Метод, алгоритм и устройство дефаззификации для системы управления ориентацией мобильного робота тема диссертации и автореферата по ВАК РФ 05.13.05, кандидат наук Кулабухов, Сергей Алексеевич

• Кулабухов, Сергей Алексеевич
• кандидат наук
• 2018

Оглавление диссертации кандидат наук Кулабухов, Сергей Алексеевич

ОГЛАВЛЕНИЕ

Сокращения и аббревиатуры

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ, МЕТОДОВ И УСТРОЙСТВ ДЕФАЗЗИФИКАЦИИ

1.1 Патентный поиск устройств дефаззификации для систем управления ориентацией мобильного робота

1.2 Сравнительный анализ различных подходов повышения интеллектуализации процесса расчетов, применяемых в вычислительных устройствах

1.3 Анализ традиционных моделей дефаззификации

1.4. Критерий оценки точности расчетов методов дефаззификации

1.5 Анализ применимости устройств дефаззификации в структуре систем управления мобильными роботами

1.6 Анализ современной элементной базы для синтеза устройств дефаззификации в структуре систем управления ориентацией мобильных роботов

Выводы по первой главе

ГЛАВА 2. МОДЕЛИ, МЕТОД И АЛГОРИТМ УПРАВЛЕНИЯ ОРИЕНТАЦИЕЙ МОБИЛЬНОГО РОБОТА

2.1 Структура обобщенной математической модели ориентации мобильного робота

2.2 Математическая модель расчета угла поворота

2.2. Математическая модель иерархической нечеткой системы расчета времени

2.3. Математическая модель дефаззификации отношения площадей

2.4. Нейро-нечеткая модель адаптации для алгоритма нечетко-логического вывода

2.5. Численное моделирование определения времени задержки сигнала ШИМ

2.6. Метод управления ориентацией мобильного робота

2.7. Алгоритм управления ориентацией мобильного робота

Выводы ко второй главе

ГЛАВА 3. РАЗРАБОТКА УСТРОЙСТВА ДЕФАЗЗИФИКАЦИИ ДЛЯ СИСТЕМЫ ОРИЕНТАЦИИ МОБИЛЬНОГО РОБОТА

3.1 Синтез структурной схемы устройства дефаззификации на основе модели отношения площадей

3.2 Функциональные блоки устройства дефаззификации на основе модели отношения площадей

3.3 Принцип работы устройства дефаззификация на основе модели отношения площадей

3.4 Численное моделирование работы устройства дефаззификации на основе модели отношения площадей

3.5. Разработка структурной схемы устройства дефаззификации

Выводы к третьей главе

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНАЯ ОЦЕНКА

ФУНКЦИОНИРОВАНИЯ УСТРОЙСТВА ДЕФАЗЗИФИКАЦИИ ДЛЯ СИСТЕМЫ УПРАВЛЕНИЯ ОРИЕНТАЦИИ МОБИЛЬНОГО РОБОТА

4.1 Структурно-функциональная организация системы управления ориентации мобильного робота

4.2 Кинематическая схема мобильного робота

4.3 Экспериментальные исследования адекватности математических моделей

4.3.1 Экспериментальное исследование математической модели расчета угла поворота

4.3.2 Расчет коэффициента корреляции и уравнения регрессии, описывающего взаимосвязь диспаритета и расстояния

4.3.3 Экспериментальное моделирование математических моделей иерархической нечеткой системы и дефаззификации на основе модели отношения площадей с использованием мягких и жестких вычислений

4.3.5 Расчет достоверности полученных результатов

4.3.6 Расчет доверительного интервала

4.4 Экспериментальные исследования устройства дефаззификации методом отношения площадей

Выводы по четвертой главе

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

СПИСОК ЛИТЕРАТУРЫ

Приложение А.Копия свидетельства о государственной регистрации программы для ЭВМ № 2015615442

Приложение Б.Копия свидетельства о государственной регистрации программы для ЭВМ № 2015619396

Приложение В.Копия свидетельства о государственной регистрации программы для ЭВМ № 2018617836

Приложение Г.Копия свидетельства о государственной регистрации программы для ЭВМ № 2016612747

Приложение Д.Копия свидетельства о государственной регистрации программы для ЭВМ № 2016615804

