автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Разработка моделей и алгоритмов нечеткого управления с автоматической генерацией программного кода

Оглавление.

Введение.

1. Классификация современных подходов к построению нечетких СУ.

1.1. Общие положения.

1.2. Аппаратные средства разработки нечетких СУ.

1.3. Программные средства разработки нечетких СУ.

1.4. Среды генерации исходного кода нечетких СУ конкретной аппаратной платформы.

Выводы.

2. Построение моделей нечетких СУ с возможностью обоснования собственного поведения.

2.1. Общие положения.

2.1. Методы оперирования неточными высказываниями современных СУ

2.3. Нечеткий композиционный вывод.

2.4. Алгоритмы типа «ситуация-действие».

2.5. Реализация нечетких гиперграфов.

2.6. Модель представления нечетких гиперграфов.

Выводы.

3. Формирование нечеткой системы управления на основании описания и конфигурации генерации исполняемого кода.

3.1. Общие положения.

3.2. Постановка задачи генерации исполняемого кода нечетких систем управления.

3.3. Логическая модель нечеткой системы принятая в задаче генерации

3.4. Структурная организация исходных программных модулей нечеткой системы.

3.5. Логическая организация макроподстановщика параметров нечеткой системы в исполняемый код.

3.5. Структурная организация инструментального комплекса.

3.6. Реализация модели представления нечеткой СУ.

Выводы.

4. Построение конфигураций генератора исходного кода нечетких СУ для различных языковых сред.

4.1. Общие положения.

4.2. Реализация шаблонов программных модулей нечеткой обработки сигналов для декларативной языковой среды Пролог.

4.3. Реализация шаблонов программных модулей нечеткой обработки сигналов для императивной языковой среды Форт.

Выводы.

Повышение эффективности функционирования систем автоматического управления (САУ) связано с улучшением их характеристик реализуемости, живучести и гибкости. Анализ многочисленных человеко-машинных систем управления объектами с повышенной степенью ответственности (САУ нефтехимических и других взрывоопасных производств, системы диагностики и управления на АЭС) показал, что классические модели и методы достигли определенного предела в улучшении этих показателей. Общеизве-• стно противоречие между повышением показателей качества человеко-машинных систем за счет усложнения их моделей, программно-аппаратной основы и снижением отказоустойчивости. Повышение степени интеллектуальной системы управления этими объектами позволяет в значительной мере преодолеть это противоречие.

Можно отметить следующие основные требования, предъявляемые к интеллектуальным САУ:

• Возможность работы в режиме on-line

• Адаптируемость

• Быстрая приспосабливаемость к конкретным технологическим процессам (универсальность)

• Компактность реализации

• Возможность быть встроенными в объект управления (ОУ).

Наиболее адекватным классом САУ, отвечающим указанным выше требованиям, являются СУ, основанные на использовании аппарата нечеткой логики.

В настоящее время существует множество классических методик по-^ строения дискретных систем управления хорошо зарекомендовавших себя на практике [1,2,3,4]. Однако, все возрастающая сложность объектов порождает ситуацию «информационного взрыва» при которой эти методологии пасуют перед огромным объемом поступающих с объекта управления в реальном масштабе времени данных. При этом сложность самого объекта управления занимает не последнее место. Зачастую не представляется возможным даже создание адекватной математической модели. В такой ситуации у разработчиков остается только один путь - усложнение аппаратной части своих разработок, что отражается в непомерно возрастающей их стоимости и цикле создания. Вместе с тем, применение методов построения нечетких систем управления во многих случаях позволяет значительно уменьшить затраты на разработку. Данное научное направление получило широкое распространение в Японии, США и Европе благодаря отличным результатам при управле-♦ нии объектами для которых крайне трудно или невозможно формализовать алгоритм управления и при наличии у модели объекта большого числа параметров, в том числе нелинейных или не зависящих от времени. Простота и дешевизна разработки нечетких систем управления заставляет проектировщиков все чаще прибегать к этой технологии. Бурный рост рынка нечетких систем показан на рис. 1.

В России практическое применение методов построения нечетких систем управления находится в зачаточном состоянии, что может быть объяснено высокой стоимостью зарубежных пакетов синтеза нечетких систем и от* сутствием каких бы то ни было отечественных разработок под конкретные аппаратные платформы, могущих найти применение в реально разрабатываемых приложениях.

Диссертационная работа посвящена решению актуальной и новой задачи, связанной с разработкой алгоритмов синтеза исходного кода нечетких СУ под произвольную аппаратно-программную платформу.

