2.6. Управление процессом представления знаний
В семантике объекта множества наблюдений и состояний природы связаны между собой и зависят от времени, т.е. образуют параметрическое пространство, в котором объект перемещается по стационарной траектории с нестационарными возмущениями. Такое перемещение называется процессом, а его реализация – движением объекта в заданных границах отсчета времени. Управление процессом означает, что в ответ на возмущение вырабатывается такое управляющее воздействие на объект, чтобы его отклонение от стационарной траектории не превышало заданную величину при любых реализациях процесса, [30-33].
Объект характеризуется следующими параметрами:
- t – время с шагом квантования t, числом шагов T и числом квантов запаздывания τ [28, 29];
- y – возмущение с шагом квантования , диапозономymax и граничным значением y0;
- - управляющее воздействие с шагом квантованияи диапазономmax.
Тогда нечёткое нестационарное возмущение (или просто возмущение) определим как НМ1, а нечёткое управляющее воздействие - как НМ2.
НМ1={[di, (t/t)]},;
НМ2={[cj, (t/t)]},,
где di – наблюдение, соответствующее текущему значению относительно возмущения y/;/y+1; i= y/+(n+1)/2+1;
cj–состояние, соответствующее текущему значению, относительно управляющего воздействия ;
m=2|max |+ 1;j = + (m-1)/2+1;
(t/t) и (t/t) – функции принадлежности возмущения и управляющего воздействия, соответственно;
t/t - номер шага квантования (1 t/tT).
Функции принадлежности определяются в предположении о переходах, между ближайшими соседями (пересечениями линий квантования) при t/t=, следующим образом:
(t/t) =(t/t-1)+1/n,,(0)=;
(t/t) =(t/t-1)-1/[n(n-1)],, p(0)=;
(t/t) =(t/t-1)+1/m, j,(0)=
(t/t) =(t/t-1)-1/[m(m-1)], q,(0)=, qj,
где (t/t) – функция принадлежности для наблюдения di, наблюдение, соответствующее текущему значению y/
(t/t) – функция принадлежности для остальных наблюдений dp;
(t/t)-функция принадлежности для состояния cj, которое соответствует текущему значению ;
(t/t) – функция принадлежности для остальных состояний сq;
, - максимальное, минимальное и начальное значения функции принадлежности, соответственно.
Взаимная связь возмущения и управляющего воздействия при каждом t/t является нечётким отношением (НО):
.(2.16)
Взаимная связь возмущения НМ1 и управляющего воздействия НМ2, усреднённая по отношению t/t, определяется нечётким отношением:
(2.17)
где
Если в реализации процесса на некотором шаге появится возмущение
НМ1эксп={[dj, ()]}, то, с помощью нечёткого вывода НМ1эксп=>НМ2расч, определяем управляющее воздействие:
НМ2расч={[{cj,(+τ)}]},(+τ)=MAX[(),]. (2.18)
С помощью нечёткого вывода, НМ2расч => НМ1расч, определяем отклонение от траектории:
НМ1расч={[ci, (+τ)]}, (+τ) = MAX{MIN[(+τ), ]}. (2.19)
Матрица является транспонированной относительно.
-
Содержание
- Предисловие
- Список использованных сокращений
- Часть 1.
- Глава 1. Математические основы формализации и методов описания
- Часть 2.
- Глава 2. Методы представления знаний с использованием
- Часть 3.
- Глава 3. Интеллектуальные технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- Часть 4.
- Глава 4. Источники информации и причины возникновения ее неопределенности
- 4.1. Переработка и использование информации в реальных условиях функционирования агрегатов
- Часть 5.
- Список использованных сокращений и обозначений
- Введение:
- Часть 1.
