WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     |
|
ИНСТИТУТ СИСТЕМНОГО ПРОГРАММИРОВАНИЯ РОССИЙСКОЙ АКАДЕМИИ НАУК

На правах рукописи

Караваев Максим Владимирович ПРИМЕНЕНИЕ НЕЧЕТКОЙ ЛОГИКИ В СИСТЕМАХ АВТОНОМНОГО АДАПТИВНОГО УПРАВЛЕНИЯ Специальность 05.13.11 – математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата физико-математических наук

Москва 2006

Работа выполнена:

в Институте Системного Программирования РАН.

Научный консультант: доктор физико-математических наук Жданов Александр Аркадьевич

Официальные оппоненты: доктор технических наук, Ющенко Аркадий Семенович доктор физико-математических наук, Рязанов Владимир Васильевич

Ведущая организация: Факультет Вычислительной математики и кибернетики Московского Государственного Университета им. М.В. Ломоносова

Защита диссертации состоится « 8 » сентября 2006 г. в 1500 часов на заседании диссертационного совета Д.002.087.01 при Институте Системного Программирования РАН по адресу:

109004, Москва, Б. Коммунистическая 25, Институт Системного Программирования РАН, конференц-зал.

С диссертацией можно ознакомиться в библиотеке Института Системного Программирования РАН.

Автореферат разослан « 1 » августа 2006 г.

Ученый секретарь /Прохоров С.П./ специализированного совета 2

Общая характеристика работы

Актуальность темы Постоянно растущая сложность и разнообразие задач, решение которых возлагается на автоматические системы, в последнее время определяют повышенную потребность в системах управления с возможно более универсальными свойствами. Однако, ни один из существующих на текущий момент подходов к построению систем управления – ни теория автоматического управления (ТАУ), ни нечеткие системы, ни искусственные нейронные сети, ни другие технологии, не обладают необходимой универсальностью. С другой стороны, имеет место уверенность в возможности построения систем с искомыми свойствами, которая основана на наблюдении действия таких систем в природе - нервные системы живых организмов.

Возможно, что претендовать на более широкий охват типов решаемых задач могут методы, основанные на концептуальных подходах, моделирующих функциональность и структуру нервных систем живых организмов, поскольку в таких методах объект управления описывается совокупностью формализованных знаний, заранее заданных, либо эмпирически приобретенных системой, и менее привязанных к той или иной функциональной зависимости от параметров объекта управления, чем это имеет место в моделях, выраженных в аналитической форме уравнений. К таким концептуальным подходам относится и метод автономного адаптивного управления (ААУ), развиваемый в Отделе имитационных систем Института Системного Программирования РАН.

Метод ААУ определяет общие принципы и некоторые частные реализации систем управления объектами, для которых отсутствует математическая модель и его логико-лингвистическое описание, а известны только общие критерии качества управления (целевая функция).

Однако все первые системы ААУ строились на основе дискретных устройств, что ограничивало область их применения, в особенности, при работе таких систем управления в «реальном» непрерывном мире. Для обеспечения достаточно гладких зависимостей между входными и выходными переменными необходимо было разбивать входное и выходное признаковые пространства на достаточно большое количество диапазонов, и на каждом из них проводить пробные управляющие воздействия для нахождения закономерных реакций. Это приводило к экспоненциальному росту объема базы знаний и времени обучения системы при линейном увеличении критериев качества управления или количества входных переменных системы.

Несмотря на то, что были разработаны специальные алгоритмы, позволяющие значительно ускорить обучение системы, основываясь на различных эвристиках, в целом эффективность систем ААУ оставалась реализованной далеко не полностью.

Применение нечеткой логики, основанное на теореме FAT (Fuzzy Approximation Theorem), доказанной Б. Коско (B. Kosko), и гласящей, что любая математическая система может быть аппроксимирована системой на основе нечеткой логики, значительно повышает эффективность систем ААУ.