Приложение Е.Текст программной процедуры.Программа нечетко-логического вывода разными методами дефаззификации и проведения сравнительного анализа

Приложение Ж.Текст программной процедуры.Программа для адаптивного управления мобильным роботом на основе нечетко-логических правил управления

СОКРАЩЕНИЯ И АББРЕВИАТУРЫ

ВМ - Вероятностные модели

ВУПУР - Вычислительное устройство принятия управляющих решений

НЛ - Нечеткая логика

НЛВ - Нечетко-логический вывод

НПУ - Нечеткое правило управления

НС - Нейронная сеть

МР - Мобильный робот

Пид-регулятор - Пропорционально-интегрально-дифференцирующий (ПИД) регулятор

ПЛИС - Программируемая логическая интегральная схема

ПЛК - Программируемый логический контроллер

СУОМР - Система управления ориентацией мобильных роботов

ФП - Функция принадлежности

ШИМ - Широтно-импульсная модуляция

УД - Устройство дефаззификации

УДМОП - Устройство дефаззификации на основе модели отношения площадей

УР - Управляющее решение

CG - Модель дефаззификации центра тяжести

CS - Модель дефаззификации центра сумм

FM - Модель дефаззификации методом первого максимума

LM - Модель дефаззификации методом последнего максимума

MM - Модель дефаззификации методом среднего максимума

RMSE (root mean square error) - корень из средней квадратической ошибки

Введение диссертации (часть автореферата) на тему «Метод, алгоритм и устройство дефаззификации для системы управления ориентацией мобильного робота»

ВВЕДЕНИЕ

Актуальность темы исследования.

Актуальность темы исследования. При эксплуатации вычислительных устройств в системах управления ориентацией мобильного робота (СУОМР) для принятия управляющих решений (УР) необходимо постоянно иметь актуальные данные об объектах, окружающих его. В связи с этим наиболее важным показателем их работы является скорость обработки полученной информации.

Ускорение процесса расчета в вычислительных устройствах принятия управляющих решений (ВУПУР) способствует повышению производительности и эффективности СУОМР в целом. Однако, в этих системах постоянно присутствует неопределенность в исходных данных о размерах, количестве и расположении окружающих объектов. Поэтому для реализации ВУПУР, используемых в СУОМР, необходимо применение интеллектуальных моделей расчетов, таких как нейронные сети (НС), вероятностные модели (ВМ) и модели нечеткой логики (НЛ).

ВМ универсальны к входным данным и позволяют быстро рассчитывать результат в задачах оптимизации, а алгоритмы обучения НС увеличивать точность расчетов. При этом, ВМ и НС сложно применимы в условиях неопределенности входных данных, в то время как НЛ позволяет учесть ее в ВУПУР. Анализ публикаций, научно-технической и патентной информации, показал, что современные ВУПУР, основанные на алгоритмах нечетко-логического вывода (НЛВ), используют традиционные подходы НЛ. В таких ВУПУР не рассматриваются иерархические структуры в нечетком выводе, а на этапе дефаззификации применяют модель центра тяжести, для работы которого необходимо хранить в памяти устройства дефаззификации (УД) метки выходной функции принадлежности (ФП). С учетом выполнения вычислений в автономном режиме мобильного робота (МР) избыточный перерасход внутренней микропроцессорной памяти для хранения всех меток

и вычислительно сложные алгоритмы обработки и получения информации об окружающих объектах представляются нецелесообразными, так как они приводят к снижению быстродействия УД.

Разработка улучшенной модели дефаззификации позволит понизить вычислительную сложность алгоритма, а использование ПЛИС, которая обладает параллельной конвейерной обработкой данных, для аппаратной реализации УД увеличит его быстродействие.

В связи с вышеизложенным, актуальной научно-технической задачей является разработка метода, алгоритма и УД для СУОМР на основе иерархического нечеткого вывод.

