В статье рассматриваются главные направления применения методов нечеткой логики и нечеткого управления в экспертных модулях автоматизированных систем подготовки производства. Показаны примеры конкретных объектов в управлении и приведено описание общего алгоритма основных этапов процесса нечеткого управления.
Ключевые слова: нечеткая логика, технология приборостроения.
The article discusses the main areas of application of methods of fuzzy logic and fuzzy control in expert modules of automated production preparation systems. Examples of specific objects in control are shown and a description of the general algorithm of the main stages of the fuzzy control process is given.
Key words: fuzzy logic, instrumentation technology.
Проблема выбора рационального выбора решения цели перед технологом довольно частая проблема, ведь почти любая задача может иметь несколько решений.
В такой проблемной области, как технология приборостроения использование логики первого порядка может обернуться неудачей для представления знаний.
Основные причины заключаются в трудозатратном формировании множества консеквентов или антецедентов, которые необходимы для составления определенного правила без исключений, а применение такого правила довольно сложно реализовать.
Также, относительно определенной технологической задачи может возникать неопределенность ввиду того, что производственная ситуация может в корне измениться, например, из-за неисправности оборудования.
Нечеткая логика и теория нечетких множеств — это раздел математики, который обобщает теорию множеств с классической логикой. Профессор Лютфи Заде ввёл понятие нечеткой логики в 1965 г. Его работа заключалась в том, что функция принадлежности элемента к множеству может принимать абсолютно любые значения в интервале [0…1], а не только крайние числа в виде нуля и единицы. Такие множества получили название нечетких множеств. Лютфи Заде также предлагал различные логические операции над нечеткими множествами, в том числе понятие лингвистической переменной, где нечеткие множества выступали в качестве значений.
Диапазон применения нечеткой логики очень широк и основан на использовании таких оборотов, как «горячо», «холодно», «близко», «далеко». Можно выделить три основных направления нечеткой логики:
– Управление работой виртуальных предприятий;
– Управление технологическими процессами во времени;
– Создание управляющих программ для промышленных роботов.
Рассмотрим понятия нечеткой логики, такие как «нечеткий вывод», «нечеткие правила», «лингвистическая переменная» и «нечеткое управление».
Классическая логика имеет важный недостаток, ведь оперирует лишь двумя понятиями «истина» и «ложь», поэтому с помощью классической логики описать ассоциативное мышление человека невозможно. Для вычислительных машин это хороший подход, но описать процессы реального мира проблематично. Нечеткая логика как раз помогает решить эту проблему.
Лингвистической переменной можно связать любую величину, если для неё есть больше значений, чем просто «да» и «нет». Определяется нужное число термов и каждому ставится значение описываемой физической величины. Для такого значения степень принадлежности величины к терму будет равна 1, а для остальных будет зависеть от выбранной функции принадлежности.
Fuzzy Control Language (FCL) — язык для описания термов, лингвистических переменных и нечетких правил.
Экспертные системы получили большое признание в качестве систем поддержки принятия решений. В экспертных системах одним из основных методов представления знаний являются продукционные правила, которые позволяют приблизиться к стилю мышления человека. Правило состоит из посылок и заключения. В одном правиле может быть несколько посылок, в таких случаях они объединяются логическими связками и–или. Запись продукционного правила:
ЕСЛИ (условие) (связка) (условие)… (условие),
ТО (действие_1,…,действие_n).
Для функционирования продукционных систем требуется наличие полной информации о системе, что является главным их недостатком.
Нечеткие системы основаны на правилах продукционного типа, но в качестве посылки и заключения используются лингвистические переменные. Это позволяет избежать ограничений, присущих продукционным правилам.
Целевая установка процесса управления связывается с выходной переменной нечеткой системы управления. Результат является нечетким, физическое исполнительное устройство не способно прочитать такую команду. Для решения проблемы нужны специальные математические методы, которые позволят переходить от нечетких значений к определенным. Процесс нечеткого управления можно разделить на шаги: фаззификация, разработка нечетких правил и дефаззификация.
Фаззификация, или же переход к нечеткости. Значения входных переменных преобразуются в лингвистические переменные при помощи применения определенных функций принадлежности.
Значения величины в нечеткой логике представляются словами, а не числами, и называются термами. Например, значением лингвистической переменной «температура» являются горячо, жарко, холодно и т. д.
Функции принадлежности. Принадлежность каждого значения к терму лингвистической переменной можно определить функцией принадлежности. Она может иметь произвольный вид. Существуют стандартные функции принадлежности. К таким функциям можно отнести S-функцию, Z-функцию, треугольную и трапециевидную функции.
Такие функции хорошо применяются для решения многих типовых задач. В более сложных задачах уже может понадобиться создание специальных функций принадлежности, таких как единичная или полигональная.
Разработка нечетких правил. Для описания зависимостей лингвистических переменных в большинстве нечетких систем используются продукционные правила. Классическое такое правило состоит из антецедента (часть «если …») и консеквента (часть «то …»). Первый может содержать более, чем одна посылка. Они объединяются связками «и» или «или».
Вычисления нечеткого правила называется нечетким логическим выводом и делится на два этапа: обобщение и заключение [3]. Допустим имеется следующее правило:
ЕСЛИ ДИСТАНЦИЯ = средняя И УГОЛ = малый,
ТО МОЩНОСТЬ = средняя.
Выводы. Теория символической нечеткой логики и нечетких множеств применяется для создания экспертных модулей автоматизированных систем технологической подготовки производства механической обработки заготовок.
Литература:
- Нечеткая логика на практике. — Текст: электронный // Хабр: [Электронный ресурс]. — URL: https://habr.com/ru/post/125614/ (дата обращения: 25.12.2021).
- Пегат А. Нечеткое моделирование и управление / А. Пегат; пер. с англ. — 4-е изд.— М.: Лаборатория знаний, 2020.
- Лебедева М. Е. Нечеткая логика в экономике-формирование нового направления // Идеи и идеалы. — 2019. — Т. 11. — №. 1–1.
