и более подходящую форму функции принадлежности, при этом можно добиться лучших результатов работы системы, чем при использовании функций стандартного вида.
Проектирование нечетких систем
Нечеткие системы (независимо от того, являются ли они нечеткими моделями или нечеткими контроллерами) (рис. 6) включают два главных компонента:
· Базу знаний (БЗ), в которой хранятся доступные или приобретенные знания о задаче, требующей решения, в форме нечетких правил;
· Механизм инференции, использующий методы нечетких рассуждений, базирующиеся на базе правил и входных сигналах, для получения выходного сигнала системы.
Оба этих компонента должны быть спроектированы так, чтобы построить систему для конкретного приложения:
· БЗ формируют из знаний экспертов или путем обучения с помощью машинных методов;
· Механизм инференции строят путем выбора нечетких операторов для каждого компонента (конъюнкция, импликация, дефаззификация и т.п.).
В ряде случаев операторы также параметризуются и бывают настроены автоматическими методами.
Рис. 7
Проектирование БЗ затрагивает две подзадачи:
1. Определение базы данных (БД):
· Универсум для переменных;
· Масштабирующие коэффициенты или функции;
· Гранулированность (число лингвистических терм) для каждой переменной;
· Функции принадлежности, описывающие термы.
2. Составление базы правил (БП): формулировка базовых правил.
Как уже отмечено, существуют два различных метода для проектирования базы знаний (БЗ): информация от экспертов и с помощью машинных методов обучения на основе численной информации, полученной с помощью нечеткого моделирования или путем симуляции проектируемой системы управления.
Классификация генетических нечетких систем
С точки зрения оптимизации, чтобы найти соответствующую нечеткую систему, нужно ее представить как эквивалентную параметрическую структуру и затем определить значения параметров, обеспечивающих оптимум для конкретной функции приспособленности. По этой причине первый шаг в проектировании ГНЛС решить вопрос о том, какая часть нечеткой системы подлежит оптимизации путем кодирования ее параметров в хромосомы. В этом разделе мы представим классификацию ГНЛС, соответствующую различным частям нечеткой системы, кодируемым с помощью генетической модели.
Обычно методы проектирования ГНЛС разделяют на два процесса, настройка (ᴛ.ᴇ. адаптация) и обучение . При этом будем исходить из факта͵ существует или нет исходная БЗ, включая БД и БП. Тогда в рамках ГНЛС мы вводим следующее деление.
· Генетическая настройка. В случае если существует БЗ, мы применяем процесс генетической настройки для улучшения свойств нечеткой системы, но не изменяем БП. Т.е. мы настраиваем параметры НЛС с целью улучшения ее свойств, сохраняя неизменной БП.
· Генетическое обучение. Вторая возможность обучать компоненты БП, к которым можно отнести адаптацию механизма инференции. Т.е. мы затрагиваем обучение компонентов БП, наряду с другими компонентами НЛС.
1) Генетическая настройка базы данных. Осуществляется путем определения предварительно вида и параметров масштабирующих функций входа и выхода, а также функций принадлежности, и затем настройки этих параметров и тем самым изменения формы масштабирующих функций и функций принадлежности с помощью ГА (рис. 8).
2) Генетическое обучение базы правил . Генетическое обучение БП предполагает предопределенное множество функций принадлежности в БД, к которым правила обращается посредством лингвистических терм.
Когда рассматривается задача обучения базы правил, открывается широкий диапазон возможностей. Имеется три главных подхода: питтсбургский, мичиганский и итеративный методы обучения. Питтсбургский и мичиганский подходы являются наиболее распространенными методами для обучения правил, разработанные в области ГА. Первый из них характеризуется представлением всего набора (совокупности) правил как генетического кода (хромосомы), «хромосома=набор правил», сохраняя неизменной популяцию кандидатов на роль правил и, используя селекцию, и генетические операторы для создания новых поколений наборов правил. Мичиганский подход рассматривает другую модель, в которой члены популяции являются отдельными правилами, «хромосома=правило» и набор правил представляется всей популяцией. В третьем случае, итеративном методе с помощью хромосом кодируют отдельные правила, и новое правило настраивается и добавляется в набор правил, итеративным способом.