II - прочие системы - нечеткие СБИС контроллеры

Рис.1. Диаграмма динамики роста финансовых затрат на исследования нечетких систем (размер финансирования приведен в миллионах долларов США).

Автоматизация проектирования программного обеспечения нечетких регуляторов на базе разнообразных аппаратных платформ в последние годы принимает все больший промышленно-технологический размах. Вместе с тем, разрабатываемые программно-аппаратные комплексы синтеза нечетких регуляторов, как правило, ориентированы на применение в рамках аппаратных решений какой-либо одной фирмы - производителя оборудования. Это объясняется как большим разнообразием платформ, так и семантическими различиями языковых средств реализации алгоритмов.

При существовании таких ограничений, решение задачи о повышении переносимости нечетких СУ может быть сведено к проблеме такой декомпозиции исполняемого кода, при котором модульная организация алгоритмов и * соглашения о межмодульном взаимодействии скрывали бы различия в реализациях под конкретные аппаратные платформы и языковые средства. При таком исполнении наличие единственного инструментального средства генерации нечетких СУ позволяло бы реализовывать нечеткие алгоритмы управления с наименьшими трудозатратами, т.к. даже необходимость использования какой-либо новой платформы приводило бы только к необходимости написания библиотек времени выполнения в соответствии с принятыми соглашениями для среды генерации.

Анализ возможных подходов к синтезу исходного кода нечетких СУ выявил, что вполне формализованной и пригодной для создания инженерной методики синтеза процедурой, по-видимому, может являться макрооператор-ный метод, или, как его еще называют, метод программных шаблонов [5].

Применение макрооператоров позволяет существенно упростить процудуру синтеза СУ, однако при этом возникает проблема упрощения применяемого макрооператора, суть которой заключается в выделении по заданному различию его требуемой части и исключении из последней ненужных операторов. В связи с этим в диссертационной работе разрабатывается логическая модель макропроцессора параметров нечеткой СУ позволяющего в значительной мере упростить форму программных шаблонов СУ.

Естественно, что подобный подход к проектированию требует всестороннего анализа работоспособности и эффективности функционирования

• синтезируемых СУ в реальных условиях. При этом весьма важным этапом исследования является синтез «эталонной» СУ для разнородных языковых средств, позволяющее провести необходимый цикл исследований направленных на выработку концептуальных подходов к формированию шаблонов исходного кода.

В диссертационной работе подробно освещены подходы к построению нечетких СУ хорошо зарекомендовавшие себя на практике[6,7,8], определено место предлагаемых методик с учетом таких уникальных достоинств, как высокая переносимость реализаций СУ между разнородными платформами и простота настройки на синтез с применением новых языковых средств. Кроме того, практический интерес представляют вопросы, связанные с некоторыми аспектами технической реализации инструментального средства синтеза нечетких СУ. Все это определяет теоретическое и практическое значение работы и ее актуальность.

Целью диссертационной работы является разработка и исследование алгоритмов генерации исходного программного кода в соответствии с формализованным описанием модели СУ основанной на неточном логическом выводе, обеспечивающих независимость принципов генерации кода алгоритмов управления от применяемого языкового средства реализации.

Для достижения поставленной цели необходимо выполнить:

• разработку структур представления моделей СУ основанных на нечетком

• логическом выводе

• разработку унифицированной модели нечеткой СУ на основании представлений о которой будет осуществляться генерация исходного кода нечеткой СУ

• распространение представления модели СУ на типы СУ основанных на других методах неточного вывода

• разработку принципов генерации программного кода нечеткой СУ с учетом требования независимости от применяемых программных и аппаратных средств.

Решение перечисленных задач по разработке и исследованию алгоритмов генерации исходного программного кода в соответствии с формализованным описанием модели СУ основанной на неточном логическом выводе позволило получить следующие новые научные результаты:

1. Предложена структура представления моделей нечетких СУ в форме нечетких гиперграфов

2. По результатам рассмотрения различных методов неточного вывода предложены способы приведения представления данных с которыми оперируют вышеуказанные методы к форме нечетких гиперграфов

3. Предложены алгоритмы генерации исходного кода на основании модели представления программ в форме шаблонов

4. Разработана логическая модель макропроцессора параметров нечеткой СУ позволяющая производить макроподстановку характеристик конкретной модели СУ в шаблоны исходного кода реализации нечеткой СУ безотносительно к применяемому языковому средству

5. Выработан ряд рекомендаций по использованию процедур генерации исходного кода в зависимости от специфики применяемых программных средств.

