CC BY
14
УДК 004.896
М.М. Канаев, кандидат технических наук, доцент кафедры прикладной математики и информатики, ФГБОУ ВО «Дагестанский государственный технический университет» e-mail: magomedimin.kanaev@yandex.ru
Г.Х. Ирзаев, кандидат технических наук, доцент кафедры информационных технологий и прикладной информатики в экономике, ФГБОУ ВО «Дагестанский государственный технический университет» e-mail: irzajev@mail.ru
АППАРАТНАЯ ПОДДЕРЖКА СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ВИДЕ НЕЧЕТКОГО РЕГУЛЯТОРА НА РАСПРЕДЕЛЕННОЙ АССОЦИАТИВНОЙ ПАМЯТИ
Системы автоматического управления реализованы большей частью программными средствами в виде баз данных, образованных на основе многоуровневых нечетких лингвистических переменных и позволяющих переходить от одной лингвистической переменной к другой. Однако в таких системах обратные связи от объектов управления либо вообще не учитываются или учитываются не в полном объеме. Реализация этих алгоритмов программными методами на классических компьютерах требует много времени, а использование параллельных вычислителей - больших аппаратных затрат. Целью исследования является формирование нечеткого регулятора, позволяющего реализовать эффективное управление сложными объектами на основе нечетких алгоритмов. В статье рассматривается метод построения интеллектуальных систем принятия решений и управления с использованием аппаратно-программных средств. Аппаратная часть нечеткого регулятора реализуется на однородной вычислительной структуре в трехмерном пространстве в виде куба, каждая ячейка которого представляет собой элемент распределенной ассоциативной памяти. Использование цепей обратных связей позволяет получить более быстродействующую систему искусственного интеллекта, работающую в режиме реального времени.
Ключевые слова: нечеткая система, ассоциативная память, куб, интеллектуальная система, база данных, лингвистическая переменная.
Введение и постановка проблемы. В настоящее время при проектировании интеллектуальных систем автоматического управления (САУ) сложными и трудно формализуемыми процессами используются нечеткие алгоритмы типа «класс-ситуация-действия» с элементами самообучения [4, 7, 10]. При этом применение нечеткой логики и нечетких динамических моделей в САУ предоставляет возможности решения широкого круга задач, в которых данные, цели и ограничения носят сложный, неопределенный характер, не могут быть точно идентифицированы [3, 9]. В этих условиях управление по нечетким алгоритмам становится гораздо более эффективным, чем по традиционным.
В [1, 2, 8] рассмотрены САУ на основе нечетких лингвистических переменных. Основой этих систем, реализованных большей частью программными средствами, являются базы данных, образованные на основе многоуровневых нечетких лингвистических переменных и позволяющие переходить от одной лингвистической переменной к другой. Однако в таких системах обратные связи от объектов управления не учитываются или учитываются не в полном объеме. Реализация этих алгоритмов программными методами на классических компьютерах требует много времени, а использование параллельных вычислителей - больших аппаратных затрат.
Цель исследования - получить нечеткий регулятор, позволяющий реализовать эффективное управ-
ление сложными объектами на основе нечетких алгоритмов. Основными задачами исследования являются: формирование схемы устройства управления на основе нечеткого регулятора; реализация программной части - базы данных в виде распределенной ассоциативной памяти; реализация аппаратной части в виде трехмерной однородной вычислительной структуры. Предлагается использовать частичную аппаратную реализацию алгоритмов принятия решения, применяя обратные связи для уточнения классов ситуации, используемых в системе принятия решения или управления и базирующихся на нечетких лингвистических переменных. Такой подход позволяет повысить быстродействие системы в режиме реального времени.
САУ с использованием обратной связи и реализацией базы данных в виде распределенной ассоциативной памяти. Нечеткая система управления может быть реализована по классическому варианту САУ, который имеет вид, изображенный на рисунке 1.
Рассматриваемая система состоит из блока анализа входных сигналов (воздействий), блока анализа сигналов обратной связи и блока формирования управляющих воздействий на объект управления (решающие таблицы).
В устройстве управления производится сравнение заданного и текущего значений регулируемой величины и, при возникновении несоответствия между ними, вырабатывается сигнал рассогласо-
Вход
Устройство управления
Блок Блок решающих
таОлиц
анализа
входного
сигнала
Блок анализа
сигнала
обратной связи
Управляющее воздействие
Возмущения
I
Объект управления
Выход
Сигнал обратной связи
Рисунок 1. Нечеткая система автоматического управления
вания, на основании которого формируется воздействие на объект управления, которое переводит его в требуемое состояние.
