Применение методов нечеткой логики в автоматизированных системах

Введение 3
Глава 1.Фаззификация и дефаззификация 5
1.1. Регуляторы 6
1.1.1.Пид-регуляторы 7
1.1.2.Нечеткие регуляторы 11
Глава 2. Исследование методов обнаружения скрытой информации за счёт оверлея 19
Заключение 30
Список использованных источников 31

Весь текст будет доступен после покупки

Технологические процессы современной промышленности не всегда поддаются строгому математическому описанию. Расчет динамики процессов пылеприготовления и пылеподачи, горения и парообразования на ТЭС трудоемок и сложен, что затрудняет их автоматизацию. Теория автоматического управления и ее современные приложения предлагают все новые и новые теоретические возможности совершенствования автоматических систем регулирования и управления, в том числе, использование моделей ТОУ в составе АСУТП, методов нейро-нечеткого управления и др.
Так анализ методов обеспечения требуемого качества регулирования автоматических систем представляется актуальным, прежде всего, в аспекте перспективности их применения, в том числе, для автоматизации тепловых процессов.
Автоматические системы регулирования теплоэнергетических процессов строились до последнего времени на базе отечественных промышленных регуляторов (РПИБ; Каскад – 1, 2; Контур – 1, 2; Акэср – 1, 2). В основе реализации этих регуляторов лежали принципы построения систем регулирования, использующих электрические исполнительные механизмы постоянной скорости и типовые законы регулирования. Переход на использование цифровых контроллеров дал определенные преимущества. Например, возможность реализовывать наблюдатели состояния, структуры с ПИД-законом регулирования с большими возможностями Д-составляющей, предсказатели Смидта, сложные вычислительные технологии и т.д. В результате некоторые известные фирмы в своих контрактах гарантируют более высокую точность поддержания технологических параметров. Так, фирма Ansaldo (Италия) гарантирует поддержание температуры первичного и вторичного пара ±3о С во всем диапазоне нагрузок энергоблока (для сравнения, отечественные системы регулирования обеспечивают
поддержание температуры острого пара ±6–13о С и ±10–16о С вторичного пара).

Весь текст будет доступен после покупки

Глава 1.Фаззификация и дефаззификация
Фаззификация ,переход к нечеткости. Значения входных переменных преобразуются в значения лингвистических переменных посредством применения некоторых положений теории нечетких множеств, а именно при помощи определенных функций принадлежности. Рассмотрим этот этап подробнее. Прежде всего, введем понятие “Лингвистической переменной” и “Функции принадлежности“. В нечеткой логике значения любой величины представляются не числами, а словами языка и называются термами. Так, значением лингвистической переменной дистанция являются термы далеко, близко и т.д. Конечно, для реализации лингвистической переменной нужно узнать точные физические значения ее термов. Пусть переменная дистанция может принимать любое значение из диапазона от 0 до 60 метров. Какое значение нужно? Согласно положениям теории нечетких множеств, каждому значению расстояния из диапазона в 60 метров может быть поставлено в соответствие число от 0 до 1, которое определяет степень принадлежности данного значения расстояния к тому или иному терму лингвистической переменной дистанция. В нашем случае расстоянию в 50 метров можно задать степень принадлежности к терму далеко, равную 0,75, а к терму близко — 0,25. Конкретное определение степени принадлежности возможно только при работе с экспертами (в нашем случае — технологами и проектировщиками). В настоящее время сложилось мнение, что для большинства приложений достаточно 3—7 термов на каждую переменную. Дефаззификация (устранение нечеткости). На этом этапе осуществляется переход от нечетких значений к определенным физическим параметрам, которые могут служить командами исполнительному устройству. Результат нечеткого вывода, конечно, будет нечетким. В примере с роботом команда для электромотора будет представлена термом средняя (мощность), но для исполнительного устройства это ровно ничего не значит, поэтому для устранения нечеткости могут быть применимы специальные математические методы (например, метод центра максимума), позволяющие на выходе получать точные значения, передаваемые непосредственно исполнительному устройству манипулятора .

Весь текст будет доступен после покупки

1. М.Я. Афанасьев , А.Н. Филиппов применение методов нечеткой логики в автоматизированных системах технологической подготовки производства .
2. Асаи К., Ватада Д., Иваи С. и др. Прикладные нечеткие системы. М.: Мир, 1993.
3. .Нечеткие множества в моделях управления и искусственном интеллекте / Под ред. Д. А. Поспелова. М.: Наука, 1986.
4. Иванов Д.А., Кириллов И.В. Применение методов нечеткой логики в автоматизированных системах технологической подготовки производства /Молодой ученый .Январь 2022.

Весь текст будет доступен после покупки