Практическая ценность работы состоит в получении инженерных методик синтеза программного кода нечетких СУ на основании описания модели » нечеткой СУ и описания процедур генерации исходного кода конкретного языкового средства.

Апробация работы. Основные результаты диссертационной работы докладывались и обсуждались на Межреспубликанской научной конференции «Управление в социальных, экономических и технических системах» (Кисловодск, 1998г.), Международной научно-практической конференции «50 лет развития кибернетики» (Санкт-Петербург, 1999г.), III Международной научной конференции «Методы и средства управления технологическими процессами» (Саранск, 1999г.), III Международной научно-технической * конференции «Управление в технических системах - XXI век» (Ковров, 2000г.), 52 и 53 конференциях профессорско-преподавательского состава СПбГЭТУ. По материалам диссертации опубликовано 5 печатных работаю,! 1,12,13].

Основные результаты диссертационной работы заключаются в следующем:

1. На основании сравнительной оценки и анализа существующих средств построения нечетких СУ в разрезе определения наиболее низкого уровня введения алгоритмов нечеткого управления и нечеткой обработки данных, установлена перспективность подходов к построению инструментальных средств программной генерации нечетких СУ с возможностью их перенастройки на новые платформы.

2. Предложена структура представления моделей нечетких СУ в форме нечетких гиперграфов

3. Предложена методика генерации исходного кода нечетких СУ на основании модели представления программ в форме шаблонов, обеспечивающая платформенную независимость самих алгоритмов генерации кода.

4. Разработана логическая модель макропроцессора параметров нечеткой СУ, позволяющая производить макроподстановку характеристик конкретной модели СУ в шаблоны исходного кода реализации нечеткой СУ, без* относительно к применяемому языковому средству

5. Разработаны структура и алгоритмы функционирования макетного приложения инструментальной среды генерации нечетких СУ с возможностью ведения

6. Выработан ряд рекомендаций по использованию процедур генерации исходного кода в зависимости от специфики применяемых программных средств.

Заключение

1. Волгин H.JL Оптимальное дискретное управление динамическими системами./ Под ред. П.Д. Крутько. - М.: Наука, 1986.

2. Квакернаак X., Сиван Р. Линейные оптимальные системы управления. -М.: Мир, 1977.

3. Бесекерский В А. Цифровые автоматические системы. М.: Наука, 1976.

4. Файкс Р., Нильсон Н. Система STRIPS новый подход к применению доказательства теорем при решении задач.// Интегральные роботы. - М.: Мир, 1973. Вып. 1.

5. Yasunobi S. and Hasegawa Т. Predictive fuzzy control and its applications for automatic container crane operation system, in Proc. 2nd. IFSA Congress, Tokyo, Japan, Julie 1987.

6. Watanabe H., and Dettloff. Reconfigurable fuzzy logic processor: A full custom digital VLCI, in Int. Workshop on Fuzzy Systems Applications, Iiruka, Japan, Aug. 1988.

7. Fuzzy Logic Toolbox. For Use with MATLAB. User's Guide. 1998 by The Math Works, Inc.

8. Д.В, Падалка. Применение современных программно-аппаратных средств построения нечетких систем управления (САУ).// Межреспубликанская научная конференции «Управление в социальных, экономических и технических системах»/ Тезисы докладов, Кисловодск, 1998г.

9. Д.В. Падалка. Применение современных программно-аппаратных средств построения нечетких систем управления (САУ). Известия СПбГЭТУ (ЛЭ-ТИ), январь 1998г.

10. С.М. Кондратьев, Д.В. Падалка. Применение методики генерации программного кода нечетких систем управления (СУ).// III Международнаянаучно-техническая конференция «Управление в технических системах

11. XXI век», / Тезисы докладов, Ковров, 2000г.

12. Р.А. Алиев Интеллектуальные роботы с нечеткими базами знаний. М.: Радио и связь, 1994.

13. Минский М. Фреймы для представления знаний.-М.:Энергия, 1979.

14. Kuipers. A frame for frames// Representation and Understanding, Acad. Press, 1975.

15. П.Куссуль Э.М. Логические проблемы в робототехнике// Препринт 76-58. -Киев:УКАН УССР, 1976.

16. Попов Э.В., Фридман Г.Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта.-М.:Наука, 1976.

17. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом.-М.:Радио и связь., 1990.

18. Кузин Л.Т. Основы кибернетики.-М.:Энергия, 1979.

19. Zadeh L.A. Outline of new approach to the analysis of complex systems and decision process // IEEE Trans. onSMC. 1973. - Vol. 3

20. Гинзбург С.А. Математическая непрерывная логика и изображение функций. М.:Энергия, 1968.