Предлагается реализация устройства управления на основе нечеткого регулятора. Нечеткий регулятор берет на себя функции опережающего (упреждающего) управления, которые связаны с качественной оценкой поведения системы, анализом текущей меняющейся ситуации и выбором наиболее подходящего для данной ситуации способа управления объектом.
Предлагаемый нечеткий регулятор представляет собой систему, состоящую из программно-технического комплекса. Программная часть системы - это база данных, сформированная для рассматриваемой предметной области и реализованная в виде распределенной ассоциативной памяти. Аппаратная часть системы выполнена на однородной вычислительной структуре в трехмерном пространстве в виде куба. Каждая ячейка куба представляет собой элемент распределенной ассоциативной памяти, выполняющий функции хранения, передачи и обработки данных. Разрядность ячеек зависит от характера и точности решаемых задач и может составлять от 1 байта и более.
В основу построения базы данных закладывается задание нечеткого множества на различных подмножествах универсального множества [7]. Такое построение информационного ядра дает возможность отразить динамику изменения базового множества в конкретной предметной области и, тем самым, понизить общую размерность задачи.
Входящие в состав САУ блоки анализа входных воздействий, анализа сигналов обратной связи и формирования управляющих воздействий представляют собой трехмерную однородную вычислительную структуру, имеющую /-слоев, Л-строк и /-столбцов. Однородная вычислительная система состоит из ячеек однородной структуры. В каждую ячейку входят: «-разрядная ячейка распределенной ассоциативной памяти; узел коммутации с соседними ячейками; п-разрядный процессорный элемент с ограниченным набором команд. В трехмерном
пространстве блок анализа входных воздействий представляет первый слой, имеющий /-строк и Л-столбцов.
В ячейках памяти блока анализа входных воздействий однородной структуры хранится база данных предметной области. Система позволяет объединять множество однотипных однородных структур с различными базами данных. Хранение данных в базе организовано следующим образом: в первом верхнем слое куба каждый продольный срез представляет собой одно из базовых значений рассматриваемой нечеткой проблемной среды, образованной из нечетких лингвистических переменных. Количество таких значений равно Л и зависит от рассматриваемой предметной области. Каждое из значений нечеткой проблемной среды, в свою очередь, описывается нечеткими лингвистическими переменными [6], количество которых / также зависит от конкретной предметной области и используемых переменных.
Значения базовых элементов нечетких лингвистических переменных образуют все нижние слои куба, количество которых определяется предметной областью. Все нижние слои служат для анализа сигналов обратной связи, которые поступают с выхода объекта управления. При этом конкретный сигнал обратной связи поступает на свои элементы базового множества для анализа. В каждой строке однородной структуры хранится одно значение нечеткой лингвистической ситуации, состоящее из Q.
Блок анализа сигналов обратной связи представляет собой вторую половину трехмерной однородной структуры, имеющей (/ - 1)-слоев, Л-строк и/-столбцов.
Каждая ячейка однородной строки реализует те же функции, что и в первом блоке. В отличие от блока анализа входных воздействий ячейки блока анализа сигналов обратной связи содержат базу данных нечетких лингвистических переменных и множество уровней с большой степенью детализации относительно рассматриваемого объекта, образующих элементарные множества.
Ниже каждой строки нечеткой ситуации, на-
ходящейся в первом слое, расположены значения нечетких лингвистических переменных, которые строго упорядочены под соответствующими значениями нечеткой ситуации. Количество уровней модели определяется предметной областью и реализовано в виде ассоциативной памяти.
Самый нижний слой блоков образует пространство Н, на которое отображаются все элементарные множества п, входящие в предметную область. Они представляют собой минимальное множество характеристик, необходимых для описания объекта или ситуации предметной области.
Блок формирования управляющих воздействий содержит информационный массив управляющих воздействий, скомпонованных в виде куба, и является логическим продолжением предыдущего блока, связан с ним логическим образом по столбцам.
В общем случае модель (куб) управляющих воздействий имеет (I - 1)-слоев, /-строк и ^-столбцов. Каждая сторона куба формирует управляющие воздействия, причем активизируются те элементы, у которых значения рассогласования выше заданного порогового значения. Таким образом, в зависимости от складывающейся ситуации на объекте управления активизируется соответствующая матрица куба.
