К вопросу о разработке нечетких систем в fuzzy logic toolbox

NovaInfo 44, с.24-30, скачать PDF
Опубликовано
Раздел: Технические науки
Просмотров за месяц: 1
CC BY-NC

Аннотация

В статье рассматриваются особенности разработки нечетких систем в пакете Fuzzy Logic Toolbox, входящем в состав MATLAB.

Ключевые слова

FUZZY LOGIC TOOLBOX, MATLAB, НЕЧЕТКАЯ СИСТЕМА

Текст научной работы

В настоящее время системы, основанные на нечетком логическом выводе, получают все большее распространение, особенно при реализации управления сложными технологическими объектами и процессами, для которых отсутствуют адекватные математические модели их поведения [1, 3, 5, 7, 9, 10].

Одним из наиболее распространенных инструментов, используемых при проектировании нечетких систем, является пакет Fuzzy Logic Toolbox, который входит в состав ПО MATLAB [2, 8].

Для изучения возможностей Fuzzy Logic Toolbox построим нечеткую систему, отображающую зависимость y(x), заданную с помощью данных из табл. 1.

Таблица 1. Исходные данные для построения нечеткой системы

x

-0,25

-0,5

0

0,8

0,25

y

-0,007

-0,05

0

0,19

0,007

Известно, что представленные в табл. 1 данные отражают зависимость:

y=\frac{{{x}^{3}}}{{{x}^{2}}+2},

На рис. 1, 2 и 3 приведены скриншоты программы Fuzzy Logic Toolbox, демонстрирующие процесс разработки нечеткой системы по данным из табл. 1.

На рис. 4 приведен скриншот окна Fuzzy Logic Toolbox для просмотра правил, которое позволяет получить значения y для различных вариантов x. Так, при x, равном 0,168, y равно 0,00292.

Главное окно программы
Рисунок 1. Главное окно программы
Окно редактора функций принадлежности
Рисунок 2. Окно редактора функций принадлежности
Окно редактора правил
Рисунок 3. Окно редактора правил
Окно для просмотра правил
Рисунок 4. Окно для просмотра правил

В табл. 2 сведены результаты, полученные при использовании разных типов функций принадлежности.

Таблица 2. Результаты оценки нечетких моделей

x

Виды функций принадлежности

Точное решение

trimf

gbellmf

gaussmf

-0,338

-0,0146

-0,0866

-0,0182

-0,018

-0,168

-0,00292

-0,0664

-0,00405

-0,002

0,5

0,0866

0,0655

0,0787

0,055

0,82

0,19

0,0665

0,185

0,206

0,9

0,19

0,0666

0,188

0,259

1

0,19

0,0662

0,189

0,333

Из табл. 2 видно, что построенные нечеткие модели обладают достаточно большой погрешностью. Поэтому увеличим количество исходных данных с 5 до 11 (табл. 3).

Таблица 3. Исходные данные для построения нечеткой системы

x

-1

-0,8

-0,6

-0,4

-0,2

0

0,2

0,4

0,6

0,8

1

y

-0,33

-0,19

-0,09

-0,03

-0,004

0

0,004

0,03

0,09

0,19

0,33

Фрагменты процесса разработки нечеткой системы по данным из табл. 3 показаны на рис. 5, 6.

Окно редактора функций принадлежностей
Рисунок 5. Окно редактора функций принадлежностей
Окно редактора функций принадлежностей
Рисунок 6. Окно редактора функций принадлежностей

Результаты, полученные при использовании разных типов функций принадлежности, сведены в табл. 4.

Таблица 4. Результаты оценки нечетких моделей

x

Виды функций принадлежности

Точное решение

trimf

gbellmf

gaussmf

-0,338

-0,0202

-0,024

-0,0236

-0,018

-0,168

-0,0044

-0,00446

-0,00493

-0,002

0,5

0,0596

0,0607

0,061

0,055

0,82

0,204

0,201

0,206

0,206

0,9

0,258

0,258

0,258

0,259

1

0,304

0,318

0,31

0,333

Таким образом, точность результатов зависит от количества исходных данных, используемых для построения нечеткой системы [4, 6].

Наиболее близкие к точному решению результаты были получены при использовании функции принадлежности типа gaussmf.

Читайте также

Список литературы

  1. Антипин А.Ф. Системы управления технологическими процессами на базе многомерных логических регуляторов // Автоматизация и современные технологии. 2014. № 1. С. 12–18.
  2. Антипин А.Ф. Об одном способе анализа структуры многомерного четкого логического регулятора // Прикладная информатика. 2012. № 5. С. 30–36.
  3. Антипин А.Ф. Система автоматизированной разработки учебно-методических комплексов на основе многомерных логических регуляторов // Программные продукты и системы. 2011. № 2. С. 119–122.
  4. Антипин А.Ф. Вопросы автоматизации семантического анализа программ // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2014. № 7. С. 26–30.
  5. Антипин А.Ф. К вопросу о семантическом анализе программ автоматизированных систем управления // Информационные системы и технологии. 2015. № 5. С. 45–52.
  6. Антипин А.Ф. Обзор проблемных ситуаций в коде программ // Современная техника и технологии. 2015. №2. С. 82–85.
  7. Степашина Е.В. Оптимизация финансовых показателей предприятия на основе нейросетевой модели // Информационные системы и технологии. 2014. № 5. С. 34–42.
  8. Антипина Е.В., Антипин А.Ф. Применение интеллектуальных технологий для анализа многомерных данных // Молодой ученый. 2014. № 19. С. 172–175.
  9. Седова Н.А. Нечеткая продукционная модель первичной оценки опасности столкновения судов // Мир транспорта. 2015. № 2. С. 200–206.
  10. Седова Н.А. Нечеткая система определения степени влияния мелководья // Научные проблемы транспорта Сибири и Дальнего Востока. 2013. № 1. С. 27–30.

Цитировать

Антипин, А.Ф. К вопросу о разработке нечетких систем в fuzzy logic toolbox / А.Ф. Антипин. — Текст : электронный // NovaInfo, 2016. — № 44. — С. 24-30. — URL: https://novainfo.ru/article/5443 (дата обращения: 05.10.2022).

Поделиться