Актуальность данной работы заключается, с одной стороны, в необходимости наделения систем ААУ непрерывными свойствами, за счет использования теории нечетких множеств, с целью улучшения их характеристик и расширения области применения. С другой стороны, в работе предлагаются возможности расширения области применения традиционных нечетких контроллеров (систем управления, работающих по закону, заданному набором нечетких продукционных правил) за счет применения в них методов обучения и адаптации, используемых в системах ААУ. Разработанные в работе методы могут использоваться для построения широкого класса прикладных систем управления.

Цель работы Цель диссертационной работы состояла в том, чтобы найти подходы и разработать методы построения управляющих систем ААУ на основе теории нечетких множеств. Такие методы позволят преодолеть ограничения систем ААУ, связанные с обязательным требованием четкой дискретизации информационных объектов.

Для достижения указанной цели необходимо было решить следующие задачи:

1. Разработать метод автоматического определения входных и выходных нечетких множеств, заданных при помощи функций принадлежности.

2. Разработать метод автоматической генерации правил управления, описывающих функциональную взаимосвязь между входом и выходом.

3. Разработать метод автоматической адаптации набора правил базы знаний (БЗ) к изменяющимся свойствам объекта управления (ОУ) и среды.

4. Разработать метод оценивания образов и принятия решений.

5. Осуществить проверку работоспособности и эффективности разработанных методов на примерах прикладных систем.

Научная новизна Научная новизна работы заключается в том, что в данной работе впервые была предпринята попытка построения способной к самообучению автономной адаптивной системы управления на основе нечеткой логики. А именно:

• введено описание системы ААУ в терминах теории нечетких множеств.

Разработана кодировка входных и выходных нечетких множеств и нечетких правил управления специального вида;

• предложен метод генерации нечетких правил управления, а также входных и выходных функций принадлежности на основе модифицированного метода кластеризации методом вычетов;

• предложен метод адаптации набора правил в базе знаний к изменяющимся свойствам объекта управления и среды посредством введения для каждого правила специальной величины, названной «степенью адекватности», и способов вычисления ее значения;

• предложен метод принятия решений, учитывающий степени адекватности правил управления в базе знаний и оценки результирующих образов правил;

• на примере модели прикладной системы управления показаны преимущества разработанного подхода в скорости обучения перед системами управления, построенными на основе парадигмы обучения с подкреплением, в традиционной тестовой задаче балансирования перевернутым маятником.Практическая ценность Практическая ценность работы состоит в том, что разработанные методы могут быть применены для построения прикладных самообучающихся управляющих систем для широкого класса объектов управления.

Задача состоит в том, чтобы при помощи перемещений тележки удерживать физический маятник, на который действует сила притяжения, в вертикальном положении. Маятник нижним концом прикреплен к тележке при помощи шарнира, а тележка может с помощью привода перемещаться вдоль прямой, лежащей на горизонтальной плоскости.

Возможность построения прикладных систем управления различными объектами и их преимущества показаны на примерах системы балансирования перевернутым маятником, системы стабилизации углового движения космического аппарата и системы управления моделью мобильного робота Pioneer P3-DX.

Апробация работы и публикации По материалам диссертации опубликовано 10 работ [1-10].

Основные положения работы докладывались на следующих конференциях и семинарах:

• всероссийской научно-технической конференции Нейроинформатика2004, 2005 МИФИ, • семинаре «Экобионика» МГТУ им. Н.Э. Баумана, • XXIX Академических чтениях по космонавтике, 2005 год, • всероссийской научно-техническая конференции "Наука – производство – технологии – экология» ВятГУ (г. Киров).

Структура и объем диссертации Работа состоит из введения, четырех глав, заключения и списка литературы.

Общий объем диссертации составляет 106 страниц. Список литературы содержит 49 наименований.

Краткое содержание работы В 1-й главе представлен обзор известных методов и проблем построения адаптивных систем управления.

Во 2-й главе приводится обобщенная формализация системы ААУ с применением теории нечетких множеств, а также описываются разработанные в диссертации методы синтеза таких нечетких систем ААУ и их адаптации к изменениям свойств объекта управления и среды.

В 3-ей главе приводится описание разработанной в ходе диссертационной работы модели прикладной системы управления.

В 4-ой главе представлены результаты нескольких серий экспериментов, в ходе которых производилось сравнение разработанной модели прикладной системы с аналогичными системами, а также уточнялись параметры разработанной системы управления, оптимальные для различных объектов управления и целевых функций.

