logo
calendar28 Yanvar 2020
view29
Основной язык:Английский

DEVELOPMENT OF A HIGH-SPEED ALGORITM OF NEURO-LOGICAL CONCLUSION

Область науки:
pdf

5e2fc2f462884.pdf

PDF

«Технические науки и инновации»

«Технические науки и инновации»

Опубликовать статьюsee more

АННОТАЦИЯ СТАТЬИ

quote
Одним из путей повышения эффективности процесса управления непрерывными динамическими объектами является разработка новых или усовершенствование существующих систем управления на базе современных методов с привлечением достижений информационной технологии. В статье рассмотрены вопросы создания высокоэффективных алгоритмов управления технологическими объектами, функционирующих в условиях неопределенности, предназначенных для управления реально действующими объектами. Предложен алгоритм структурно-параметрической адаптации параметров ПИД (пропорционально-интегрально-дифференциального)-регулятора, позволяющий уменьшить количество итераций в процессе обучения алгоритма нечетко-логического вывода за счет сокращения пустых решений. Для определения пустых решений использованы гибридные алгоритмы, включающие в себя модернизированные генетические и иммунные алгоритмы, которые в свою очередь позволяют настроить параметры адаптации моделей искусственной нейронной сети. Предложена структурная схема автоматизированной системы управления исполнительными механизмами, включающая в свой состав блок адаптации коррекции не только параметров, но и структуры системы управления, который позволяет уменьшить погрешность результатов обучения нейро-нечеткой сети с 8 до 1%. Предложенный алгоритм отличается простотой реализации на микроконтроллерах, что позволяет его реализовать в задачах управления технологическими процессами в условиях неопределенности информации в реальных условиях на этапе эксплуатации.

АВТОРЫ

I.Siddikov

TDTU

D.Yadgarova

TDTU

Теги

# adaptation# algorithm# fuzzy-logical inference# fuzzy variables# iterations

ДРУГИЕ СТАТЬИ ЭТОГО ЖУРНАЛА

Оценить статью

0
оценок: 0
5
4
3
2
1

Идентификаторы статьи

ROI:

https://eroi.uz/11.0008/A0120-0072

DOI:

Недоступно

Список литературы

Bobir M.V. Modifitsirovannii algoritm nechetko-logicheskogo vivoda v zadachax upravleniya oborudovaniem s CHPU // Mexatronika , Avtomatizatsiya, Upravlenie. 2001. №4. S.26-32. 2. Bobir M.V., Titov V.S., Ansiferov A.V. Algoritm visokoskorostnoy obrabotki detaley na osnove nechetkoy logiki // Mexatronika, Avtomatizatsiya, Upravlenie, 2012. №6. S.21-26. 3. Otsenka dostovernosti pri modelirovanii nechetko-logicheskix sistem / Bobir M.V., Titov V.S., P.V. Globin, N.A. Milostnaya // Promishlennie ASU i kontrolleri, 2012. №7. S. 32-38. 4. Bobir M.V. Metodi postroeniya funksiy prinadlejnostey dlya nechetkix baz znaniy // Promishlennie ASU i kotrolleri, 2011. №2. S.27-33. 5. Bobir M.V., Titov V.S., CHervyakov L.M. Adaptatsiya slojnix sistem upravleniya s uchetom prognozirovaniya vozmojnix sostoyaniy // Avtomatizatsiya i sovremennie texnologii, 2012. №5. S.3-10. 6. Pupkov K.A., Barkin A.I., Voronov E.M. i dr.; Pod red. N.D. Egupova. Metodi klassicheskoy i sovremennoy teorii avtomaticheskogo upravleniya: Uchebnik dlya vuzov. V 3 t. -Moskva: Izd-vo MGTU im. N.E. Baumana, 2000. 7. Rutkovskaya D., Pilinskiy M., Rutkovskiy L. Neyronnie seti, geneticheskie algoritmi i nechetkie sistemi- M.: Goryachaya liniya-Telekom, 2006.- 452 s. 8. Pegat A. Nechetkoe modelirovanie i upravlenie.- M.: IUIT; BINOM, Laboratoriya znaniy, 2012. -798 s. 9. Antipin A.F. Sravnitelniy analiz bistrodeystviya diskretno-logicheskogo regulyatora // Programmnie produkti i sistemi. 2010. № 1 (89). S. 75–77. 10. Yurkevich V.D. Sintez nelineynix nestatsionarnix sistem upravleniya s raznotempovimi protsessami. SPb.: Nauka, 2000. 287 c. 11. Siddikov I., Iskandarov Z. Synthesis of adaptive-fuzzy control system of dynamic in conditions of uncertainty of information // International Journal of Advanced Research in Science, Engineering and Technology. Vol. 5. Issue 1. January 2018. pp. 5089-5093. 12. Zadeh, L.. Fuzzy Sets. Inf Cont, Vol. 8, Pp. 338–353, 1965. 13. Cox, E. , The Fuzzy Systems Handbook. Ap Professional - New York.1994. Electrical and Computer Engineering 161 14. Mehrotra, K., Mohan, C. K., And Ranka, S. ,Elements Of Artificial Neural Networks. The Mit Press, 1997 15. Lin, C-T., and C. S. George Lee. «Neural-network-based fuzzy logic control and decision system» Computers, IEEE Transactions on 40.12 (1991): 1320-1336. 16. Takagi, H. & Hayashi, I., Nn-Driven Fuzzy Reasoning. International Journal Of Approximate Reasoning, Vol. 5,Issue 3, 1991. 17. Rotach, V.Ya. (2008) The Theory of Automatic Control. Moscow: Publishing House Moscow Power Engineering Institute, - 396 p. 18. Pelusi, D., Mascella R. (2013) Optimal control algorithms for second order systems, Journal of Computer Science, vol. 9, no. 2, pp. 183–197. 19. Astrom, K.J. (2006) Advanced PID control/ K. J. Astrom, T. Hagglund – ISA (The instrumentation, Systems, and Automation Society), 2006 – 460 p. 20. Wang, L. And Mendel, J., Back-Propagation Fuzzy System As Nonlinear Dynamic System Identifiers. Proceedings Of Ieee International Conferenceon Fuzzy Systems, Pages 1409– 1416, 1992.