Аналіз систем нечіткого керування судновими електро - енергетичними комплексами на прикладі автоматичних регуляторів температури

• 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.

Висновки

До переваг систем нечіткої логіки перед ПІД-регулюванням можна віднести:

1. Можливість оперування нечіткими вхідними даними, наприклад: безперервно змінними у часі значеннями, а також значеннями які неможливо задати однозначно (зовнішні чинники, якість роботи сервоприводу тощо);
2. Можливість нечіткого висловлення критеріїв оцінки та порівняння: оперування критеріями «більшість», «можливо», «найкраще»;
3. Можливість проведення якісних оцінок як вхідних, так і вихідних результатів, оперування не лише значеннями даних, а й ступенем їх вірогідності;
4. 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

1. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: Мир, 1976.

2. Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. – М.: Физматлит, 2002.

3. Леоленков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. – СПб., 2003.

4. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М., 2004.

5. Масалович А. Нечеткая логика в бизнесе и финансах. www.tora-centre.ru/library/fuzzy/fuzzy-.htm

6. Kosko B. Fuzzy systems as universal approximators // IEEE Transactions on Computers, vol. 43, No. 11, November 1994. – P. 1329-1333.

7. Cordon O., Herrera F., A General study on genetic fuzzy systems // Genetic Algorithms in engineering and computer science, 1995. – P. 33-57.

8. Яхьяева Г.Э. Нечеткие множества и нейронные сети: Учебное пособие/ Г.Э. Яхьяева. – М.: Интернет – Университет Информационных технологий; БИНОМ. Лаборатория знаний, 2006.