Нечёткая логика в управление контроллером КА
Заказать уникальную курсовую работу- 43 43 страницы
- 10 + 10 источников
- Добавлена 08.03.2022
- Содержание
- Часть работы
- Список литературы
- Вопросы/Ответы
Про нечёткую логику 3
Нечёткие множества 3
Функции принадлежности 7
Архитектура нечёткого вывода 12
Основные этапы нечёткого вывода 13
1.Формирование базы правил. 14
2.Фаззификация. 15
3.Агрегирование. 16
4.Активизация. 19
5.Аккумуляция. 20
Формирование базы правил для нечёткого регулятора 21
Настройка модели 26
Заключение 42
Список литературы 43
2. Демидова, Л. А. Алгоритмы и системы нечеткого вывода при решении задач диагностики городских инженерных коммуникаций в среде Matlab / Л.А. Демидова, В.В. Кираковский, А.Н. Пылькин. - Москва: Мир, 2014. - 368 c.
3. Круглов, В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов. - М.: Горячая линия - Телеком; Издание 2-е, стер., 2014. - 382 c.
4. Круглов, В.В. Нечеткая логика и искусственные нейронные сети / В.В. Круглов, М.И. Дли, Р.Ю. Голунов. - М.: [не указано], 2013. - 584 c.
5. Март, М. Нечеткая грань / М. Март. - М.: Белония М ООО, 2015. - 352 c.
6. Нейронные сети. Statistica Neural Networks. Методология и технологии современного анализа данных. - М.: Горячая линия - Телеком, 2014. - 392 c.
7. Новак, Вилем Математические принципы нечеткой логики: моногр. / Вилем Новак , Ирина Перфильева , Иржи Мочкорж. - Москва: Наука, 2015. - 352 c.
8. Татузов, А. Л. Нейронные сети в задачах радиолокации / А.Л. Татузов. - М.: Радиотехника, 2013. - 432 c.
9. Шибзухов, З. М. Конструктивные методы обучения сигма-пи нейронных сетей / З.М. Шибзухов. - М.: Наука, 2016. - 160 c.
10. Яхъяева, Г.Э. Нечеткие множества и нейронные сети / Г.Э. Яхъяева. - М.: Интернет-университет информационных технологий, 2014. - 320 c.
Вопрос-ответ:
Какую роль играет нечёткая логика в управлении контроллером?
Нечёткая логика играет важную роль в управлении контроллером, так как позволяет моделировать нечёткие или неопределённые значения входных параметров и выходных сигналов. Это позволяет сделать управление более гибким и адаптивным к изменяющимся условиям.
Как работает нечёткая логика в контроллере?
В контроллере с нечёткой логикой используются нечёткие множества и функции принадлежности для представления и обработки входных и выходных значений. Для этого происходят следующие этапы: формирование базы правил, фаззификация, агрегирование, активизация и аккумуляция.
Как формируется база правил в нечётком регуляторе?
База правил в нечётком регуляторе формируется на основе экспертных знаний или опыта. Эксперт задаёт правила в виде логических высказываний, которые определяют зависимости между входными и выходными переменными. Например: Если температура высокая и влажность высокая, то включить кондиционер на максимальную мощность.
Что происходит на этапе фаззификации в нечётком выводе?
На этапе фаззификации входные значения преобразуются в нечёткие множества с помощью функций принадлежности. Например: Высокая температура может быть представлена нечётким множеством "горячий", где каждое значение имеет определённую степень принадлежности.
Как происходит настройка модели нечёткого регулятора?
Настройка модели нечёткого регулятора может происходить с помощью алгоритмов обучения или экспертного опыта. При использовании алгоритмов обучения модель настраивается на основе данных обучающей выборки, где известны входные и выходные значения. В случае использования экспертного опыта, эксперт может вручную настраивать параметры модели.
Что такое нечёткая логика?
Нечёткая логика - это логика, которая позволяет работать с неопределёнными и нечёткими понятиями. В отличие от классической булевой логики, где значения истинности могут быть только "истина" или "ложь", в нечёткой логике значения могут быть в интервале от 0 до 1, выражая степень принадлежности к определённому множеству.
Какие функции используются в нечёткой логике?
В нечёткой логике используются функции принадлежности, которые определяют степень принадлежности элемента к определенному множеству. Также используются логические операторы, такие как "и", "или", "не", которые позволяют объединять и преобразовывать нечёткие множества.
Как происходит нечёткий вывод?
Нечёткий вывод включает несколько этапов. На первом этапе происходит формирование базы правил, которая определяет связи между условиями и действиями. Далее происходит фаззификация, при которой нечёткие входные данные переводятся в лингвистические переменные и определяются степени принадлежности к различным множествам. Затем происходит агрегирование, где определяется степень принадлежности результата к каждому из возможных значений. После этого происходит активизация, где выбираются наиболее значимые правила для дальнейшего вывода. На последнем этапе происходит аккумуляция, где определяется итоговый вывод на основе полученных результатов.