Степень разработанности проблемы. В теорию нечетких и нейро-нечетких систем огромный вклад внесли ученые, как российские так и зарубежные: Кудинов Ю.И., Поспелов Д.А., Новиков Д.А., А.Н. Мелихов, Круглов В.В., Л. Заде, Такаги-Сугено, Мамдани М., Пегат А., Zhu, A., Yang, S.X., Lee, C.H., Chiu, M.H., Pandey A., Kumar S., Pandey K. K, Parhi D., Fatemeh F. Работы представленных ученых не освещают использование нечетких иерархических моделей, в которых выходные значения одного уровня иерархии передаются на вход последующего. В данных моделях предпочтительнее использовать мягкие арифметические операторы в нечетко-логическом выводе, под которыми понимаются формулы определения минимума и максимума в структуре композиции нечеткого вывода с введенными в них дополнительными коэффициентами. Данные коэффициенты отсутствуют в традиционных моделях вычислений, что приводит к уменьшению показателей точности и отсутствию свойства аддитивности систем расчета, под которым понимается наличие реакции на их выходе при изменении входных параметров.

Изложенное выше указывает на актуальность поставленной научно-технической задачи разработки устройства дефаззификации для системы управления ориентацией мобильного робота.

Работа выполнена при поддержке Минобрнауки Российской Федерации в рамках грантов Президента РФ для государственной поддержки молодых российских ученых № МД-707.2017.8 (Исследование, разработка и моделирование методов мягкого управления робототехническими комплексами на основе адаптивных нейро-нечетких обучающих систем) и № МД-2983.2015.8 (Разработка и исследование теоретических основ, методов адаптивного нейро-нечеткого управления сложными техническими системами на основе мягких вычислений), а также Госзадание № 2.3440.2017/4.6 (Разработка методов обеспечения живучести интеллектуальных бортовых систем управления беспилотных транспортных средств) и участия в научной школе НШ-2357.2014.8 (Исследование и разработка комплексного анализа видеоизображений для задач управления сложными техническими системами на основе адаптивных нейро-нечетких систем вывода с мягкими вычислениями).

Цель диссертационной работы - повышение быстродействия работы устройства дефаззификации в структуре иерархического нечеткого вывода для системы управления ориентацией мобильного робота.

В соответствии с поставленной целью в работе решаются следующие основные задачи:

1. Анализ существующей элементной базы и современных нечетких контроллеров, входящих в состав систем управления ориентацией мобильных роботов, с целью обоснования выбранного направления исследований.

2. Разработка обобщенной математической модели ориентации мобильного робота.

3. Разработка метода и алгоритма управления ориентацией мобильного робота.

4. Разработка устройства дефаззификации и структурно-функциональной организации системы управления ориентацией мобильного робота для расчета времени задержки сигнала ШИМ, передаваемого на его приводы.

Объект исследования: вычислительные процессы дефаззификации на основе модели отношения площадей в структуре иерархической нечеткой системы расчета времени.

Предмет исследования: модель вычислительного процесса дефаззификации и нечеткая иерархическая система расчета времени, модели стереозрения и регрессионного анализа для определения угла поворота с целью объезда препятствий, а также метод и алгоритм управления ориентацией мобильного робота.

Методы исследования.

Для решения поставленных задач использовались теория нечеткой логики и множеств, методы математического моделирования, вычислительной математики и статистики, теория распознавания образов, основы теории построения алгоритмов, регрессионный анализ, а также теория проектирования вычислительных устройств и ЭВМ.

Научная новизна и основные положения, выносимые на защиту:

1. Обобщенная математическая модель ориентации мобильного робота, включающая модель расчета угла поворота, модель иерархической нечеткой системы расчета времени и модель дефаззификации, позволяющая увеличить скорость обработки данных.

2. Метод и алгоритм управления ориентацией мобильного робота, основанные на обобщенной математической модели ориентации мобильного робота, отличающиеся тем, что для определения угла поворота применяется уравнение регрессии, описывающее взаимосвязь диспаритета и расстояния, а также использованием иерархической нечеткой системы расчета времени, позволяющей повысить скорость обработки данных за счет использования новой модели отношения площадей для процесса дефаззификации.

3. Устройство дефаззификации для системы управления ориентацией мобильного робота, реализованное на ПЛИС и обеспечивающее повышение быстродействия при расчете времени задержки сигнала ШИМ, передаваемого на приводы мобильного робота.

Практическая ценность работы состоит в следующем:

1. Разработано устройство дефаззификации на основе модели отношения площадей (Пат. РФ №2 591 931), позволяющее сократить время выполнения этапа дефаззификации в структуре НЛВ в 6 раз.