Основным признаком классификации нечетких систем управления является место нахождения блоков нечеткого логического вывода в системе управления: либо нечеткая система сама формирует управляющие сигналы, либо сигналы с нечеткой системы управляют параметрами традиционной системы управления (например ПИД-контроллером). К последним также относятся системы, с так называемыми, нечеткими комплексными моделями, в которых математическое описание объекта или контроллера представлено ансамблем традиционных моделей (обычно линейных), а переход между данными моделями (либо плавный, либо скачкообразный) происходит посредством сигналов с блоков нечеткого вывода.
Системы управления с нечеткой логикой можно разделить также на неадаптивные и адаптивные. В неадаптивных база знаний после проектирования и настройки системы остается неизменной. В адаптивных база знаний подстраивается в процессе работы в зависимости от складывающейся в процессе управления ситуации.
Независимо от того адаптивной или нет, является нечеткая система управления, основным вопросом при ее проектировании является формирование базы знаний в виде нечетких продукционных правил.
Основным методом здесь является заимствование знаний специалистов по управлению рассматриваемым объектом (в частности, обычно, путем экспертного опроса) К разновидностям данного метода можно отнести автоматическую генерацию нечетких продукционных правил в процессе слежения за действиями человека-оператора.
Некоторым формализующим подспорьем в данном процессе могут служить исследования зависимости нелинейных операторов, реализуемых нечеткими системами, от параметров баз знаний, числа термов нечетких лингвистических переменных, вида функций принадлежности, алгоритма нечеткого вывода и т.п.
Часто проще в начале получить нечеткую (лингвистическую) модель объекта управления, а затем уже по ней формировать нечеткую модель управления. В этой связи следует отметить следующие работы. В публикации описан синтез нечеткой системы управления по модели объекта первого порядка, однако обобщить данный метод на объекты произвольного порядка достаточно сложно. В работе рассматривается лингвистический синтез регулятора по заданным лингвистическим моделям объекта и замкнутой системы. Синтез производится исходя из предположения, что сигналы в системе суть лингвистические переменные, принимающие значения на конечном множестве нечетких переменных. В работе на основе лингвистического описания объекта управления синтезируется лингвистическое описание контроллера обратной связи, таким образом, чтобы выполнялось достаточное условие устойчивости системы согласно второму методу Ляпунова с функцией в виде квадратичной формы. При таком подходе из поля зрения выпадает влияние функций принадлежности отдельных термов, алгоритма нечеткого вывода, вид приведения к четкости, поэтому при применении данной методики к системе с четкими сигналами результат будет мало предсказуем.
Другим подходом к синтезу нечеткой системы управления, используя нечеткую модель объекта, является применение методов обратной динамики. В данном методе нечеткая система строится так, чтобы наилучшим образом соответствовать обратному оператору объекта. В работах также рассмотрен синтез нечеткой модели объекта управления на основе вероятностных методов. Как отмечают авторы, совместное применение принципа обратной динамики и вероятностных моделей позволят полностью исключить из синтеза нечетких систем управления субъективную составляющую т.е. полностью формализовать процедуру синтеза. В рассматриваемых работах приводятся примеры синтеза нечетких регуляторов и их сравнение с традиционными, показывающие эффективность предложенных методов. В тоже время, данный метод имеет и существенные недостатки: обратный оператор объекта в общем случае может быть реализован только приближенно, не гарантируются качества полученной нечеткой системы, особенно это проявляется при нестабильности параметров объекта.
Следующим направлением в синтезе является разработка нечетких аналогов методами традиционной теории управления. Так были получены аналоги интеграла свертки, передаточной функции, принципа инвариантности, второго метода Ляпунова и др. Обзор работ по данному направлению приводится в. Следует отметить, что указанные аналоги получены при условии действия в системе нечетких сигналов (отсутствии блоков деффазификации), данное обстоятельство значительно ограничивает применение данных методов.