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

22. Братко И. Программирование на языке Пролог для искуственного интеллекта. М.:Мир, 1990.

23. Стобо Д.Ж. Язык программирования Пролог. М.: Радио и связь, 1993.

24. Mamdani Е.Н. Applications of fuzzy algorithms for simple dynamic plant. Pore. IEE. vol. 121.

25. Yagashita O., Itoh O. and Sugeno M. Application of fuzzy reasoning to the water purification process, in Industrial Applications of Fuzzy Control, Sugeno M., Ed. Amsterdam: Noprth-Holand 1985.

26. Yasunobi S,, Miyamoto S., and Ihara H. Fuzzy control for automatic train operation system, in Proc. 4th. IFAC/IFIP/IFORS Int. Congress on Control in Transportation Systems, Baden-Baden, April, 1983.

27. Yasunobi S. and Hasegawa T. Predictive fuzzy control and its applications for automatic container crane operation system, in Proc. 2nd. IFSA Congress, Tokyo, Japan, Julie 1987.

28. F. Fujitec, FLEX-8800 series elevator group control system, Fujitec Co., Ltd., Osaka, Japan, 1988.

29. Watanabe H., and Dettloff. Reconfigurable fuzzy logic processor: A full custom digital VLCI, in Int. Workshop on Fuzzy Systems Applications, Iiruka, Japan, Aug. 1988.

30. Fuzzy Logic Toolbox. For Use with MATLAB. User's Guide. 1998 by The Math Works, Inc.

31. Gallaire H., Lasserre C. Controlling knowledge deduction in a declarative approach. IJCAI 6.

32. Markov A. The theory of algorithms. US Dept of Commerce, 1954

33. Meyer A. Ten thousand and one logics of programming. ILP, MIT 6380, 1980.

34. Huet G. Unification dans les logiques d'ordre. Paris. 1978.

35. Shortliffe E. Computer-based Medical Consultations: MYCIN. Elsevier, USA, 1976.

36. Minsky M. A framework for representing knowlege. In Winston, 75, 1975.

37. Schank R. Abelson R. Scripts. Plans. Goals and Understanding. Lawrence Erl-baum Associates. Milesdale. 1977.

38. Хачатрян A.P. т\нализ классических методов объединения свидетельств в экспертных системах// Изв. АН СССР. Техн. кибернетика. 1987. - №5.

39. Kim J., Pearl J. A computational model for combined counsel and diagnostic reasoning in inference systems// Proc. 8-th IJCAI. Karlsruhe, 1983.

40. Pearl J. Fusion, propagation, and structuring in belief networks// Artif. Intell. -1986.-Vol.29. N.3.

41. Shortliffe E., Buchanan B. A model of inexact reasoning in medicine// Math.

42. Biosciences. 1975. - Vol. 23.

43. Buchanan В., Shortliffe E. (eds.) Rule-based expert system: the MYCIN experiments of the Stanford Heuristic Programming Project. 1984.

44. Shafer G. A mathematical theory of evidence. N.Y., 1976.

45. Dempster A. Upper and lower probabilities induced by a multivalued mapping// Ann. Math. Stat. 1967. - Vol. 38.

46. Shenoy P., Shafer G. Preparating belief functions with local computations// IEEE Expert. 1986. Vol.1. -N.3.

47. Quinlan J.R. INFERNO: a causations approach to uncertain inference// Thecomputer J. 1983. - Vol.26. - N.3.

48. Bundy A. Correctness criteria of some algorithms for uncertain reasoning using incidence calculus// J. of Aut. Reas. 1986. - Vol.2. - N.l.

49. Mizumoto M., Fukami S., Tanaka K. Fuzzy conditional inferences and fuzzy inferences with fuzzy quantifiers// PROC. Inf. Conf. on Artif. Intell. Tokyo, 1979.

50. Zadeh L.A. A theory of approximate reasoning (AR) // Machine Intelligence, 1979.-V.9.

51. Zadeh L.A. Fuzzy logic and approximate reasoning // Sunthese, 1975. V.80.

52. Zadeh L.A. Fuzzy logic and approximate reasoning// Synthese. 1975. - Vol. 80.-P. 407-428.

53. Mamdani Е.Н. Application of fuzzy logic to opproximate reasoning using linguistic systems// IEEE Trans. Comput. 1977.

54. Baldwin J.F. Fuzzy logic and approximate reasoning for mixed input arguments// Int. J. Man-Machine Studies.-1979. Vol.11. - P. 381-396.

