Методы управления техническими объектами с помощью интеллектуальных регуляторов на основе самоорганизации баз знаний

   МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ

РОССИЙСКОЙ ФЕДЕРАЦИИ
Федеральное государственное автономное образовательное учреждение высшего образования «ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»

Инженерно-технологическая академия





В. В. ИГНАТЬЕВ




МЕТОДЫ УПРАВЛЕНИЯ ТЕХНИЧЕСКИМИ ОБЪЕКТАМИ С ПОМОЩЬЮ ИНТЕЛЛЕКТУАЛЬНЫХ РЕГУЛЯТОРОВ НА ОСНОВЕ САМООРГАНИЗАЦИИ БАЗ ЗНАНИЙ



Монография













Ростов-на-Дону - Таганрог
        Издательство Южного федерального университета
2020

УДК 62+681.5(035.3)
ББК 32.813я44
      И26
Выписка из протокола заседания экспертного совета
«Инженерные науки» № 5 от 1 июня 2020 г.
Рецензенты:
   заслуженный деятель науки Российской Федерации, доктор технических наук, профессор кафедры систем автоматизированного проектирования
ИКТИБ ИТА ЮФУ В. М. Курейчик
доктор технических наук, профессор, заведующий кафедрой информатики Таганрогского института имени А.П. Чехова (филиал)
   «Ростовского государственного экономического университета (РИНХ)»
Я. Е. Ромм
   Игнатьев, В. В.
И26     Методы управления техническими объектами с помощью интеллекту   альных регуляторов на основе самоорганизации баз знаний : монография / В. В. Игнатьев ; Южный федеральный университет. - Ростов-на-Дону ; Таганрог : Издательство Южного федерального университета, 2020. - 142 с.
        ISBN 978-5-9275-3562-0
        DOI 10.18522/801273622
        Монография посвящается памяти моего учителя, доктора технических наук, профессора Финаева Валерия Ивановича. Представленные в монографии научные результаты были получены автором при обучении в докторантуре Южного федерального университета под его научным руководством.
        В монографии предложены методы управления техническими объектами с помощью интеллектуальных регуляторов. Представлены модели гибридного управления техническим объектом с разработанными системами адаптивного поведения на основе нейронечеткого вывода. В представленных моделях применяются интеллектуальные регуляторы на основе самоорганизации базы знаний без привлечения эксперта, позволяющие обеспечить эффективное робастное управление объектом, функционирующим в непредвиденных внешних ситуациях, а также при изменении его параметров, используя объективные знания о его динамическом поведении. Разработаны методы оптимизации процедуры синтеза нечетких регуляторов.
УДК 62+681.5(035.3)
ББК 32.813я44
ISBN 978-5-9275-3562-0
                                   © Южный федеральный университет, 2020
                                   © Игнатьев В. В., 2020
                                   © Оформление. Макет. Издательство
Южного федерального университета, 2020

СОДЕРЖАНИЕ

ВВЕДЕНИЕ................................................. 5
1. АНАЛИЗ МЕТОДОВ РАЗРАБОТКИ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ УПРАВЛЕНИЯ....................................... 13
  1.1. Исследования в области искусственного интеллекта. 13
  1.2. Исследования по разработке методов желаемого управления техническими объектами при проектировании интеллектуальных систем управления................................. 17
2. МЕТОДЫ УПРАВЛЕНИЯ ТЕХНИЧЕСКИМИ ОБЪЕКТАМИ С ПОМОЩЬЮ ИНТЕЛЛЕКТУАЛЬНЫХ РЕГУЛЯТОРОВ.................. 34
  2.1. Метод гибридного управления в интеллектуальных системах на основе ПИ- и ПИ-FUZZY-регуляторов.................. 34
  2.2. Метод гибридного управления в интеллектуальных системах на основе ПИД- и ПИД-FUZZy-регуляторов................ 49
  2.3. Управление техническим объектом, функционирующим в изменяющихся условиях, с помощью ПИ- и ПИ-FUZZУ-регуля-торов................................................. 56
  2.4. Управление техническим объектом, функционирующим в изменяющихся условиях, с помощью ПИД- и ПИД-Ги/7У-регу-ляторов............................................... 64
3. МОДЕЛИРОВАНИЕ ГИБРИДНОГО УПРАВЛЕНИЯ.................. 70
  3.1. Моделирование гибридного управления техническим объектом с применением ПИ- и ПИ-FUZZУ-регуляторов.......... 70
  3.2. Моделирование гибридного управления техническим объектом с применением ПИД- и ПИД-FUZZy-регуляторов........ 76
  3.3. Моделирование гибридного управления техническим объектом, функционирующим в изменяющихся условиях, с помощью
  ПИ- и ПИ-Еи/7У-регуляторов............................ 80
  3.4. Моделирование гибридного управления техническим объектом, функционирующим в изменяющихся условиях, с помощью
  ПИД- и ПИД-Ги/7У-регулягоров.......................... 87

