Modification of Multidimensional Fuzzy Regulator with Local Term-Division of Input Variables

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Рассматривается модификация многомерного нечеткого регулятора с взаимосвязанными регулируемыми параметрами. Приводятся описание блок-схемы регулятора и выражения для расчета основных параметров. Описывается механизм перехода от общего терм-деления входных переменных к их локальному терм-делению относительно выходных переменных. Рассматривается разработанное авторами специальное программное обеспечение для визуальной разработки нечеткого регулятора, гибкой настройки термов, оценки и анализа системы продукционных правил. Теоретические результаты иллюстрируются примерами.

References

  1. Dumitrescu C., Ciotirnac P., Vizitiu C. Fuzzy Logic for Intelligent Control System Using Soft Computing Applications // Sensors. 2021. V. 21. No. 8. P. 2617. https://doi.org/10.3390/s21082617
  2. Baccarese B.H., Havacos B.T. Интеллектуальные системы управления. Теория и практика. М.: Радиотехника, 2009.
  3. Kocian J., Koziorek J., Pokorný M. Implementation of fuzzy logic control based on PLC // IEEE International Conference on Emerging Technologies and Factory Automation, ETFA. 2011. P. 1–8. https://doi.org/10.1109/ETFA.2011.6059049
  4. Nguyen L., Novák V. Forecasting seasonal time series based on fuzzy techniques // Fuzzy Sets and Systems. 2019. V. 361. P. 114–129. https://doi.org/10.1016/j.fss.2018.09.010
  5. Izeam A. Нечеткое моделирование и управление. М.: БИНОМ. Лаборатория знаний, 2009.
  6. Boukezzoula R., Coquin D., Nguyen T.L. et al. Multi-sensor information fusion: Combination of fuzzy systems and evidence theory approaches in color recognition for the NAO humanoid robot // Robot. Autonom. Syst. 2018. V. 100. P. 302–316. https://doi.org/10.1016/j.robot.2017.12.002
  7. Melin P., Castillo O., Kacprzyk J. et al. Fuzzy Logic in Intelligent System Design. Springer, 2018.
  8. Филимонов А.Б., Филимонов Н.Б. Некоторые проблемные аспекты нечеткого ПИД регулирования // Мехатроника, автоматизация, управление. 2018. Т. 19. № 12. С. 762–769. https://doi.org/10.17587/mau/19.762-769
  9. Быковцев Ю.А., Логин В.М. Оценка точности системы управления с нечетким ПИД регулятором на основе аппроксимации статической характеристики регулятора // Мехатроника, автоматизация, управление. 2021. Т. 22. № 12. С. 619–624. https://doi.org/10.17587/mau.22.619-624
  10. Bobyr M.V., Emelyanov S.G. A nonlinear method of learning neuro-fuzzy models for dynamic control systems // Appl. Soft. Comput. 2020. V. 8. P. 106030. https://doi.org/10.1016/j.asoc.2019.106030
  11. Karakuzu C., Karakaya F., Pavuslu M.A. FPGA implementation of neuro-fuzzy system with improved PSO learning // Neural Networks. 2016. V. 76. P. 128–140. https://doi.org/10.1016/j.neunet.2016.02.004
  12. Zhirabok A.N., Suvorov A.Ya., Shumskii A.E. Robust diagnosis of discrete systems with delay: Logic-dynamical approach // J. Comput. Syst. Sci. Int. 2014. V. 53. No. 1. P. 47–62. https://doi.org/10.1134/S1064230714010134
  13. Verma O.P., Jain V., Gumber R. Simple fuzzy rule based edge detection // J. Inform. Proc. Syst. 2013. V. 9. No. 4. P. 575–591. https://doi.org/10.3745/JIPS.2013.9.4.575
  14. Yongming Li, Yali Li, Zhangou M. Computation tree logic model checking based on possibility measures // Fuzzy Sets and Systems. 2015. V. 262. P. 44–59. https://doi.org/10.48550/arXiv.1401.4658
  15. Игнатьев В.В., Соловьев В.В. Метод синтеза нечетких регуляторов на основе кластеризации // Программные продукты и системы. 2021. Т. 34. № 4. С. 597–607. https://doi.org/10.15827/0236-235X.136.597-607
  16. Богачев И.С., Коломенов В.Г. Методика настройки нечеткого регулятора с нелинейной характеристикой P-типа средствами Matlab // Современные наукоемкие технологии. 2020. № 11-1. С. 9–14. https://doi.org/10.17513/snt.38330
  17. Вигіюєв А., Капр Н.К., Ко М.-С. et al. Application of Fuzzy Logic for Problems of Evaluating States of a Computing System // Appl. Sci. 2019. V. 9. No. 15. P. 3021. https://doi.org/10.3390/app9153021
  18. Антипин А.Ф., Антипина Е.В. Многомерный многосвязный нечеткий интервально-логический регулятор // Мехатроника, автоматизация, управление. 2024. Т. 25. № 2. С. 72–78. https://doi.org/10.17587/mau.25.72-78
  19. Антипин А.Ф., Антипина Е.В. Среда визуальной разработки программ многомерных нечетких интервально-логических регуляторов // Научно-технический вестник информационных технологий, механики и оптики. 2023. Т. 23. № 5. С. 1041–1049. https://doi.org/10.17586/2226-1494-2023-23-5-1041-1049
  20. Антипин А.Ф., Антипина Е.В. Моделирование технологических процессов и объектов на основе нечеткой логики с использованием многомерных интервально-логических регуляторов // Автометрия. 2020. Т. 56. № 1. С. 83–92. https://doi.org/10.15372/AUT20200109

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2025 Russian Academy of Sciences

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».