В целом ряде работ рассматривается синтез нелинейного оптимального закона управления с помощью теории оптимальных систем управления с последующей аппроксимацией полученных операторов нечеткой системой. Приведем несколько примеров. В работе рассматривается аппроксимация характеристик нечетких систем обычными нелинейными функциями и получение для них инвариантной системы, как это делается в традиционной теории управления. В работах оптимальный закон управления синтезируется на основе теории аналитического конструирования регуляторов (АКОР) и затем аппроксимируется нечеткой системой. В работах рассматривается система, в которой производится автоматическая динамическая коррекция параметров ПИД - регулятора сигналами, подаваемыми с систем нечеткого логического вывода, аппроксимирующих нелинейные операторы, полученные используя принцип максимума. К недостаткам данного подхода относится следующее: найти оптимальное управление удается только в простейшем случае, необходимо знать точную модель объекта управления, открытым остается вопрос о том каким образом аппроксимировать полученный оптимальный закон нечеткой системой, отсутствие каких либо гарантий качества синтезированной системы управления при изменении параметров объекта.
Блоки нечеткого логического вывода представляют собой нелинейные звенья системы управления, поэтому логично применить к такой системе методы известные из традиционной нелинейной теории автоматического управления, и на основе результатов анализа выбрать наилучшую структуру и параметры системы. При этом получается гибридная технология сочетающая как качественные принципы синтеза нечетких систем, так и количественные принципы традиционной теории управления .
Наиболее приспособлен для получения аналитических методов алгоритм нечеткого логического вывода Такаги-Сугэно (Takagi-Sugeno), предложенный в работе, этим и объясняется наибольшее количество работ, в которых рассматривается аналитическое исследование систем, использующих указанный алгоритм . В работе предложен критерий устойчивости нечетких систем управления с нечеткой с моделями Сугэно, в которых анализ устойчивости сводится к анализу устойчивости отдельных подсистем. Несмотря на свою простоту, данный метод дает возможность определить лишь небольшую часть истинной области устойчивости. Значительно лучший результат дает применение второго метода Ляпунова. Применение данного метода является наиболее распространенным среди других подходов. Приведем некоторые из современных работ относящиеся к этому направлению.
Интерес представляют работы в которых динамически подстраиваются параметры нечеткого регулятора с целью обеспечить на каждом шаге переходного процесса отрицательность первой разности функции Ляпунова, т.е. выполнения достаточного условия устойчивости системы. Авторы указанных работ относят данную систему к адаптивным.
В работах предложено для исследования нечетких систем применять методы теории абсолютной устойчивости. Дальнейшее развитие данное направление получило в работах, в частности получены зависимости величины сектора нахождения нелинейной зависимости от параметров соответствующей нечеткой системы и развито применение частотных геометрических критериев устойчивости для систем управления с нечеткой логикой. Как известно данные методы анализа при выполнении определенных условий позволяют получить области устойчивости системы не уже чем с помощью второго метода Ляпунова с квадратичной функцией. В работах методы теории абсолютной устойчивости распространены на случай систем управления с многомерными блоками нечеткого логического вывода.
Целым рядом авторов предлагалось для анализа и синтеза систем с нечеткой логикой применять гармоническую линеаризацию (метод гармонического баланса) см., например. Достоинства, этого подхода: простота и логическая прозрачность получаемого условия устойчивости. Однако, и недостатки данного подхода хорошо известны. В отличие от простейших нелинейностей (насыщение, зона нечувствительности, люфт и т.п.) связь между параметрами для системы нечеткого логического вывода и ее гармонически линеаризованной передаточной функцией не может быть выражена в аналитическом виде, либо имеет очень сложный вид; громоздкость решения уравнения гармонического баланса (соизмеримая с затратами на численное моделирование системы); приближенность метода; необходимость выполнения гипотезы фильтра. Поэтому широкого распространения данный подход не получил.
Общими достоинствами методов синтеза нечетких систем управления основанных на аналитических методах исследования нелинейных систем относится гарантия заданных характеристик синтезируемой системы. Недостатки также представляются достаточно очевидными: необходимость иметь достаточно формализованную модель объекта управления, грубость получаемых оценок, применимость только в простейших случаях.
