Технологии нечеткого управления — это технологии, позволяющие увеличить возможности промышленной автоматики, которые пригодны для решения задач уровня управления, исполняемых обычно при помощи программируемых контроллеров.
Общие сведения о нечетких технологий
Сегодня нечеткие технологии привлекают много сторонников среди проектировщиков систем управления. Возникшая в 1965 году в работах профессора Лотфи Заде, за прошедший период времени нечеткая логика преодолела путь от практически антинаучной теории, фактически не принятой в Европе и США, до типичной ситуации в конце девяностых годов прошлого века, когда в Японии в большом ассортименте стали появляться «нечеткие» бритвы, пылесосы, фотокамеры. Сама терминология «fuzzy» так прочно вошел в жизнь, что на отдельных языках он даже не подлежит переводу. В России, как пример, можно вспомнить рекламу стиральных машин и микроволновых печей фирмы Samsung, которые обладают искусственным интеллектом на базе нечеткой логики.
Однако, такой огромный скачок в прогрессе нечетких систем управления нельзя считать случайным. Простая и не дорогая их разработка все чаще привлекает проектировщиков к использованию данной технологии. После того как произошел поистине взрывной старт прикладных нечетких систем в Японии, большое количество разработчиков из США и Европы наконец-то обратили свои взоры на данную технологию. Однако время было упущено, и мировым лидером в области нечетких технологий стала именно Япония, в которой концу восьмидесятых годов прошлого века был освоен выпуск специализированных нечетких контроллеров, исполненных по технологии СБИС (сверх больших интегральных схем).
В этой ситуации корпорация Intel отыскала без преувеличения просто гениальное решение. Обладая большим количеством разнообразных контроллеров от MCS-51 до MCS-96, которые в течение многих лет успешно применялись в большом количестве приложений, корпорация приняла решение сформировать средство разработки приложений на основе таких контроллеров, но с применением технологии нечеткости. Это предоставило возможность избежать больших затрат на проектирование собственных нечетких контроллеров, а система от Intel, которая получила название fuzzy TECH, смогла завоевать широкую популярность не только в США и Европе, но даже и на японском рынке.
Технологии нечеткого управления
Нечеткая логика базируется на применении таких оборотов естественных языков, как «далеко», «близко», «холодно», «горячо». Диапазон ее использования является чрезвычайно широким. Он простирается от бытовых приборов до управления сложными промышленными процессами. Многие сегодняшние управленческие задачи просто нельзя решить при помощи классических методов из-за огромной сложности математических моделей, которые их описывают. При этом, чтобы применять теорию нечеткости на цифровых компьютерных устройствах, требуется ряд математических преобразований, которые позволяют перейти от лингвистических переменных к их числовым компьютерным аналогам.
На рисунке ниже отображены сферы наиболее эффективного использования современных технологий управления.
Рисунок 1. Сферы наиболее эффективного использования современных технологий управления. Автор24 — интернет-биржа студенческих работ
Как следует из этого рисунка, классические методы управления могут отлично работать, когда объект и среда являются полностью детерминированными, а для систем с неполной информацией и высокой сложностью объекта управления оптимальными могут считаться нечеткие методы управления. В правом верхнем углу рисунка показана еще одна современная технология управления, а именно это искусственные нейронные сети.
Классическая логика начала развиваться еще с древних времен. Ее основоположником является Аристотель. Логика всегда представлялась как строгая и сугубо теоретическая наука, и значительная часть специалистов, за исключением разработчиков последних поколений компьютеров, продолжают придерживаться этого мнения. Однако классическая или булева логика обладает одним существенным недостатком, который состоит в том, что с ее помощью нельзя описать ассоциативное мышление человека. Классический тип логики использует лишь два понятия, то есть, ИСТИНА и ЛОЖЬ, и исключает любые промежуточные значения. Все это хорошо подходит для компьютерного оборудования, но невозможно отобразить всю окружающую действительность только в черном и белом цвете, при этом используя в ответах на любые вопросы только ДА и НЕТ.
Решить данную проблему может именно нечеткая логика. С термином «лингвистическая переменная» может быть связана любая физическая величина, для которой возможно больше значений, чем только ДА и НЕТ. В этом случае следует определить необходимое количество термов и каждому из них поставить в соответствие некоторое значение описываемой физической величины. Для этого значения степень принадлежности физической величины к терму принимается равной единице, а для оставшихся значений она будет определяться в зависимости от выбранной функции принадлежности.
К примеру, введем переменную ВОЗРАСТ и определим для нее следующие термы:
- Юношеский возраст.
- Средний возраст.
- Преклонный возраст.
После обсуждения с экспертами значения конкретного возраста для каждого терма, можно с полной уверенностью исключить жесткие ограничений логики Аристотеля.
Получившие самое значительное развитие из всех разработок искусственного интеллекта, экспертные системы получили повсеместное признание в качестве систем поддержки принятия решений. Такие системы могут аккумулировать знания, полученные специалистами разных областей деятельности. При помощи экспертных систем могут быть решены многие современные задачи, включая и задачи из области управления. Тем не менее практически все такие системы все еще обладают сильной зависимостью от классической логики.
Одним из главных методов отображения знаний в экспертных системах могут считаться продукционные правила, которые позволяют приблизиться к стилю мышления людей. Каждое правило продукций должно состоять из посылок и заключения. Допускается наличие нескольких посылок в правиле, в таком случае они должны объединяться при помощи логических связок И, ИЛИ. Главным же недостатком продукционных систем считается тот факт, что для их использования необходима полная информация о системе.
Нечеткие системы также базируются на правилах продукционного типа, однако в качестве посылки и заключения в правиле применяются лингвистические переменные, что предоставляет возможность избежать ограничений, которые присущи классическим продукционным правилам.