55. Mizumoto M., Zimmerman H.J. Comparision of fuzzy reasoning methods// Fuzzy sets and systems, 1982.

56. Церковный A3. Нечеткая логика и приближенные рассуждения// Нечеткие системы: моделирование структуры и оптимизация. Калинин: КГУ, 1987.

57. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука. Гл. ред. физ.-мат. лит., 1990.

58. Ежкова И.В., Поспелов Д.А. Принятие решений при нечетких основаниях. I. Универсальная шкала. Изв. АН СССР. Техн. кибернетика. - 1977. -№6.

59. Bellman R., Zadeh L. Decision-making in fuzzy environment// Management Science. 1970. №4.

60. P. Дженнингс. Microsoft Access в подлиннике. Том II: Пер. с англ. -СПб.:ВНУ Санкт-Петербург.щ 62.Fuzzy Logic Toolbox. For use with MATLAB. User's Guide. The MathWorks, Inc. 1995- 1998.

61. Л. Бек. Введение в системное программирование: Пер. с англ. М.: Мир, 1988

62. Visual Basic 6.0: пер. с англ. СПб.: БХВ - Санкт-Петербург, 1998.

63. М. Nakatsuyama, Н. Nagahashi, N. Nishizuka, К. Watanabe. Matrix representhtation for fuzzy program and ITS application to traffic control. 11 IFAC World Congress. 1990, vol.7.

64. Colmerauer A., Kanoul H. Prolog, bases theoriques et developpement actuels. Lecture notes in computer science, vol. 63.1983.

65. Братко И. Программирование на языке Пролог для искусственного интеллекта: Пер. с англ. М.: Мир, 1990.

66. Ин Ц., Соломон Д. Использование Турбо-Пролога: Пер. с англ. М.: Мир, 1993.

67. Семенов Ю.А. Программирование на языке Форт. М.: Радио и связь, 1991.

68. Баранов С.Н., Ноздрунов Н.Р. Язык Форт и его реализации. Л.: Машиностроение. Ленингр. отделение, 1988.1. Назначение

69. Технические характеристики

70. Число лингвистических переменных, не более Число термов каждой лингвистической переменной, не более Число одновременно поддерживаемых конфигураций генератора исходного кода нечетких СУ, не более

71. Число одновременно поддерживаемых функций принадлежности, * не более

72. Число одновременно поддерживаемых функций фазификации, не более

73. Размер программного модуля в конфигурации, не более1. Описание функций ИС

74. После запуска приложения на экране появляется окно с краткими сведениями о программе. Через несколько секунд оно закрывается и пользователю становятся доступными команды главного меню.3256 256 256 25664 Кбайтф Файл

75. В пункте Редакторы собраны команды вызова специализированных редакторов, позволяющих осуществлять описание нечетких систем. Это пункты Переменные, Матрица вывода и Процессы.1. Переменные

76. Файл. Мигель Конфигуратор Кодировщик Пометь1. Переменные1. Матришл вывела1. Процессы1. Гермы1. Термы1. NegBig1. NegSmall1. Zero1. PosSmall1. PasBigf4 Distance1. Pow«iii

77. Параметры j Графой. ^ j Имя термаjy :|Nsn.Rg•Фянилияприиадлежносгм 1. Параметры Паргмгтп 1, Параметр г1. ПэргмРтчТ1. Описание-60.3529V•В 02353а1. Режим формы ®fltP NUN

78. Рис. 1.1 Окно редактора термов лингвистических переменныхо

79. Файл Мдаель RoBwaPsrop Кодировщик. Псмвщьmi1. Термы1. NegJSig1. NegSmall1. Zero

80. Параметры ) Графики. — Имвтерма.1. Jpjxj1. Описание1. PosBig1. Переменные1. Имя переменой

81. Ммнимаяьше значение Максимальное значениеsjAngle-2D0f*200:1. Distance•200:-|Pawer•23.8624:1. Переменные1. Arajfe r Detance1. Ftowei1. Едините (Bi1. И э sawnwtsi з (Ci1. П-арзметр4200:30:•GD.3529:;-8.В2Э53;01. Hsseenne переменной

82. Рис. 1.2 Окно определения лингвистических переменныхмимШ

83. Фвйя Модель Конфигуратор Кщиравщж Помощь1. ВП Термы1. Термы1. Й1$»Ш1. Neg^Big1. NegSmall1. Zero1. Pos Small1. Параметры Грвфикм051. Ао^в Г Disiance <*" PowetVфорим a>JTfp MiM

84. Рис. 1.3 Графическое отображение функций принадлежности в редакторе термов1. Матрица вывода