3

Содержание

4. МЕТОДЫ ОПТИМИЗАЦИИ ПРОЦЕДУРЫ СИНТЕЗА НЕЧЕТКИХ РЕГУЛЯТОРОВ........................................ 92
  4.1. Метод автоматического синтеза нечетких регуляторов. 93
  4.2. Моделирование метода автоматического синтеза нечетких регуляторов............................................. 99
  4.3. Метод оптимизации базы правил нечеткого регулятора на основе генетического алгоритма........................... 104
   4.3.1. Поиск оптимальных параметров систем управления с нечеткой логикой ....................................... 105
   4.3.2. Оптимизация базы правил нечеткого регулятора... 109
   4.3.3. Имитационное моделирование автоматической генерации и оптимизации параметров нечеткого регулятора..... 116
ЗАКЛЮЧЕНИЕ .............................................. ₁₂₆
СПИСОК ЛИТЕРАТУРЫ........................................ ₁₃₂

ВВЕДЕНИЕ

      Несмотря на стремительное развитие информационных технологий, в том числе на основе методов и средств искусственного интеллекта, наиболее сложными для решения остаются такие задачи, справиться с которыми может только человек. Это обусловлено уникальными свойствами человеческого интеллекта, а именно его способностями принимать правильные решения в условиях неполной или нечеткой информации. Для этого требуются функции, выраженные в способностях к обучению, запоминанию, анализу с последующим принятием правильных решений.
      Все это является целью современных исследований в области искусственного интеллекта, направленных на создание приборов и устройств, способных как человек к обучению, разного рода общению (взаимодействию), разумным рассуждениям, постановке целей и требуемому поведению.
      Поэтому построение моделей рассуждений человека и их использование в информационных системах является сегодня одной из основных проблем науки, важность решения которой трудно переоценить.
      Это подтверждает и Указ Президента РФ № 642 от 01.12.2016 г. «О Стратегии научно-технологического развития Российской Федерации», в соответствии с которым в ближайшие 10-15 лет приоритетами научнотехнологического развития Российской Федерации следует считать те направления, которые позволят получить научные и научно-технические результаты и создать технологии, являющиеся основой инновационного развития внутреннего рынка продуктов и услуг, устойчивого положения России на внешнем рынке, и обеспечат переход к передовым цифровым, интеллектуальным производственным технологиям, роботизированным системам, новым материалам и способам конструирования, созданию систем обработки больших объемов данных, машинного обучения и искусственного интеллекта.
      В России процедура перехода к современным технологиям на производстве осложняется недостаточной проработанностью теоретических основ и методов настройки интеллектуальных систем управления, являющихся ключевым элементом этих технологий.
      Повышение качества функционирования существующих производственных систем путем их интеллектуализации требует привлечения таких