В 1-ой главе представлен анализ основных технологий построения систем управления с точки зрения возможности организации самообучения и адаптации:

теории автоматического управления, дискретных автоматов, нечетких систем управления (нечетких контроллеров), систем управления, построенных на основе искусственный нейронных сетей (нейроконтроллеров), и концептуальных моделей нервных систем.

Сделаны выводы, что системы ТАУ (построенные в соответствии с теорией автоматического управления), нечеткие и нейроконтроллеры обладают особенностями, которые затрудняют построение на их основе адаптивных самообучающихся систем управления. Для первых двух технологий это ограничение связано с тем, что они основываются соответственно на математической модели и логико-лингвистическом описании объекта управления, которые не всегда доступны и часто не поддаются изменениям в реальном времени. Как следствие – не существует хорошо разработанных методов наделения систем ТАУ и нечетких контроллеров свойствами адаптивности и самообучаемости. Такие методы отсутствуют и для нейроконтроллеров, которым свойственна проблема катастрофического забывания, вследствие чего нейросети теряют старые «навыки» в процессе получения новых. Помимо этого, для первоначального обучения нейросети необходимо иметь обучающую выборку, которая не всегда доступна.

Для дискретных автоматов существует большее количество алгоритмов их самообучения и адаптации, к тому же автоматы обладают активным поведением, в противовес реактивному поведению (при котором система лишь отвечает на входные воздействия), свойственному системам управления, построенным в соответствии с предыдущими методами. Однако при использовании автоматов для взаимодействия с реальным миром часто возникают сложности из-за несоответствия дискретной природы автоматов и непрерывной природы реального мира.

Среди известных концептуальных подходов к моделированию нервных систем до уровня решения прикладных задач доведены только исследования французской лаборатории AnimatLab под руководством Ж. А. Мейера (J. A.

Meyer), основывающиеся на парадигме обучения с подкреплением, и, в большей степени, – метод ААУ, развиваемый в отделе Имитационных систем ИСП РАН под руководством А.А. Жданова.

Однако все существующие методы построения прикладных систем по методу ААУ используют конечные автоматы и обладают всеми особенностями, присущими этим дискретным устройствам. Из этого вытекают и такие недостатки, как, например, экспоненциальный рост времени обучения и объема БЗ при увеличении количества входных переменных или необходимой точности управления. Такой экспоненциальный рост обусловлен равномерным разбиением множеств значений входных и выходных переменных системы на диапазоны и привязкой к каждому их сочетанию минимум одного элемента системы.

Устранение этих ограничений за счет применения нечеткой логики и является главной целью данной работы.

Во 2-й главе содержится обобщенная формализация системы ААУ с применением теории нечетких множеств, а также описываются разработанные в диссертации методы синтеза таких нечетких систем ААУ и их адаптации к изменениям свойств объекта управления и среды.

Краткое описание обобщенной системы автономного адаптивного управления в базисе теории нечетких множеств Пусть в среде, близкой к стационарной, находится объект управления (ОУ) со встроенной управляющей системой (УС), состоящей из блока датчиков, блока формирования и распознавания образов (ФРО), БЗ, аппарата эмоций, блока принятия решений и исполняющих механизмов. Пусть УС является системой замкнутого цикла, в которой каждый блок периодически получает входные значения и формирует выходные значения, а моменты генерации выходных значений отстоят друг от друга на равные интервалы времени. Согласно базовым положениям метода ААУ, УС имеет две целевые функции: обеспечение выживания ОУ и накопление знаний о закономерностях его функционирования в среде.

Для наблюдения за параметрами ОУ и среды УС имеет N входных переменных, связанных с датчиками, а для воздействия на среду и объект – M выходных переменных, связанных с исполнителями. Датчики отображают значения некоторых параметров среды и ОУ в множества значений входных переменных x1, x2,…xN. Множества значений выходных переменных обозначим y1, y2,…yM. В общем случае все эти множества бесконечны, но обязательно имеют верхнюю и нижнюю границы. Тогда входные и выходные множества УС будут равны соответственно декартовым произведениям:

Pages:     |
|



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.