Нечеткая семиотическая система управления

Размещено на http://www.allbest.ru

НЕЧЕТКАЯ СЕМИОТИЧЕСКАЯ СИСТЕМА УПРАВЛЕНИЯ

Москва, ВЦ РАН

111250, Москва, МЭИ (ТУ)

averkin@ccas.ru

gol@apmsun.mpei.ac.ru

Предлагается математический аппарат описания нечетких семиотических систем управления. Разработано программное средство Trincon создания нечетких семиотических моделей управления.

Введение

В последние годы происходит расширение математического аппарата, лежащего в основе интеллектуальных систем. Одним из направлений исследований в этой области является разработка теории семиотических систем, представляющей математический базис для построения интеллектуальных систем качественно нового уровня. Так, на смену формальной системы и ее частичных модификаций приходит семиотическая система, позволяющая адекватно описывать современные проблемные области, основными характеристиками которых являются открытость, динамичность, cложноструктурированность.

Основоположником нового подхода к разработке интеллектуальных систем как семиотических систем моделирования является академик РАЕН, д.т.н. Д.А. Поспелов [Поспелов, 1996].

В данной работе рассматриваются подход к построению нечеткой семиотической системы моделирования управления в рамках теории семиотических систем и ее реализация в программном средстве Trincon (Triangular Norm Controller) настройки нечеткого регулятора на Т-нормы и модели пользователя. математический семиотический управление интеллектуальный

Нечеткая семиотическая система

Приведем определения 1 и 2 семиотической системы, сформулированные академиком РАЕН, д.т.н. Д.А. Поспеловым, которые мы далее проинтерпретируем в терминах современного нечеткого математического аппарата.

Определение 1. Семиотическая система есть

SS={T,P,A,R,(T),(P),(A),(R)},

где FS={T,P,A,R} - формальная система,

,,, - правила изменения элементов FS.

Определение 2. (тесно связанное с определением 3) Семиотическая система есть

SS={FS,},

где FS={FS_i}, i=1,n - множество формальных систем,

={j}, j=1,m - множество переходов от одной FS к другой FS.

При определении семиотической системы, как множество формальных систем FS и множество переходов между ними, в качестве FS может быть использована любая математическая модель, в том числе модели миров Нильсона и Крипке, а также нечеткие модели управления. Обобщим определения 1и 2 на нечеткий случай.

Определение 3 (обобщение определения 1). Нечеткая семиотическая система моделирования управления (SS) есть

SS={T,P,A,R,,(T),(P),(A),(R),()}, где

FS={ T,P,A,R,} - нечеткая формальная система, где

Т- множество термов;

P- множество правил построения правильно -построенных формул;

множество аксиом;

R- множество правил вывода;

- алгебра (теоретико -множественные операции, основанные на Т-нормах);

,,,, - правила изменения элементов FS.

Определение 4 (обобщение определения 2). Нечеткая семиотическая система моделирования управления (SS) есть

SS={{FS_i },{_j}}, i=1,n; j=1,m,

где n-число нечетких моделей управления,

m-число переходов между ними.

Рассмотрим реализацию нечеткой семиотической системы моделирования управления в программном средстве Тrincon (Triangular Norm Controller), функционирующем в двух режимах:

настройки модели нечеткого регулятора на Т-нормы пользователя;

нечеткого семиотического моделирования управления.

Для дальнейшего изложения материала приведем определения нечеткой модели управления в рамках теории нечетких регуляторов, которое расширено на Т-нормы и тесно связано с нечеткой семиотической модели управления (определение 4).

Нечеткая модель управления

Определение 5. Нечеткая модель управления есть

Fuzzy Model ={T,PR},

где T={t₁,t₂,…,t_n} - множество термов (лингвистических переменных),

PR={pr₁,pr₂,…,pr_m} - множество нечетких продукционных правил.

Определение 6. (расширение определения 5 на Т-нормы)

Нечеткая модель управления есть

Fuzzy Model' ={T,PR,Т-norm},

где Fuzzy Model ={T,PR},

T-norm={<T₁,S₁>,<T₂,S₂>,…,<T_n,S_n>},

<T_i,S_i> - пара Т-норма и T-конорма.

Для обработки Fuzzy Model' используется правило обобщенного Моdus ponens, расширенный на Т-нормы. Расширение обобщенного Modus Ponens на Т-нормы позволяет настроить нечеткую модель управления на Т-нормы пользователя и, таким образом, адекватно представить модель проблемной области [Averkin, 1995; Averkin et al, 1995; Averkin, 1996].

Приведем алгоритм функционирования нечеткого регулятора WARP, разработанного фирмой SGS-THOMSON (Италия) [Pagni et al, 1992], который восходит к алгоритму нечеткого регулятора Ватанабы [Watanabe et al, 1990], расширив его на аппарат Т-норм.