- Глава 1. Математические основы формализации и методов описания
- Формализация объекта и парадигмы
- 1.3. Множества и перечень базовых операций над множествами
- Перечень базовых операций над множествами
- Области определения функций
- Обратная функция
- Теорема
- Мера и нечеткая мера
- Задача построения нечетких мер
- Нечеткие множества: определение и формы записи в операциях и
- 1.7.Функции доверия и правило Демпстера а.Р.,[23]
- 1.8. Нормировка функций в теории нечётких множеств
- 1.9. Нечёткие отношения: прямая и обратная задачи
- Глава 2. Методы представления знаний с использованием приближенных и нечетких множеств
- 2.1.Нечеткие вычислительные технологии
- 2.2.Семантика объекта: определение и типизация
- 2.3.Создание Базы знаний: постановка, семантика, прагматика
- 2.4. Сопоставление объектов: постановка, семантика, прагматика
- 2.5.Распознавание объектов: постановка, семантика, прагматика
- 2.6. Управление процессом представления знаний
- Нечёткие множества: субъективность и неточность
- 2.8.Нечеткая алгебра
- 2.9.Нечеткие иерархические отношения
- 2.10.Естественность операций max и min
- 2.11.Нечеткая статистика
- 2.12. Совместимость и нечеткое ожидание
- Глава 3. Нечеткие технологии создания информационных систем. Способы получения информации и ее реализации для оценивания состояния агрегатов
- 3.2. Обработка нечетких данных как неопределенных чисел
- Методология представления агрегата в виде комплексного механизма
- 3.2.2. Описание исходной информации на языке размытых множеств
- Размытость интервалов, ограничений, критериев и целей управления в эксплуатации и диагностике
- 3.3.3. Размытые ограничения, цели и оптимизация работы агрегата в условиях нечеткой информации о состоянии
- Анализ информации для диагностики и оценивания состояния механизмов
- 3.5. Оценки погрешностей измерений и наблюдений за состоянием агрегатов
- Влияние погрешностей исходных данных на погрешности диагноза
- Глава 4. Источники информации и причины возникновения ее неопределенности
- 4. 2. Управление и идентификация на объекте в условиях неопределенности информации на основе знаний, получаемых при функциональной диагностике
- Тогда множество диагностических признаков g также будет нечетким
- 4.3.Представление и использование чётких и «размытых» знаний в математических моделях оценивания состояния агрегатов, на основе функциональной диагностики
- 4.3.1.Формализация решения задачи оценивания состояния
- 4.3.2. Особенности решения задач контроля и функционирования агрегата
- Глава 5. Введение в генетическое программирование
- 5.1. Введение в генетические и эволюционные алгоритмы
- 5.2. Сравнительный анализ эволюционных алгоритмов
- 5.3. Генетическое программирование
- 5.4. Перспективные направления развития гп
- Глава 6. Введение в нейронные сети
- 6.1. Алгоритмы их обучение и эластичные нейро-нечеткие системы
- 6.2. Имитация нервных клеток
- 6.3. Математическая модель нейрона
- 6.4. Обучение нейронных сетей
- 6.5. Метод обратного распространения ошибки
- 6.6. Алгоритм настройки нейронной сети
- Глава 7. Другие методы нечетких технологий для построения
- 7.1. Введение в теорию возможностей и смысла
- 7.1.1. Неопределенность и неточность
- 7.1.2. Традиционные модели неточности и неопределенности
- 7.1.3. Меры неопределенности
- 7.1.4. Меры возможности и необходимости
- 7.1.5. Возможность и вероятность
- 7.2. Языки и технологии логического программирования prolog, lisp
- Глава 8. Послесловие
- 8.1. Эволюция искусственного интеллекта для развития интеллектуальных
- 8.2.Экспертные системы нового уровня
- 8.3. Роботика
- 8.4. Преобразование речи искусственного языка
- 8.5. Интеллект муравьёв и его использование
- 8.6. Искусственная жизнь, мозг, познание, разум, память и мышление
- 8.7. Боты
- Optimizator подсистемы диагностики состояния энергоустановок, skais, для решения задач технического обслуживания
- Заключение
- Заключение
- Литература