ИНФОРМАЦИОННО-АНАЛИТИЧЕСКАЯ МОДЕЛЬ НЕЧЕТКОГО ПРОПОРЦИОНАЛЬНО-ИНТЕГРАЛЬНО-ДИФФЕРЕНЦИРУЮЩЕГО РЕГУЛЯТОРА

Резюме: Цель. Целью исследования является создание модели, позволяющей повысить точность нечетких алгоритмов управления сложными объектами в условиях неопределенности. Методы. Разработан способ нечеткого представления и сравнения между собой параметров состояния сложных объектов управления в условиях неопределенности. Предложен принцип реализации информационно аналитической модели пропорционально-интегрально-дифференцирующего закона регулирования параметров состояния сложного объекта на основе лингвистических переменных и лингвистических функций. Разработан способ построения графиков лингвистических функций на основе обработки экспертных данных методами регрессионного анализа. Результат. Получена информационно-аналитическая модель нечеткого пропорционально-интегрально-дифференцирующего закона, позволяющая обеспечить требуемую точность регулирования параметров состояния сложного объекта управления в нестабильной окружающей среде. В работе проведен анализ и обозначен основной недостаток нечетких алгоритмов управления сложными объектами (низкая точность регулирования параметров состояния объекта управления), а также определены основные, связанные с ним, ограничения эффективного их применения. Показано, что к одному из эффективных путей, позволяющих обойти отмеченный недостаток, следует отнести использование в нечетких алгоритмах управления для реализации выбираемых управлений информационно-аналитическую модель пропорционально-интегрально-дифференцирующего закона регулирования параметров состояния сложного объекта. Вывод. Предложенный подход позволяет эффективным образом реализовать пропорциональный, интегральный и дифференциальный нечеткие законы регулирования, и на этой основе обеспечить эффективное управление состоянием сложных объектов в недоопределенных и нестабильных условиях функционирования на основе нечетких алгоритмов управления. 

1. Хижняков Ю.Н. Алгоритмы нечеткого, нейронного и нейро-нечеткого управления в системах реального времени. – Пермь: ПНИПУ, 2013. -169 с.

2. Пегат А. Нечеткое моделирование и управление / Пер. с англ. - 2-е изд. - М.: БИНОМ. Лабораториязнаний, 2013. - 798 с.

3. Kosko B. Fuzzy systems as universal approximations // IEEE Transactions on Computers. Vol. 43/ № 11, November 1994. – P. 1329-1333.

4. Cordon O., Herrera F., A General study on genetic fuzzy systems // Genetic Algorithms in engineering and computer science, 1995. – P. 33-57.

5. Sivanandam S.N., Sumathi S., Deepa S.N. Introduction to fuzzy logic using Matlab. - Berlin: Springer, 2007. - 430 p.

6. Kato M., Yamamoto T., Fujisawa S. A skill based PID controller using artificial neural networks // Computational Intelligence for Modeling, Control and Automation and International Conference on Intelligent Agents, Web Technologies and Internet Commerce, 28-30 Nov. 2005. Vol. 1. -P. 702-707.

7. Захаров В.И., Ульянов С.В. Нечеткие модели интеллектуальных промышленных регуляторов и систем управления. Методология проектирования // Изв. РАН. Техническая кибернетика. 1993. № 5. - C. 197-220.

8. Passino K.M., Stephen Yurkovich. Fuzzy Control. - Boston (USA): Addison Wesley Longman, 1998. - 522 p.

9. Zadeh L.A. Fuzzy sets // Information and Control. 1965. № 8. - P. 338-353.

10. Hu B.G., Mann G.K.I., Gossine R.G. A systematic study of fuzzy PID controllers - functionbased evaluation approach // IEEE Trans. Fuzzy Syst. 2001. Vol. 9, №5. - P. 699-711.

11. Kawafuku R., Sasaki M., Kato S. Selftuning PID control of a flexible micro actuator using neural networks // IEEE International Conference on Systems, Man and Cybernetics, 11-14 Oct. 1998. Vol. 3. P. 3067-3072.

12. Li Jie, Xie Jianying, Wu Zhengmao. Design of disturbance rejection PID controllers for time delay system based on genetic algorithms // International Conference on Neural Networks and Brain (ICNN&B '05), 13-15 Oct. 2005. Vol. 2. - P. 876-880.

13. Гостев В.И. Проектирование нечетких регуляторов для систем автоматического управления. – СПб.: БХВ-Петербург, 2011. -416 с.

14. Бурлаков М.В. Нечеткие регуляторы. – СПб.: ГУАП, 2010. -252 с.

15. Лубенцова Е.В., Петраков В.А., Слюсарев Г.В., Лубенцов В.Ф. Метод построения нечетких регуляторов с использованием аналитических выражений для управляющих воздействий // Фундаментальные исследования. 2015. № 11. Том 3. – С. 484-490.

16. Мелехин В.Б., Алиев С.Н., Вердиев М.М. Лингвистические функции и особенности их применения в системах управления и принятия решений // Научно-технические ведомости СПб ГПУ. Основной выпуск. 2008. №2. С. 249-254.

17. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. – М.: Наука, 1990. -272 с.

18. Берштейн Л.С., Мелехин В.Б. Планирование поведения интеллектуального робота. – М.: Энергоатомиздат, 1994. -238 с.

19. Берштейн Л.С., Мелехин В.Б., Канаев М.М. Выбор величины управления при реализации нечетких управляющих алгоритмов// Электронное моделирование. 1989. № 1. -С. 91-99.

20. Драйнер М., Смит Г. Прикладной регрессионный анализ / Пер. с англ. В 2-х кН. Кн. 1. –М.: Финансы и статистика, 1986. -366 с.

21. Растригин Л.А Современные принципы управления сложными объектами. – М.: Советское радио, 1980. -232 с.