Шаг 1. Этап фаззификации. Присвоение входным переменным значений, считываемых с датчиков.

Шаг 2. Определение -значений продукционных правил. -значения продукционных правил определяются по формуле:

_i=Т (₁ⁱ , ₂ⁱ , ..., _mⁱ) ( i=1..n), где

_i --значение антецендентов i-го продукционного правила;

n-число одновременно срабатываемых продукционных првал;

m-число антецендентов в i-м продукционном правиле;

ⁱ_j (j=1..m) --значение j-го антецендента i-го продукционного правила.

Шаг 3. Этап вывода. Модификация функций принадлежности консеквентов на основе максминного метода и метода максимальных точек. Нами реализован максминный метод, в основе которого лежит срез функций принадлежности консеквентов на уровне -значений анцетендентов. Следующий шаг - комбинация функций принадлежности консеквентов с целью вычисления единственного значения выходной переменной. Это значение находится путем суммирования модифицированных функций принадлежности консеквентов и получения новой выходной функции принадлежности G. Сумма может быть вычислена двумя способами: или как логическая сумма, которая соответствует логическому оператору максимум, или как арифметическая сумма, которая соответствует суммированию от точки к точке значений функции принадлежности. Во втором способе осуществляется нормирование выходной функции. Нами реализован метод логического суммирования для получения новой выходной функции принадлежности, соответствующей выходной переменной, расширенный на S-нормы.

Шаг 4. Этап дефаззификации. На этом шаге определяется выходное значение (четкое) нечеткого регулятора на основе функции принадлежности G. Известны различные методы дефаззификации, наиболее распространенными из которых являются метод центра тяжести, который нами был реализован, метод центрирования и метод середины максимума.

Программное средство нечеткого семиотического моделирования управления

В настоящее время разработано несколько версий программного средства Trincon v.1.0-v.6.0 (Triangular Norm Controller) [Аверкин и др., 1997; Аверкин и др., 1998], из которых каждая последующая версия является расширением функциональных возможностей предыдущей.

Программное средство Trincon является «настройкой» над программным окружением WARP-SDT (Weight Associative Rule Processor Software Development Tool) [Pagni et al, 1992]разработки модели нечеткого регулятора, созданным фирмой SGS-THOMSON (Италия) в 1994 г.. Нечеткая модель управления, разработанная в программном окружении WARP-SDT, является исходной моделью для программного средства Trincon, в котором осуществляется нечеткое семиотическое моделирование управления с настройкой моделей на Т-нормы пользователя.

В основе программного средства Trincon лежит алгоритм функционирования нечеткого регулятора, расширенный на использование Т-норм и S-норм. Т-нормы используются при определении -срезов нечетких продукционных правил, S-нормы используются при определении функции принадлежности выходной переменой, получаемой как объединение выходных функций принадлежности, соответствующих данной выходной переменной, одновременно срабатываемых продукционных правил. Т-норма также используется при определении степени достоверности считываемой с датчиков информации.

В программном средстве Trincon осуществляется настройка нечеткой модели управления на следующие Т-нормы:

1) Т-норма и Т-конорма Заде:

T1(x, y) = min(x, y) S1(x, y) = max(x, y);

2) вероятностные Т-норма и Т-конорма:

T2(x, y) = x y S2(x, y) = x + y - x y;

3) Т-норма и Т-конорма Лукасевича:

T3(x, y) = max(0, x + y - 1) S3(x,y) = min(1, x + y)

4) Т-норма и Т-конорма Франка: p>0

T4(x,y)=log_p ;

S4(x,y)=1-log_p

5) Т-норма и Т-конорма Сугено: s-1

T5(x,y)=max[0,x+y-1-s*(1-x)*(1-y)];

S5(x,y)=min[1,x+y+s*x*y],

а также существует возможность настройки на гибридные Т-нормы.

Подсистемами программного средства Trincon v.6.0 являются:

решатель, в основе которого лежит правило вывода - обобщенный Modus Ponens, расширенный на Т-нормы;

подсистема загрузки исходных данных, которыми являются нечеткие модели управления и исходные тесты;

подсистема сохранения результатов функционирования нечеткой модели управления;

подсистема настройки нечеткой модели управления на гибридные Т-нормы;

подсистема визуализации функционирования нечеткой модели управления с поддержкой 2D- и 3D-графиков;

подсистема настройки изменения Т-норм в динамике;

подсистема поддержки нечеткого семиотического моделирования управления;

подсистема поддержки многозадачности;

подсистема помощи.

