Разработка логико-лингвистических моделей управления и принятия решений на базе нечеткой логики

• Автор: Захаров, Роман Евгеньевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Владикавказ
• Количество страниц: 169 с. : ил.

Введение.
ГЛАВА 1. НЕЧЕТКОЛОГИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССОВ УПРАВЛЕНИЯ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ.
1.1. Анализ видов неопределенности информации, характерных для процесса управления сложными системами
1.2. Возможности применения теории нечетких множеств для описания различных видов неопределенности

1.3. Нечеткие цели, ограничения и решения.

ГЛАВА 2. АНАЛИЗ И РАЗРАБОТКА ОСНОВНЫХ ПРИНЦИПОВ НЕЧЕТКОЛОГИЧЕСКОГО МОДЕЛИРОВАНИЯ ПРОЦЕССОВ УПРАВЛЕНИЯ СЛОЖНЫМИ СИСТЕМАМИ, ПРОЦЕССАМИ И ОБЪЕКТАМИ.

2.1. Некоторые особенности методов диагностики и формирования понятий.

2.1.1. Анализ методов диагностики и формирования понятий

2.1.2. Особенности создания понятийных моделей сложных процессов

2.2. Методы построения функций принадлежности.

2.3. Нечеткие и лингвистические переменные

2.4. Лингвистические неопределенности и вычисление значений лингвистической переменной, используемые при построении нечеткологических моделей управления различными процессами.
2.5. Нечеткие условные предложения и составное правило вывода.
2.6. Анализ видов отношений между нечеткими переменными, используемых для построения нечетких условных предложений, при разработке нечеткологических моделей
2.7. Разработка основных принципов нечеткологического управления различными процессами, системами и объектами
2.8. Принцип работы системы принятия решений и управления на базе нечеткой логики.
2.9. Автоматизированная процедура разработки нечеткологических моделей
управления и принятия решений
ГЛАВА 3. ПРАКТИЧЕСКАЯ РЕАЛИЗАЦИЯ.
3.1. Постановка задачи.
3.2. Формализация процесса определения всех возможных сочетаний термов лингвистических переменных.
3.3. Совокупность процедур формального описания процесса принятия решения.
3.4. Алгоритм разработки нечеткологических моделей управления и принятия решений
3.5. Выводы.
ГЛАВА 4. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ МЕТОДИКИ РАЗРАБОТКИ НЕЧЕТКОЛОГИЧЕСКИХ МОДЕЛЕЙ В УСЛОВИЯХ
НЕОПРЕДЕЛЕННОСТЕЙ РАЗЛИЧНОЙ СТЕПЕНИ
4.1. Нечеткологические модели решения задач финансового анализа и принятия решений
4.1.1. Назначение и общее описание объекта внедрения
4.1.2. Цель и общая схема реализации разработанного комплекса методических приложений.
4.1.3. Содержание разделов методики анализа финансового состояния банка
4.1.3.1. Структурный анализ.
4.1.3.2. Коммерческая эффективность рентабельность деятельности банка и его отдельных операций
4.1.3.3. Достаточность собственных средств капитала.
4.1.3.4. Анализ кредитного риска
4.1.3.5. Анализ рыночного риска.
4.1.3.6. Анализ риска ликвидности.
4.1.4. Результаты анализа.
4.1.5. Заключение.
4.2 Нечеткое управление технологическим процессом обогащения угля
методом отсадки
4.2.1. Специфика технологического процесса.
4.2.3. Параметры отсадки.
4.2.4. Существующий подход к управлению отсадкой.
4.2.5. Структурная схема системы управления на основе нечеткого контроллера
4.3. Нечеткологическая модель управления мобильным роботом
4.4. Нечеткологическая модель стабилизации и анализа стабильности выходных характеристик электронных систем
4.5. Нечеткологическая модель приведения рентабельности предприятия к заданному уровню.
4.6. Нечеткологическая модель процесса приведения оружия к нормальному бою
4.7. Нечеткологическая модель управления скоростным лифтом
4.8. Нечеткологическая модель управления систем климатконтроля
ЗАКЛЮЧЕНИЕ.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


Последнее можно объяснить тем, что набор стандартных вероятностных понятий и методов оказывается неадекватным для описания рассматриваемых ситуаций , 2, а также с трудностью получения необходимых статистических характеристик параметров, отсутствием эргодичности процессов и их существенной нестационарностыо. Источник неопределенности может не иметь случайного характера, и иногда быть частично или полностью детерминированным. Сложность технологических комплексов и неопределенность информации о них растет, а требования к точности получаемого решения повышаются. Проблема представления неопределенности является одной из ключевых, но в то же время и наименее изученной для объектов газовой промышленности. Ошибки расчета в основном складывается из ошибки исходных данных, ошибки модели и ошибки метода решения численного метода . Для многоуровневых иерархических систем управления наблюдается достаточно резкий рост ошибок исходных данных, в зависимости от номера уровня управления, на котором производится расчет. Рост ошибок в данных обусловлен запаздыванием и искажением данных при передаче от уровня к уровню, фильтрацией их на каждом уровне и невозможностью передачи ряда данных с требуемой периодичностью ввиду их большого объема, ограниченной пропускной способностью каналов связи. В принципе, возможно, осуществить получение на достаточно высоких уровнях управления подробных данных об отдельных технологических процессах или установках, проведения целого ряда дополнительных замеров на объектах, исследования скважин
и т. Однако чаще всего сбор такой информации организуется для проведения отдельных научноисследовательских расчетов. Для производственных целей, когда сбор информации необходимо осуществлять в реальном масштабе времени, такой подход будет уже неприемлемым. Крайне важным является правильный выбор для соответствующего уровня управления модели и объема передаваемых для расчетов данных. Усложнение математической модели, учитывающей большое число замеряемых параметров, приводит к снижению погрешности, вносимой моделью. Однако при большой размерности моделей очень существенной становится составляющая ошибки, вносимая неточностью применяемых аналитических и численных методов. Время решения задачи большой размерности также может стать неприемлемым при ее решении в реальном масштабе времени. Усложнение математической модели требует также увеличения объема данных, передаваемых с нижнего уровня и также приводит к росту соответствующей составляющей ошибки. Поэтому требуется находить разумный компромисс между этими факторами в зависимости от уровня управления. Естественно, что внедрение в системе управления, аппаратуры передачи информации между уровнями, средств вычислительной техники, межмашинного обмена информацией позволяет значительно снизить уровни погрешностей данных и расчетов для вышестоящих уровней управления. За счет возможностей применения более сложных математических методов на ЭВМ значительно повышается обоснованность и эффективность принимаемых оперативных решений. Ввиду такой большой доли погрешности исходных данных, возникает и погрешность в расчете целевой функции, что приводит к значительной зоне неопределенности при выборе оптимального режима работы системы. Отсюда возникает необходимость разработки методов, учитывающих неопределенность исходных данных при решении задач многоуровневого управления технологическими процессами. Вопросы принятия решений в условиях больших ошибок во входных данных, в том числе вызванных отказами устройств измерения и передачи данных обсуждаются в целом ряде работ ,, , . Подавление влияния неточной информации с дальнейшим использованием обычных детерминированных алгоритмов. Переход при наличии неточной информации на специальные алгоритмы стохастические, нечеткие, интервальные. Для первого направления характерным является применение различных методов фильтрации и сглаживания исходной информации, усреднения и взвешивания данных. Применяются также методы восстановления отсутствующих данных, интерполирования и экстраполирования, робастные алгоритмы . Свойство робастности выделяет класс процедур нечувствительных к небольшим изменениям исходных начальных предположений.