МЕТОД ПОЛУЧЕНИЯ ПАРАМЕТРОВ ФУНКЦИЙ ПРИНАДЛЕЖНОСТИ НЕЧЕТКИХ МНОЖЕСТВ НА ОСНОВЕ РЕАЛЬНЫХ ДАННЫХ ДЛЯ СИСТЕМ АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ ИНФОРМАЦИИ

 Цель. Разработка метода выбора типа функции принадлежности и получения ее параметров, который позволил бы исключить субъективное влияние человека при автоматизированной обработке информации.

Метод. В работе рассмотрены и проанализированы существующие методы построения функций принадлежности. Исследование основано на методах нечеткой логики и анализа данных.

Результат. Предложен метод получения параметров функций принадлежности нечетких множеств, использующий реальные данные. Предложено для определения ядра нечеткого числа использовать данные, полученные от исследуемого объекта, а для носителя — теоретические сведения об объекте. Рассматриваются треугольная, трапецеидальная, колоколообразная и гауссова функции принадлежности. Внешний вид функции принадлежности предложено определять с помощью критерия – отношения ядра к носителю нечеткого множества. Приведены результаты расчетов при использовании предложенного метода для получения функций принадлежности на основании данных о мощности, потребляемой электродвигателями различного типа.

Вывод. Разработанный метод может найти применение как в системах поддержки принятия решений, так и в автоматизированных системах управления технологическими процессами. Предложенные в статье значения критерия могут быть пересмотрены при необходимости учета значений, входящих в множество измеренных реальных данных, или исходя из требования упрощения процедуры автоматизированной обработки. В дальнейших исследованиях планируется применение описанного метода для получения термов лингвистических переменных. 

1. Левицкий С.И. Модели управления проектами в нестабильной экономической среде : монография / С. И. Левицкий, Ю. Г. Лысенко, А. В. Филиппов и др.; под ред. чл.-кор. НАН Украины, д-ра экон. наук, проф. Ю. Г. Лысенко. — 2-е изд., перераб. и доп. — Донецк : Юго-Восток, 2009. — 354 с.

2. Пегат А. Нечеткое моделирование и управление / А. Пегат; пер. с англ. — 3-е изд. — М. : БИНОМ. Лаборатория знаний, 2015. — 801 с.

3. Нечеткие множества в моделях управления и искусственного интеллекта/ Под ред. Д. А. Поспелова. М.: Наука. Гл. ред. физ.-мат. лит., 1986. 312 с. (Проблемы искусственного интеллекта).

4. Башвеев Ю.А., Сальников И.И. Функция принадлежности в системе поддержки принятия решения по выбору микроконтроллера // XXI век: итоги прошлого и проблемы настоящего плюс. 2016. №3 (31). С. 89100

5. Орлов А.И. Теория принятия решений. Учебное пособие / А.И.Орлов. М.: Издательство «Экзамен», 2005. 656 с.

6. E. Bas, U. Yoclu, E. Egrioglu, Cagdas Hakan Aladag A Fuzzy Time Series Forecasting Method Base on Operation of Union and Feed Forward Artificial Neuron Network // American Journal of Intelligent Systems. 2015. Vol. 5(3). рр. 81-91

7. Нечеткие множества и теория возможностей. Последние достижения / Пер. с англ. / Под ред. Р.Р. Ягера.— М.: Радио и связь, 1986. 408 с.

8. Chameau J.L., Santamarina J.C., Membership function I: Comparing methods of Measurement // International Journal of Approximate Reasoning. 1987. Vol. 1. рр.287-301

9. Орлов А.И. Экспертные оценки. // Журнал «Заводская лаборатория». 1996. Т.62. № 1. С.54-60.

10. Берестов В.Л. Статистика: Учебное пособие. / В.Л. Берестов, Е.П. Жиленкова, С.Г. Кузнецов — Брянск: Брян.гос.инж.-техн.акад., 2014. – 244 с.

11. Низковольтные электродвигатели промышленного назначения [Электронный ресурс] – URL: http://www.com-sol.ru/katalog/elektrodvigateli/abb/kat/nv_dvigateli_promishlennogo_naznacheniya.pdf (дата обращения: 27.09.2019).

12. Справочник по электрическим машинам. В 2 т. Т. 2. / Под общ. ред. И.П. Копылова, Б.К. Клокова. М.: Энергоатомиздат, 1989. 688 с.