5

Введение

объемов временных, финансовых и трудовых ресурсов, что решение данной задачи становится затруднительным.
      Данная проблема возникает из-за необходимости тщательного исследования производственной системы, обработки полученных данных, формирования выводов и рекомендаций для настройки параметров систем управления на основе искусственного интеллекта.
      Современные системы управления техническими объектами характеризуются внедрением интеллектуальных технологий в процесс управления. Известно большое количество методов синтеза нечетких, нейросетевых и нейронечетких регуляторов. Тенденция интеллектуализации технических систем связана с более широкими возможностями таких регуляторов при отработке сигналов задания, устойчивости к возмущениям и обеспечении улучшения качества переходных процессов.
      Автоматизированные системы управления технологическими процессами (АСУ ТП) являются основой любого производства. Практически во всех существующих АСУ ТП в контурах управления отдается предпочтение применению традиционных классических регуляторов, несмотря на их ограниченные возможности или неприменимость для управления техническими объектами со слабо формализованной структурой, динамическим поведением, в случае изменения параметров объекта, функционировании в непредвиденных внешних ситуациях.
      Такая ситуация сложилась из-за определенной надежности классических регуляторов при управлении стационарными объектами и недоверии к интеллектуальным системам управления ввиду их ограниченной применимости на реальных производствах, в том числе современных и, как следствие, отсутствия опыта эксплуатации.
      Широкое внедрение интеллектуальных систем для управления техническими объектами на реальных производствах станет возможным только после получения теоретических и прикладных доказательств надежности таких систем, способности гарантировать получение желаемого управления с максимальным качеством в случае изменения ситуаций управления.
      Поэтому представленные в монографии методы и модели разработаны для решения одной из главных и актуальных проблем разработки интеллектуальных систем управления - проблемы создания системы с повы

6

Введение

шенной робастностью для надежного и точного интеллектуального управления техническим объектом в режиме реального времени техническим объектом в условиях неопределенности исходной информации или неполного описания процесса его функционирования.
      В настоящее время промышленные предприятия не могут эффективно функционировать без использования современных научно обоснованных методов управления, средств автоматики и вычислительной техники и информационно-управляющих систем.
      Проводимые учеными исследования и разработки в области управления техническими объектами и системами направлены на решение задач управления в основном с помощью систем, представляющих собой комбинацию классической теории управления и нечеткой логики, нейросетей, эволюционных алгоритмов.
      Методы классической теории управления хорошо применимы при известном характере зависимости входных и выходных переменных процесса управления, однако при решении практических задач, в которых присутствует неопределенность в характере зависимостей переменных, их эффективность значительно ниже. В рамках методов классической теории управления формализация неопределенностей моделей объектов и внешних условий возможна только при известном диапазоне изменения параметров и / или известном порядке моделей.
      Для одновременного учета большого количества разной информации, ситуаций, характеристик управляющих воздействий и изменяющихся внешних условий при разработке систем управления может быть применена теория нечетких множеств и нечеткая логика. Основной сложностью при разработке нечетких систем управления является необходимость привлечения экспертов в соответствующих предметных областях, однако при функционировании объектов в условиях неопределенности знаний эксперта может быть недостаточно, чтобы охватить все возможные состояния объекта.
      Нейронные и нейронечеткие сети могут успешно применяться для управления трудноформализуемыми объектами в условиях неопределенности, однако требование предварительного обучения перед началом использования и отсутствие логической прозрачности архитектуры регуляторов затрудняет их применение при управлении промышленными объектами.

7

Введение

      Для решения задач, связанных с управлением техническими объектами и процессами с априорной неопределенностью, наиболее целесообразно комбинирование классической теории управления и теории нечетких множеств, поскольку простота и наглядность классических методов управления позволяет упростить процедуру формализации знаний экспертов.
      В подобных комбинированных системах знания, которые возможно формализовать, и знания, для которых формализация невозможна, могут быть эффективно объединены путем соединения классических технологий управления и технологий на основе искусственного интеллекта. Это позволит учесть недостатки и достоинства разных технологий и получить требуемое решение задачи управления при отсутствии априорной информации.
      Факторами, негативно влияющими на эффективность управления, являются: изменение параметров объекта управления; изменение ситуаций управления, например, повышение требований к качеству регулирования в процессе функционирования системы управления.
      Решение данной проблемы может быть найдено путем использования классических регуляторов для создания баз правил и настройки параметров нечетких регуляторов, что позволит автоматически генерировать правила нечеткого вывода и исключить ошибки, определяемые человеческим фактором. Это является трудной задачей в процессе проектирования (синтеза) систем управления на основе нечеткой логики.
      Решение проблемы создания робастной базы знаний в интеллектуальной системе управления является одной из ключевых, так как только наличие полной базы знаний, исключающей избыточность и противоречивость данных, позволит достичь точности и надежности желаемого управления в нештатных ситуациях.
      Материал монографии посвящен разработке методов и моделей управления технологическими объектами, в том числе в изменяющихся условиях с помощью интеллектуальных регуляторов на основе самоорганизации баз знаний. Основу исследований составляют классическая теория управления, нечеткая логика и нейросетевые технологии.
      Целью научного исследования является разработка методов управления техническими объектами с помощью интеллектуальных регуляторов на основе самоорганизации баз знаний, эффективно и надежно функционирующих в изменяющихся условиях, что позволит гарантировано получать желаемое управление с максимальным качеством.