Рис. 1. Куб переходов в Trincon v.6.0

В подсистеме поддержки нечеткого семиотического моделирования управления смена нечетких моделей осуществляется при возникновении внешнего воздействия, которое имитируется нажатием правой кнопки мыши. Далее осуществляется выбор гибридных Т-норм и нечеткой модели для дальнейшего функционирования процесса управления. При этом последнее состояние предыдущей нечеткой модели является первым состоянием для последующей. В программном средстве Trincon v.6.0 осуществляются переходы, которые описываются кубом переходов, представленным на рис. 1. В общем случае куб переходов является 4-мерным, поскольку в Trincon v. 6.0 реализованы параметрические Т-нормы. На рис.1 введены следующие обозначения: M={M₁,M₂,…,M_n} - множество нечетких моделей; T={T₁,T₂,…,T_m} -множество Т-норм; S={S₁,S₂,…,S_m} - множество Т-конорм.

В подсистеме настройки нечеткой модели управления на гибридные Т-нормы существует возможность настройки каждого выходного значения модели на собственные Т-нормы.

Подсистема визуализации функционирования нечеткой модели управления работает в двух режимах:

«modeling», в котором отображаются зависимости значений выходных переменных от входных переменных;

«simulation», в котором отображаются зависимости значений выходных переменных от времени протекания процесса управления.

Подсистема визуализации является многофункциональной компонентой. Ее основными функциональными возможностями являются:

поддержка различных видов 2D-графиков;

поддержка различных видов 3D-графиков;

масштабирование координатных осей;

изменение расположения начала координат;

удаление графиков.

В программном средстве Trincon реализована визуализация динамического поведения технического объекта, т.е. просмотр характеристик его поведения во времени при непрерывной смене моделей управления. Для этой цели используются 2D- и 3D- графики. Если для управления некоторым параметром объекта используются несколько моделей, то для отображения зависимости некоторого параметра от времени используется график, точки которого отображаются геометрическими фигурами (круг, эллипс, сектор, прямоугольник), определяющими модель управления. Интерфейс с пользователем в программном средстве Trincon представлен на рис.2.

Подсистема настройки нечеткой модели управления на гибридные Т-нормы обладает удобными средствами для задания параметров в параметрических Т-нормах Франка и Сугено, которыми являются горизонтальная и вертикальная линейки-прокрутки.

Размещено на http://www.allbest.ru

Литература

[Pospelov, 1996] Pospelov D.A. Situation Control, an Overview. Proceedings of Workshop on Russian Situation Control and Cybenetic /Semiotic modeling. Editor R.J,. Strohl. Battelle Columbus Ohio, USA,1996, pp.7-37

[Averkin et al, 1995] Averkin A.N,.Pospelov D.A., Tarasov A Managing Linguistically “Soft Computing, Concurrent Engineering, What Else?. Proceedings of the Sixth International Fuzzy Systems Association World Congress, edited by V.B Verdaguer, San Paulo, Brazil, July 22-28, Vol. 2, 1995.

[Averkin, 1995] Averkin A.N. Decision Making Based on Multivalued Logic and Fuzzy Logic. Architectures for Semiotic Modeling and Situation Analysis in Large Complex Systems , Proceedings of the 1995 ISIC Workshop, 27-29 August, Monterey, California, 1995.

[Averkin, 1996] Averkin A. N.“Fuzzy Logics Simulation Technology in General Strategy of Intelligent System Designing. Proceedings of the Second International Conference on Application of Fuzzy Systems and Soft Computing, edited by R.A.Aliev, K.W.Bonfig, F.Aliev, F.Wieland, ICAFS'96, Siegen, Germany - June 25-27, 1996.

[Pagni et al, 1992] Pagni A., Poluzzi R., Rizzotto G.WARP: Weight Associative Rule Processor. An Innovative Fuzzy Logic Controller. IIZUKA'92-2^ND International Conference on Fuzzy Logic and Neural Networks, 1992.

[Watanabe et al, 1990] Watanabe H., Dettloff W.M.and Yount K.E. A VLSI Fuzzy Logic controller with Reconfigurable Cascadble Architecture. IEEE Journal of solid-state circuits, Vol. 25, No 2, April 1990.

[Аверкин и др., 1997] Аверкин А.Н., Головина Е.Ю., Сергиевский А.Е. Проектирование нечетких регуляторов на основе триангулярных норм.- Известия академии наук. Теория и системы управления, 1997, N 5, с.112-118

[Аверкин и др., 1998] Аверкин А.Н., Головина Е.Ю., Круг П.Г. Система настройки модели нечеткого регулятора на логику пользователя. Труды VI-й национальной конференции с международным участием (КИИ-98). Пущино. - ОНТИ. ИФПБ РАН, 1998, сс.350-355 (том 1).

Размещено на Allbest.ru