Несмотря на развитие методов синтеза систем управления с нечеткой логикой, основным методом синтеза, как и в первых моделях нечетких регуляторов, по-прежнему остается эмпирический синтез набора нечетких продукционных правил базы знаний и выбор алгоритма нечеткого вывода, с последующей настройкой параметров системы на реальном объекте управления или его модели, путем имитационного моделирования различных режимов работы. Достоинством такого метода является, во-первых, надежность (в смысле гарантированности свойств) получаемой системы, и, во-вторых, применимость при наличии самой общей информации об объекте управления. (Заметим, что при полном отсутствии такой информации нельзя экспертным путем сформировать базу знаний нечеткой системы, и система управления, в какой-то степени, становится подобна нейросетевой.)
ПРИБОРЫ, УСТРОЙСТВА И СИСТЕМЫ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ
УДК 621:658.011.56
М. В. Бобырь, В. С. Титов
ПРОЕКТИРОВАНИЕ АДАПТИВНОЙ НЕЧЕТКО-ЛОГИЧЕСКОЙ СИСТЕМЫ УПРАВЛЕНИЯ.
Рассмотрены этапы проектирования адаптивной нечетко-логической системы управления. Приведены структурные схемы адаптивной системы и составляющих ее блоков, позволяющие оценить принцип работы системы.
Ключевые слова: нечеткая логика, нечеткий логический вывод, системы управления, адаптация.
Введение. Сокращение экспорта современного отечественного станкостроительного оборудования связанно с использованием в его структуре комплектующих, которые не позволяют изготавливать детали с точностью 1-5 мкм при одновременном снижении их себестоимости. Достижение таких характеристик невозможно без совершенствования несущей конструкции как самого металлорежущего оборудования, так и систем управления процессом механической обработки изделий (МОИ).
Современный уровень требований, предъявляемых к качеству выпускаемых изделий, определяет необходимость разработки высокоточного оборудования с ЧПУ нового поколения, сочетающего новейшие методы и средства автоматизированного контроля и управления с применением компьютерных способов обработки измерительной информации о ходе технологического процесса (ТП). При этом основным требованием, предъявляемым к такому классу оборудования, является учет неполноты, недостоверности информации о количественных величинах входных и выходных характеристик ТП МОИ при возмущающих воздействиях. Перспективным базисом, позволяющим учесть вышеуказанные требования, является аппарат нечеткой логики .
Структурно-функциональная схема адаптивной нечетко-логической системы управления. В ходе проводимых исследований по гранту Президента МК-277.2012.8 была разработана адаптивная нечетко-логическая система управления, которая позволяет повысить точность механической обработки изделий и ускорить принятие управляющих решений при наличии внешних факторов. На рис. 1 приведена ее структурная схема (ИМ - исполнительные механизмы оборудования с ЧПУ; БВИ - блок ввода информации; БОСИ - блок определения степеней истинности; БМНО - блок матрицы нечетких отношений; БВВП - блок ввода выходной переменной; БУТВП - блок усечения термов выходной переменной; БОУТВП - блок объединения усеченных термов выходной переменной; БД - блок дефаззификации). В работах подробно рассмотрены методы и алгоритмы, поясняющие принципы работы адаптивной системы управления. Использова-
нию этой системы с целью управления исполнительными механизмами оборудования с ЧПУ посвящены статьи .
Сенсоры системы активного контроля оборудования с ЧПУ
Внешние факторы X
Технологический процесс механической обработки изделий
Схема управления двигателем
КЕ0...ИЕ5 ИС1.ИС5
Микроконтроллер
БВИ а БОСИ
БВВП БУТВП
Устройство управления
Элементные блоки адаптивной системы управления. Блок ввода информации предназначен для хранения данных о входных переменных в виде параметризованной функции принадлежности (ФП)
|д(х) = 2 X = 1=1
/ х1 + "12 ¡Г
/ х2 + "22 {[ ^
где 2 - знак операции объединения предпосылок правил ; х^ - термы параметризованной ФП, /=1,...,5 - количество термов; Г1, Г2, Г3, Г4 - параметры треугольной ФП (рис. 2, Г1=10, Г2=30, Г3=60, Г4=80); | - согласно , знак суппорта термов ФП; "11, "12, "21, "22 - логические переменные, определяемые как
1 для а < х < Ь,
\1 для Ь < х < с,
0 в других случаях, с выхода микроконтроллера RA1 на входы шины данных D ОЗУ поступает первый сигнал (0000000000), а с выхода микроконтроллера RD1 на входы D ОЗУ - цифры в диапазоне от 0 до 255, соответствующая значениям степеням истинности ФП , расположенным по оси ординат (см. рис. 2). Значения адресов, передаваемых по шине адреса, совпадают со значениями по оси абсцисс ФП. Процесс записи данных в ОЗУ продолжается до тех пор, пока всем ячейкам памяти не будут присвоены значения степеней истинности ФП.