8

Введение

      Первой промежуточной целью научного исследования является проектирование робастной базы знаний без привлечения эксперта, использующей объективные знания о динамическом поведении объекта управления, структура или параметры которого могут меняться, а также функционирующего в непредвиденных внешних ситуациях.
      Задача обеспечения определенного уровня робастности получаемым базам правил является непростой в связи с необходимостью решения таких проблем, как разработка процедуры для определения количества термов лингвистических переменных и вида функций принадлежности для создания полной базы правил, исключающей избыточность и противоречивость.
      Необходима разработка методов оптимизации их параметров, так как с ростом сложности объекта управления, с увеличением количества входных и выходных переменных проблема настройки интеллектуального регулятора достигается применением длительной итерационной процедуры анализа и коррекции его параметров: терм-множеств лингвистических переменных, базы управляющих правил.
      Второй промежуточной целью научного исследования является разработка методов оптимизации процедуры синтеза нечетких регуляторов.
      Достижение точности и надежности желаемого управления в непредвиденных ситуациях будет обеспечено спроектированными гибридными системами управления с определенным уровнем интеллектуальности, обладающими повышенной робастностью.
      Новизна научного исследования заключается в применении интеллектуальных регуляторов на основе самоорганизации робастных баз знаний без привлечения эксперта, что позволит эффективно и надежно управлять объектом, используя объективные знания о его динамическом поведении, функционировании в непредвиденных внешних ситуациях, а также при изменении его структуры или параметров.
      Существенной научной новизной предлагаемых методов будет являться:
    -       автоматическое формирование базы нечетких правил и ее редуцирование в случае избыточности независимо от количества входных и выходных сигналов регулятора и мощности терм-множеств лингвистических переменных, что позволит улучшить показатели качества управления (перерегулирования - до 0 %; время регулирования - минимальное, с, число колебаний -до 0, время достижения первого максимума - минимальное, с);

9

Введение

     -      проектирование гибридных систем управления техническими объектами в режиме реального времени с помощью интеллектуальных регуляторов на основе самоорганизации баз знаний;
     -      разработка робастных баз знаний интеллектуальных регуляторов для систем адаптивного поведения на основе нейронечеткого вывода с возможностью придания базе правил таких свойств, как самоорганизация и са-моадаптация, что позволит получать выходной управляющий сигнал с повышенной робастностью;
     -      оптимальное управление техническими объектами со слабо формализованной структурой и функционирующими в условиях неопределенности исходной информации на основе перестраивания структуры системы нечеткого вывода.
      Основное содержание научного исследования состоит из разработки новых методов для решения поставленных задач и доказательства их эффективности.
      Комбинация классического регулятора с нечетким позволит с помощью разработанных алгоритмов формировать базу правил нечеткого регулятора в автоматическом режиме без участия эксперта в предметной области.
      Применение нейросетевых технологий обучения позволит повысить его адаптивность, т.е. способность подстраиваться под изменения внешних условий и параметров объекта управления.
      В первом разделе монографии выполнен содержательный анализ методов разработки интеллектуальных систем управления на основе исследований мирового научного сообщества в области искусственного интеллекта, а также исследований по разработке методов желаемого управления техническими объектами при проектировании интеллектуальных систем управления. По результатам анализа определена основная концепция научного исследования, заключающаяся в разработке новых методов желаемого робастного управления техническими объектами, позволяющих гарантировано получать желаемое управление с максимальным качеством.
      Во втором разделе монографии разработаны методы управления техническими объектами с помощью интеллектуальных регуляторов, а именно: метод гибридного управления в интеллектуальных системах с применением ПИ- и ПИ-FUZZY-регуляторов; метод гибридного управления в интеллекту

10