2. Для разработанного устройства дефаззификации на основе модели отношения площадей создана программа для ЭВМ № 2018617836 «Программа реализации операции разрядного сдвига для синтеза нечеткого контроллера на базе ПЛИС», позволяющая сократить время работы в 2 раза.

3. Для системы управления ориентацией мобильного робота создана экспериментальная модель МР на основе двухуровневой иерархической нечеткой системы (Заявка на Пат. РФ №2017129984), которая позволяет обеспечить уменьшение числа операций более чем в 3 раза.

4. Для устройства дефаззификации на основе модели отношения площадей созданы программы для ЭВМ №2015615442 «Дефаззификация на основе метода разности площадей», и №2016615804 «Программа нечетко -логического вывода разными методами дефаззификации и проведения их сравнительного анализа», позволяющие сравнить точность традиционных моделей дефаззификации и предложенной модели отношения площадей на основе коэффициента средней квадратичной ошибки (ЯМБЕ), и показывающие превосходство модели отношения площадей не менее чем в 4 раза.

Реализация результатов работы.

Результаты, полученные в диссертационной работе, внедрены в ОАО «АвиаАвтоматика» в условиях опытно-промышленных испытаний системы угловой ориентации роботизированных механизмов.

Предложенные алгоритмы управления навигацией и расчета ЯМБЕ для оценки времени задержки сигнала ШИМ, передаваемого на приводы МР, используются в учебном процессе кафедры «Вычислительная техника» Юго-Западного государственного университета в рамках дисциплин

«Интеллектуальные системы» и «Теория нечеткой логики и множеств», что подтверждается соответствующими актами внедрения.

Соответствие паспорту специальности.

Согласно паспорту специальности 05.13.05 - «Элементы и устройства вычислительной техники и систем управления» проблематика, рассмотренная в диссертации, соответствует пунктам 1 и 2 паспорта специальности (1. Разработка научных основ создания и исследования общих свойств и принципов функционирования элементов, схем и устройств вычислительной техники и систем управления. 2. Теоретический анализ и экспериментальное исследование функционирования элементов и устройств вычислительной техники и систем управления в нормальных и специальных условиях с целью улучшения технико-экономических и эксплуатационных характеристик), а именно, разработано УД на основе новой модели отношения площадей с аппаратной реализацией на ПЛИС и проведен анализ и экспериментальное исследование для оценки его быстродействия в сравнении с известными устройствами УД.

Апробация результатов исследования.

Диссертационная работа отражает результаты научных исследований, проводимых с 2014 по 2018 годы.

Основные теоретические положения и научные результаты

диссертационной работы докладывались, обсуждались и получили

положительную оценку на 15 международных и всероссийских научно-

технических конференциях: «Перспективное развитие науки, техники и

технологий» (г. Курск, 2013, 2014); «Интеллектуальные системы в

промышленности и образовании» (г. Сумы, 2013); «Современные инновации

в науке и технике» (г. Курск, 2014, 2015, 2018); «Современные

инструментальные системы, информационные технологии и инновации»

(г. Курск, 2014, 2015); «Автоматизация и энергосбережение

машиностроительного и металлургического производств, технология и

надежность машин, приборов и оборудования» (г. Вологда, 2014, 2015, 2016,

11

2017); «Новые информационные технологии и системы» (г. Пенза, 2014, 2015, 2016); «Распознавание» (г. Курск, 2015, 2017); «Интеллект - 2015» (г. Тула, 2015); «Актуальные проблемы робототехники и автоматики» (г. Белгород, 2015); «Интеллектуальные системы, управление и мехатроника» (г. Севастополь, 2016); «Информационные технологии и математическое моделирование систем» (г. Москва, 2016); «Многоядерные процессоры, параллельное программирование, ПЛИС, системы обработки сигналов» (г. Барнаул, 2016); «Молодежь и новые информационные технологии» (г. Череповец, 2016); «Нелинейная динамика машин» (г. Москва, 2017); «Автоматика и робототехника» (г. Новокузнецк, 2017, 2018); а также на научно-технических семинарах кафедры «Вычислительная техника» Юго-Западного государственного университета (ЮЗГУ) с 2014 по 2018г.

Личный вклад автора.

