К вопросу о разработке нечетких систем в fuzzy logic toolbox

Размещено на http://www.allbest.ru/

К вопросу о разработке нечетких систем в fuzzy logic toolbox

В настоящее время системы, основанные на нечетком логическом выводе, получают все большее распространение, особенно при реализации управления сложными технологическими объектами и процессами, для которых отсутствуют адекватные математические модели их поведения [1, 3, 5, 7, 9, 10].

Одним из наиболее распространенных инструментов, используемых при проектировании нечетких систем, является пакет Fuzzy Logic Toolbox, который входит в состав ПО MATLAB [2, 8].

Для изучения возможностей Fuzzy Logic Toolbox построим нечеткую систему, отображающую зависимость y(x), заданную с помощью данных из табл. 1.

Табл. 1. Исходные данные для построения нечеткой системы

Известно, что представленные в табл. 1 данные отражают зависимость:

,

На рис. 1, 2 и 3 приведены скриншоты программы Fuzzy Logic Toolbox, демонстрирующие процесс разработки нечеткой системы по данным из табл. 1. На рис. 4 приведен скриншот окна Fuzzy Logic Toolbox для просмотра правил, которое позволяет получить значения y для различных вариантов x. Так, при x, равном 0,168, y равно 0,00292.

Рис. 1. Главное окно программы

Рис. 2. Окно редактора функций принадлежности

Рис. 3. Окно редактора правил

Рис. 4. Окно для просмотра правил

В табл. 2 сведены результаты, полученные при использовании разных типов функций принадлежности.

Табл. 2. Результаты оценки нечетких моделей

Из табл. 2 видно, что построенные нечеткие модели обладают достаточно большой погрешностью. Поэтому увеличим количество исходных данных с 5 до 11 (табл. 3).

Табл. 3. Исходные данные для построения нечеткой системы

Фрагменты процесса разработки нечеткой системы по данным из табл. 3 показаны на рис. 5, 6.

Рис. 5. Окно редактора функций принадлежностей

Рис. 6. Окно редактора функций принадлежностей

Результаты, полученные при использовании разных типов функций принадлежности, сведены в табл. 4.

Табл. 4. Результаты оценки нечетких моделей

Таким образом, точность результатов зависит от количества исходных данных, используемых для построения нечеткой системы [4, 6].

Наиболее близкие к точному решению результаты были получены при использовании функции принадлежности типа gaussmf.

Список литературы

программа логический matlab

1. Антипин А.Ф. Системы управления технологическими процессами на базе многомерных логических регуляторов // Автоматизация и современные технологии. 2014. № 1. С. 12-18.

2. Антипин А.Ф. Об одном способе анализа структуры многомерного четкого логического регулятора // Прикладная информатика. 2012. № 5. С. 30-36.

3. Антипин А.Ф. Система автоматизированной разработки учебно-методических комплексов на основе многомерных логических регуляторов // Программные продукты и системы. 2011. № 2. С. 119-122.

4. Антипин А.Ф. Вопросы автоматизации семантического анализа программ // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2014. № 7. С. 26-30.

5. Антипин А.Ф. К вопросу о семантическом анализе программ автоматизированных систем управления // Информационные системы и технологии. 2015. № 5. С. 45-52.

6. Антипин А.Ф. Обзор проблемных ситуаций в коде программ // Современная техника и технологии. 2015. №2. С. 82-85.

7. Степашина Е.В. Оптимизация финансовых показателей предприятия на основе нейросетевой модели // Информационные системы и технологии. 2014. № 5. С. 34-42.

8. Антипина Е.В., Антипин А.Ф. Применение интеллектуальных технологий для анализа многомерных данных // Молодой ученый. 2014. № 19. С. 172-175.

9. Седова Н.А. Нечеткая продукционная модель первичной оценки опасности столкновения судов // Мир транспорта. 2015. № 2. С. 200-206.

Размещено на Allbest.ru