Рассмотрим функционирование системы в общем виде. Сначала необходимо загрузить соответствующие базы данных в информационный массив, который создается предварительно на основе метода экспертных оценок, описанного в [5]. На блок анализа входных воздействий поступает управляющий сигнал, который должен воздействовать на объект управления и изменить его состояние по нескольким параметрам. В блоке анализа осуществляется сравнение текущего управляющего воздействия с существующими эталонными ситуациями с заданным порогом. При нахождении похожей ситуации блок формирует сигнал, поступающий в блок решающих таблиц, где выбирается соответствующее управление. Таким образом, на первом этапе управления реализуется классический вари-
ант управления «класс-ситуация-действия».
После выполнения первого этапа из объекта управления в блок анализа сигналов обратной связи поступают сигналы, характеризующие изменения, произошедшие в объекте управления. Информация анализируется в блоке, преобразуется в нечеткую лингвистическую переменную, сравниваемую с существующими лингвистическими переменными. Если эти переменные совпали, то новое управляющее воздействие не формируется, в противном случае, в блоке должно генерироваться новое управляющее воздействие.
Эта процедура подразделяется на два вида:
- управление по существующим нечетким лингвистическим переменным и решающим правилам на основе решающих таблиц;
- формирование новых управляющих воздействий с использованием значения отображения, хранящегося в самом нижнем слое блока анализа входных сигналов и блока анализа сигналов обратной связи.
В первом случае, если окажется, что существует лингвистическая переменная, эквивалентная искомому с определенным порогом, то формируется дополнительное управление с помощью решающих таблиц по данному параметру объекта. Этот процесс продолжается до тех пор, пока не достигнет степени соответствия заранее заданному значению. Эта процедура проходит по всем нечетким лингвистическим переменным, по которым возникла разность сигналов управления.
Заключение. Предложенный метод построения интеллектуальных систем принятия решения и управления сложными объектами рассматривает один из подходов с использованием цепей обратных связей. Это позволяет получить более быстродействующую систему искусственного интеллекта, базирующуюся на теории нечетких множеств для описания проблемной среды, а цепи обратных связей использовать для корректировки базовых ситуаций и создания новых нечетких лингвистических переменных с соответствующими решающими таблицами.
Литература
1. Бобырь, М.В. Адаптация системы управления мобильным роботом на основе нечеткой логики / М.В. Бобырь // Мехатроника, автоматизация, управление. - 2015. - Т. 16. - № 7. - С. 449-456.
2. Вердиев, М.М. Методические основы повышения точности нечетких алгоритмов управления сложными объектами / М.М. Вердиев, А.Г. Сайпулаева, М.М. Канаев // Научно-технические ведомости СПбГПУ - 2008. - № 54. - С. 259-263.
3. Егупова, Н.Д. Методы робастного, нейро-нечеткого и адаптивного управления / Под ред. Н.Д. Егупова. -Москва: Изд-во МГТУ им. Баумана, 2002. - 744 с.
4. Емельянов, С.Г. Адаптивные нечетко-логические системы управления / С.Г. Емельянов, В.С. Титов, М.В. Бобырь. - Москва: АРГАМАК-МЕДИА, 2013. - 184 с.
5. Ирзаев, Г.Х. Система экспертного анализа технологичности электронных приборов / Г.Х. Ирзаев // Известия высших учебных заведений. Приборостроение. - 2008. - Т. 51. - № 3. - С. 66-71.
6. Канаев, М.М. Система обозначения переменных в лингвистических ситуациях / М.М. Канаев, О.М. Омаргаджиев // Вестник Дагестанского государственного технического университета. Технические науки. - 2008. - № 14. - С. 41-46.
7. Мелихов, А.Н. Ситуационные советующие системы с нечеткой логикой / А.Н. Мелихов, Л.С. Берштейн, С.Я. Коровин. - Москва: Наука, 1990. - 272 с.
8. Михайлова, П.С. Автоматизация построения и исследования управления динамическими объектами на основе технологии нечеткой логики в системе Гамма-3 / П.С. Михайлова, М.А. Пахомов, А.М. Степанов, М.Ф. Степанов // Вестник Саратовского государственного технического университета. - 2015. - Т. 4. -№ 1 (81). - С. 137-144.
9. Пегат, А. Нечеткое моделирование и управление: пер. с англ. / А. Пегат. - Москва: БИНОМ. Лаборатория знаний, 2012. - 798 с.
10. Поспелова, Д.А. Нечеткие множества в моделях управления и искусственного интеллекта / Под. ред. Д. А. Поспелова. - Москва: Наука, 1986. - 312 с.