От датчиков
Блок определения степеней истинности используется для хранения нечетких логических правил управления вида
ЕСЛИ [условие 1] И [условие 2], ТО [заключение], где [условие п] - предпосылки нечеткого логического вывода; [заключение] - выход нечеткого логического вывода.
Нечеткая логическая операция „И" реализуется как нахождение минимума (рис. 4) с помощью компараторов К555СП1 (003.1^3.2) и буферов данных ББ, выполненных на схемах К555АП5 (ББ4.1^4.2). Для передачи входных 8-разрядных сигналов а1 и Ь1 на компараторы их необходимо разбить по 4 разряда. Для этого на входы компаратора ББ3.1 А1...А8 и Б1...Б8 передаются старшие разряды сигналов а1 и Ь1 соответственно. А на входы второго компаратора ББ3.2 А1...А8 и Б1..Б8 - младшие разряды сигналов а1 и Ь1 соответственно.
В зависимости от результата операции сравнения на шину с1 будет приходить сигнал а1 или Ь1, значение которого минимально. Если сигнал а1 окажется меньше Ь1, то на выход „<" компаратора ББ3.2 поступит сигнал логической единицы, который заблокирует инверсные входы Е2/02 буферных схемы ББ4.1^4.2. Следовательно, на выходы 22 схем
004.1 и 004.2 не будут пропускаться старшие разряды Ь1 и младшие разряды Ь1. А буферные схемы 004.1 и 004.2 пропустят старшие разряды а1 и младшие разряды а1 соответственно. На выходе шины данных с1 формируется 8-разрядный сигнал, реализующий операцию нахождения минимума ш1и(а1, Ь1).
Блок матрицы нечетких отношений формирует уровни отсечения термов ФП выходной переменной . Принцип работы данного блока следующий (рис. 5). В соответствии с матрицей нечетких отношений сигнал й1=с1 хранится в буферной схеме 006.1, а й5=е9 - в 006.9. Буферные схемы 006.1 и 006.9 выполнены на цифровых логических элементах К555АП5.
Для нахождения максимума шах(с8, с6) используются связки 4-разрядных компараторов 005.1 и 005.2 и 4-разрядных буферных схем 006.2 и 006.3. Причем в 006.2 хранятся старшие разряды ^2, а в 006.3 - младшие й?2. Буферные схемы 006.2 и 006.3 выполнены на цифровых логических элементах К555АП5, а компараторы 005.1 и 005.2 - на элементах К555СП1. На компаратор 005.1 для сравнения поступают старшие разряды с8 и с6, а на 005.2 - младшие с8 и с6. Если сигнал с6 окажется больше с8, то на выходе „<" компаратора 005.2 будет сигнал логической единицы, который заблокирует инверсные входы Е1/01 буферных схем 006.2^6.3. Следовательно, на выходы 21 схем 006.2 и 006.3 не будут пропускаться старшие с8 и младшие разряды с8. А буферные схемы 006.2 и 006.3 пропустят старшие с6 и младшие разряды с6. При этом на выходе шины данных й?2 формируется сигнал, реализующий операцию нахождения максимума шах(с8, с6). Операция нахождения максимума для сигналов с4 и с2 осуществляется аналогичным образом.
Для взятия максимума шах(с7, с5, с3) используются связки из четырех 4-разрядных компараторов 005.3^005.6 (К555СП1), трех 8-разрядных буферных схем 006.4^006.6 (К555АП6) и трех логических схем, 2И-НЕ элементы 005.9^005.11 (К555ЛА3), причем 8-разрядные выходы буферных схем 006.4^006.6 запараллелены в один сигнал ^.
