Применение генетических алгоритмов в настройке нейро-нечетких систем Текст научной статьи по специальности «Компьютерные и информационные науки»

Решетневские чтения

■ ill jliHiihiu Iii i.iIiiUiiii tili in i■■■■■■!ii

ippi Hill ipup imp IIHI ui|iipm ..........................

Ч.-111Ц I ■ ■ III ■ I ■ p I I I I I ■ Tail ii ilih и- г I

1 Ш| pup. mil Hü.1! ■■iiipHHrippi ||рц upi ■■■I.^iiipi-I|II ■ pI■ I ■ ■ pI ■

~I ■ -nil lial iiTTTiiM j nil iHiF^illi !■!■ nil iSiT-ilili llii illai-aiki

-Ч'Р1 IIPP 4M" »PI ""j"!!« IPPII ЧЩ.-1РРИ НИ lipil ipB lipil ipB |lll ip|l|.l.l,l iJJ ^

7= riiki likk-riiki nkl „ ilii ikln ika iklnWa i jii-акв iikn'ika lin ikln---Ц-т

l-l-^i i w 3: i i

"j; = :=■: "Lmi- .¡¿Л

■.....L.. ikinl'-H I ,,L.....L im ikin—

■""i. j- . '■■■■ Iii»'"I.

w .....

= n [=j.

f : |n;)~i|M

'Vjihii

■ Ц ■ -

I N III Г •

iF-i^ ■ frrvi--f;r-E> LL Vr'

Представление блока РЭА в САПР P-Cad

Созданная модель в ANSYS на основе данных из P-Cad

Создание математической модели в САПР ANSYS на основе данных из САПР P-Cad

А. A. Hvalko, A. V. Yutkin Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk

INTEGRATION OF THE INFORMATION TECHNIQUES FOR THE AUTOMATED FORMATION MATHEMATICAL MODELS OF ONBOARD EQUIPMENT IN SPACECRAFT

Different designing systems are considered on the basis of radio electronic equipment. Creation principles in information structure, process of designing radio electronic equipment are described. Development of a data storage system is shown. Development of the data exchange scheme between designing systems and a system of data storage is offered.

© Хвалько А. А., Юткин А. В., 2009

УДК 519.8

А. А. Шабалов

Сибирский государственный аэрокосмический университет имени академика М. Ф. Решетнева, Россия, Красноярск

ПРИМЕНЕНИЕ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ В НАСТРОЙКЕ НЕЙРО-НЕЧЕТКИХ СИСТЕМ*

Рассматривается «мягкий» подход к решению интеллектуальных задач обработки информации на основе нейро-нечеткого моделирования. Генетический алгоритм используется для настройки структуры системы и ее параметров.

Системы на нечеткой логике работают с базой знаний в форме лингвистических правил. Поэтому они могут объяснить как получают решения, но не могут корректировать количество правил и настраивать параметры функций принадлежности. Эффективность их работы зависит от знаний эксперта.

Нейронные сети могут моделировать сложные системы с высокой степенью точности, однако их решения сложно интерпретировать.

Предлагается использовать нейронную сеть, чья топология отображает репрезентацию адаптированных знаний [1].

* Работа выполнена при финансовой поддержке ФЦП «Научные и научно-педагогические кадры инновационной России» (НИР НК-136П/3).

Математические методы моделирования, управления и анализа данных

Настройка нейросети осуществляется с помощью генетического алгоритма.

Архитектура сети реализует механизм вывода Такаги-Сугено нулевого порядка (MIMO), основанный на некотором множестве правил. Нечеткие множества в антецеденте определяются коло-колообразными функциями принадлежности. Для получения четкого вывода используется метод центра масс. Для определения уровня активации правила в качестве T-нормы используется произведение. При реализации предложенного подхода применяется однослойная нейронная сеть [2].

Результаты по апробированию данного подхода в задачах моделирования и классификации будут приведены в докладе.

Библиографический список

1. Castellano, G. Information granulation via neural network based learning / G. Castellano, A. M. Fanelli // In Proc. of Joint 9th IFSA World Congress and 20th NAFIPS International Conference (IFSA-NAFIPS 2001). Vancouver, 2001.

2. Tuning of neuron-fuzzy controller by genetic algorithm / T. L. Seng, M. Khalid, R. Yusof ; Centre for Artificial Intelligence and Robotics, Malaysia, 1999.

A. A. Shabalov

Siberian State Aerospace University named after academician M. F. Reshetnev, Russia, Krasnoyarsk

GENETICS ALGORITHMS APPLICATION IN NEURO-FUZZY SYSTEMS TUNING

Soft approach to information processing intellectual problems solving based on neuro-fuzzy modeling is considered. Genetic algorithm is applied for tuning system structure and its parameters.

© fflaSa^B A. A., 2009

УДК 519.6

В. В. Шайдуров, Г. И. Щепановская, М. В. Якубович

Институт вычислительного моделирования Сибирского отделения Российской академии наук, Россия, Красноярск

ЧИСЛЕННОЕ МОДЕЛИРОВАНИЕ ПЕРЕНОСА МАССЫ (ПРОСТРАНСТВЕННЫЙ СЛУЧАЙ)

Рассматривается метод конечных элементов для пространственного уравнения переноса массы в вязком теплопроводном газе.

Предлагается постановка задачи для трехмерного уравнения неразрывности в декартовой системе координат. Указанное уравнение описывает закон сохранения массы в математической модели вязкого теплопроводного газа

^р + А (рм) + А(ру)+А(р^) = о, (1) дt аИ ' ду ' дzy '

где искомой функцией является плотность р(t, x, у, z). Переменные коэффициенты м, v, w являются заданными функциями. Начальные условия соответствуют р |(=0 = р0.

Учитывая положительное значение плотности, замена р = ст2 обеспечит устойчивость при численном решении дискретной задачи [1]. После замены уравнение (1) принимает следующий вид:

ЭСТ

эГ

1 Í д \ д \ д

— — su ) + — CTV) + —

2 кдх К } ду

1 Г дст дст дст1

+ u — + V — + w-

2 V дх ду & 0

= 0.

(2)

Работа заключается в аппроксимации уравнения (2) по пространству и тестировании полученного дискретного аналога. В качестве расчетной области берется единичный куб

П = (1,0,0) х (0,1,0) х (0,0,1) с границей Г,

состоящей из 6 граней [2]. Для перехода к сеточным аналогам вводится равномерная сетка X = ¡к, у^ = jk, zk = кк, ¡, j,к = 0, 1, ..., п с шагом к = 1/п, п > 2. Дискретизация уравнения переноса массы в заданной области осуществляется методом Бубнова-Галеркина с конечными элементами [3]. Для каждого узла расчетной области