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

Uzluksiz  dinamik  ob'ektlarni  boshqarish  jarayoni  samaradorligini  oshirish  yo'llaridan  biri 
zamonaviy  tehnologiyalar  asosida  ahborot  tehnologiyalarining  yutuqlarini  o'z  ichiga  olgan 
yangi  tizimlarni  ishlab  chiqish  yoki  mavjud  tizimlarni  takomillashtirishdir.  Maqolada  mavjud 
real  ob'ektlarni  boshqarish  uchun  mo'ljallangan,  noaniqlik  sharoitida  ishlaydigan  tehnologik 
ob'ektlarni yuqori samarali boshqarish algoritmlarini yaratish masalalari ko'rib chiqilgan. PIDrostlagich parametrlarini tarkibiy-parametrik moslashtirish algoritmi taklif etilgan, bu esa bo'sh 
echimlarni  kamaytirish  orqali  noqat'iy-mantiq  hulosa  algoritmini  o'rganish  jarayonida 
iteraciyalar  sonini  kamaytirish  imkon  beradi.  Bo'sh  echimlarni  aniqlash  uchun  gibrid 
algoritmlar,  shu  jumladan  sun'iy  neyron  tarmoq  modellarining  moslashuv  parametrlarini 
sozlash  uchun  modernizaciya  qilingan  genetik  va  immun  algoritmlari  ishlatilgan.  Uning 
tarkibiga parametrlarni nafaqat tuzatish blok moslashuvi, shuningdek neyro-noqat'iy tarmoqni 
o'qitish  natijasida  hatolarni  8  %  dan  1  %  gacha  kamaytirish  imkonini  beradigan  boshqaruv 
tizimining  tuzilishi,  avtomatlashtirilgan  boshqarish  tizimi  ijrochi  mehanizmlarining  tizimli 
shemasi  taklif  qilingan.  Taklif  qilingan  algoritm  mikrokontrollerlarda  amalga  oshirishning 
soddaligi  bilan  ajralib  turadi,  bu  esa  uni  operacion  bos?qichida  real  sharoitlarda 
ma'lumotlarning  noaniqligi  sharoitida  jarayonni  boshqarish  vazifalarida  bajarilishiga  imkon 
beradi.

One  of  the  ways  to  increase  the  efficiency  of  the  process  of  managing  continuous 
dynamic objects is to develop new or improve existing control systems based on modern methods 
involving  the  achievements  of  information  technology.   The  article  deals  with  the  creation  of 
highly  efficient  control  algorithms  for  technological  objects,  operating  in  conditions  of 
uncertainty, designed to manage real-life objects. An algorithm is proposed for the structuralparametric  adaptation  of  the  PID  parameters  (proportional-integral-differential)  -regulator, 
which  allows  to  reduce  the  number  of  iterations  in  the  learning  process  of  the  fuzzy-logical 
inference  algorithm  by  reducing  empty  solutions.   To  determine  the  empty  solutions,  hybrid 
algorithms are used, which include modernized genetic and immune algorithms, which in turn 
allow you to configure the adaptation parameters of artificial neural network models. A block 
diagram of an automated control system for executive mechanisms is proposed, which includes a 
block for adapting the correction of not only  parameters, but also the structure of the control 
system, which allows to reduce the error in the results of training a neuro-fuzzy network from 8 
to 1%. The proposed algorithm is simple to implement on microcontrollers, which allows it to 
Electrical   and   Computer   Engineering
155
be implemented  in the tasks of process  control in the conditions of information uncertainty in 
real conditions at the operation stage.

_{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.}