В зависимости от результата операции сравнения на выходе данной схемы будет сформирован 8-разрядный сигнал ^3, являющийся максимальным из с7, с5 или с3. Если сигнал с5 окажется больше с7 и с3, то на выходе 22 „<" компаратора 005.4 и выходе 23 „>" компаратора 005.6 формируется сигнал логической единицы, а на выходе логического элемента 2И-НЕ 005.10 - логического нуля, который откроет вход буферной схемы 006.5 „Е" и позволит записать в него данные с5, которые и будут являться выходным
8-разрядным сигналом й?3. Данная связка логических элементов настроена таким образом, что если на выходе 21 компаратора ББ5.4 и выходе г3 компаратора ББ5.6 будут сигналы логической единицы, то на выходе ^3 будет максимальный сигнал с7. Если на выходе 22 компаратора ББ5.4 и выходе 24 компаратора ББ5.6 будут сигналы логической единицы, то на выходе ^3 будет максимальный сигнал с3.
с8^ Сб Сб
с8 ,сб
< К555СП1 < < К555СП1 <
с7 /с5
с5 С7.
< К555СП1 < < К555СП1 <
,£¡ ;с3
сз С5.
< К555СП1 < < К555СП1 <
21 И 23 ^ тах с7
22 И 23 ^ тах с5 22 И 24 ^ тах с3
А8 К555АП6 В8
с4 С2~
С4 с2 ,С2
< К555СП1 < < К555СП1 <
С1 А8 К555АП6 В8
Заключение. В первой части статьи рассмотрена структурно-функциональная схема адаптивной системы управления исполнительными механизмами оборудования с ЧПУ. Также рассмотрены элементные блоки, входящие в ее состав, и принцип их работы. Во второй части статьи будут детально рассмотрены блоки ввода выходной переменной, усечения термов выходной переменной, объединения усеченных термов выходной переменной, дефаззификации.
Работа выполнена в рамках гранта Президента РФ МК-277.2012.8 и ФЦП, государственный контракт № 14.740.11.1003.
список литературы
1. Афанасьев М. Я., Филиппов А. Н. Применение методов нечеткой логики в автоматизированных системах технологической подготовки производства // Изв. вузов. Приборостроение. 2010. Т. 53, № 6. С. 38-42.
2. Бобырь М. В., Титов В. С., Анциферов А. В. Алгоритм высокоскоростной обработки деталей на основе нечеткой логики // Мехатроника, Автоматизация, Управление. 2012. № 6. С. 21-26.
3. Бобырь М. В., Титов В. С., Червяков Л. М. Адаптация сложных систем управления с учетом прогнозирования возможных состояний // Автоматизация и современные технологии. 2012. № 5. С. 3-10.
4. Бобырь М. В., Титов В. С. Интеллектуальная система управления температурными деформациями при резании // Автоматизация и современные технологии. 2011. № 5. С. 3-7.
5. Бобырь М. В. Диагностика оборудования с ЧПУ методами нечеткой логики // Промышленные АСУ и контроллеры. 2010. № 1. С. 18-20.
6. Титов В. С., Бобырь М. В., Милостная Н. А. Автоматическая компенсация тепловых деформаций шпиндельных узлов прецизионного оборудования с ЧПУ // Промышленные АСУ и контроллеры. 2006. № 11. С. 31-35.
7. Пегат А. Нечеткое моделирование и управление. М.: ИУИТ; БИНОМ, Лаборатория знаний, 2012. 798 с.
8. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 165 с.
9. Заде Л. Основы нового подхода к анализу сложных систем и процессов принятий решений // Математика сегодня. М.: Знание, 1974. С. 5-49.
Максим Владимирович Бобырь - канд. техн. наук, доцент; Юго-Западный государственный университет,
кафедра вычислительной техники, Курск; E-mail: [email protected] Виталий Семенович Титов - д-р техн. наук, профессор; Юго-Западный государственный универси-
тет, кафедра вычислительной техники, Курск; заведующий кафедрой; E-mail: [email protected]
