Проектирование баз знаний на основе мягких вычислений для интеллектуальных систем управления неустойчивыми динамическими системами

Проектирование баз знаний на основе мягких вычислений для интеллектуальных систем управления неустойчивыми динамическими системами

Автор: Мишин, Андрей Анатольевич

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2010

Место защиты: Дубна

Количество страниц: 174 с. ил.

Артикул: 4743343

Автор: Мишин, Андрей Анатольевич

Стоимость: 250 руб.

Проектирование баз знаний на основе мягких вычислений для интеллектуальных систем управления неустойчивыми динамическими системами  Проектирование баз знаний на основе мягких вычислений для интеллектуальных систем управления неустойчивыми динамическими системами 

Оглавление
Введение
1. Глава 1. Обзор и анализ современного состояния проблем
проектирования баз знаний интеллектуальных систем управления на основе мягких вычислений.
1.1 История проблем проектирования интеллектуальных систем управления.
1.2 Роль и принципы технологий интеллектуальных вычислений.
1.3 Технология мягких вычислений.
1.4 Влияние интеллектуальных вычислений на эффективность наукоемких информационных технологий.
1.5 Эволюция развития структур ИСУ.
1.5 Выводы.
Глава 2.Мстод проектирования баз знаний регулятора робастных систем управления на основе технологии мягких вычислений
2.1 Задача проектирования САУ
2.2 Физические принципы процессов управления.
2.3 Принципы построения нечтких контроллеров
2.ценка качества управления
2.5 Проектирование самонастраивающихся нечтких контроллеров.
2.6 Проектирование БЗ
2.7 Выводы.
Глава 3. Генетический алгоритм оптимизации параметров функций принадлежности лингвистических переменных при построении баз знаний нечетких систем
3.1 Генетические алгоритмы.
3.2 Метод построение терм множеств
3.3 Продукционные правила.
3.4 Задача формирования БЗ
3.5 Оптимальные функции пригодности.
3.6 Структура генетического алгоритма
3.7 Математическая модель ГЛ.
3.8 Аппроксимация гармонического сигнала.
3.9 Выводы.
Глава 4. Программный инструментарий и методика его применения для проектирования и разработки интеллектуальных систем управления.
4.1 Функции программного обеспечения.
4.2 Технология проектирования БЗ регулятора робастных систем
4.3 Структура программы моделирования качества управления
4.4 Интерфейс оптимизатора.
4.5 Открытость технолргии построения ИСУ.
4.6 Версии и модули программы
4.7 Технология генетической оптимизации
4.8 Возможности оптимизационной БЗ.
4.9 Моделирование робастных законов управления.
4. Интеллектуальная система управления железнодорожным транспортом
4. Выводы.
Заключение.
Список литературы


Рассмотрим наиболее проработанные на практике методы мягких вычислений, которые позволяют эффективно решать классические алгоритмически неразрешимые задачи, в частности задачи проектирования робастных интеллектуальных систем управления (ИСУ) в непредвиденных ситуациях управления. В качестве непредвиденных ситуаций управления рассматриваются модели управления в условиях неопределенности информации о внешних возмущениях или о параметрах ОУ, а также при наличии времени задержки и различных видов шумов в контурах управления и измерительной системы. Роль и принципы технологий интеллектуальных вычислений. В традиционных вычислениях по количественному результату численного алгоритма осуществляется соответствующая оценка качественного свойства исследуемого объекта. Логическая оценка качества в общем случае может быть осуществлена только в конце количественных вычислений, а часто искомая оценка достигнута быть не может. Основой интеллектуальных вычислений являются не только числовые шкалы (как в традиционных вычислениях), но и качественные характеристики исследуемого объекта. Целью и новой возможностью интеллектуальных вычислений является непосредственное определение качественных характеристик объекта, алгоритмически оперируя последними также как на числовых шкалах. Мягкие вычисления являются примерами таких вычислений. При этом многие классические задачи могут быть решены с экспоненциальным ускорением или решены алгоритмически неразрешимые задачи. Так, например, для определения качественной характеристики функции (постоянная или балансирующая для четырех аргументов) в традиционном подходе требуется четыре шага численных операций, в тоже время квантовый алгоритм Дейча [] (опубликованный в г. Алгоритм Шора [] (г. Алгоритм Гровера [] (г. Нечеткие множества, хронологически введенные Л. Заде в ]’. Такие исчисления открыли новые возможности для теории и практики проектирования ИСУ. Нестандартные логики, используемые в основе интеллектуальных вычислений и выводы, полученные с их применением в задачах принятия решений и управления, часто приводят к мнимым «парадоксам» и противоречию с интуитивными представлениями разработчика об ожидаемом результате. Отметим, однако, что сам термин «нестандартная» логика уже включает такую ситуацию, а его введение обосновано стремлением решать задачи, не решаемые существующими технологиями вычислений. К таким технологиям интеллектуальных вычислений относятся мягкие и квантовые вычисления, используемые, например, для проектирования робастных баз знаний. БЗ) в условиях непредвиденных ситуаций управления. С, А, Э>, где С условие правила, А - множество факторов, добавляемых правилом, О - множество факторов, удаляемых правилом. Применение новых технологий в инженерной практике теории и систем управления часто сталкивается с проблемами преодоления инерции «прагматической» интуиции и инженерной философии. Так происходило в середине -х прошлого столетия при внедрении в инженерную практику идей мягких вычислений на основе теории нечетких множеств и нечетких систем управления. В связи с отмеченными фактами, рассмотрим кратко методологические особенности применения технологий мягких вычислений. Технологи*! Обобщение понятия числа за счет введения субъективной качественной шкалы (и отображения в нее в виде лингвистической аппроксимации его количественной характеристики) привело к -летней дискуссии в первую очередь с представителями научной школы теории вероятностей. Теоретическая составляющая мягких вычислений подвергается критике в силу сходства с теорией условных вероятностей []. В теории вероятностей понятие функции распределения вероятностей имело четкое и строгое определение, а аксиоматика позволяла ввести физическую интерпретацию случайных процессов. Поскольку в теории случайных процессов по динамическим характеристикам объекта управления и функции распределения вероятностей входного сигнала с помощью уравнения Колмогорова можно определить функцию распределения вероятностей выходного сигнала, то аналогичные операции в теории нечетких систем вызывали определенные логические трудности.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.245, запросов: 244