Выносимые на защиту научные положения разработаны соискателем лично. В научных работах, выполненных в соавторстве, личный вклад соискателя состоит в следующем: [30,40,41,56,57,64,65,66] - разработано устройство для ориентации МР на основе двухуровневой иерархической нечеткой системы; в [31,46,48,49,50,51,52,53,54] - разработана и предложена новая модель дефаззификации отношения площадей для нечеткого вывода, проведен сравнительный анализ точности расчетов с традиционными моделями на основе расчета показателя ЯМБЕ; в [32,42,44,45,58] - разработана модель двухуровневой иерархической системы нечеткого вывода; в [19,20,21,27,55,60] - рассмотрены преимущества использования мягких арифметических операций в структуре нечеткого вывода и описаны недостатки жестких вычислений; в [39,43,47] - описаны различные алгоритмы управления мобильными роботами.

Публикации. По материалам диссертации опубликована 31 научная работа, в том числе 6 статей в ведущих научных рецензируемых изданиях, входящих в перечень ВАК РФ, 3 работы, входящие в международную базу

данных Scopus, 2 главы в монографии, получен 1 патент РФ на изобретение и 8 свидетельств о государственной регистрации программы для ЭВМ.

Структура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения, списка литературы, включающего 66 наименований, и приложений. Основная часть работы изложена на 136 страницах машинописного текста и содержит 63 рисунка, 24 таблицы.

ГЛАВА 1. АНАЛИЗ СУЩЕСТВУЮЩИХ ВЫЧИСЛИТЕЛЬНЫХ СИСТЕМ, МЕТОДОВ И УСТРОЙСТВ ДЕФАЗЗИФИКАЦИИ

1.1 Патентный поиск устройств дефаззификации для систем управления ориентацией мобильного робота

Рассмотрим существующие изобретения, относящиеся к теме исследования. Результаты анализа сведены в таблицу 1.1.

Таблица 1.1.

Патентный поиск устройств дефаззификации для систем управления ориентацией мобильного робота

Наименов ание устройств а/способа Автор, Патентообладат ель. Принцип работы Основные недостатки

1 2 3 4

Оптоэлект ронный дефаззифи катор [10] Автор(ы): Курейчик В. М., Курейчик В. В., Аллес М. А., Ковалев С. М, Соколов С. В. Патентообладатель^): ФГБОУ ВПО «ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ» (ЮФУ) Изобретение относится к вычислительной технике и может быть использовано в оптических устройствах обработки информации, построенных на основе непрерывной (нечеткой) логики. Техническим результатом является повышение вычислительной производительности процесса дефаззификации до 105-106 операций в секунду при одновременном упрощении конструкции дефаззификатора. Невысока скорость обработки данных 10-5 - 10-6 сек, а также отсутствие аддитивности, из-за применения методов дефаззификации первого и последнего максимумов.

Оптоэлект ронный дефаззифи катор [11] Автор(ы): Аллес М. А., Ковалев С. М, Соколов С. В. Патентообладатель^): ФГБОУ ВПО «ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ» (ЮФУ) Изобретение относится к вычислительной технике и может быть использовано в оптических устройствах обработки информации, построенных на основе непрерывной (нечеткой) логики. Технический результат выражается в расширении возможностей устройства -создании оптоэлектронного дефаззификатора, позволяющего повысить вычислительную производительность до 105-106 операций в секунду при Использование метода дефаззификации методом центра тяжести, не обладающим свойством аддитивности, и невысокая скорость работы устройства дефаззификации, равная 10-5 - 10-6 сек.

Наименов ание устройств а/способа Автор, Патентообладат ель. Принцип работы Основные недостатки

одновременной возможности выполнения операции дефаззификации.

Мобильный робот [12] Автор(ы): Алешин А. А. Патентообладатель^): Алешин А. А. Изобретение относится к робототехнике и может быть использовано в роботах, предназначенных для ликвидации чрезвычайных ситуаций, например, для обнаружения и уничтожения взрывоопасных устройств. Необходимость использования датчика энкодера с целью вычисления углов поворота мобильного робота, что усложняет конструкцию устройства, а сложная система определения расстояния с помощью позиционно чувствительного датчика на шарнирно закрепленном щупе увеличивает время принятия решения по объезду препятствий

Мобильный робот [13] Автор(ы): Подураев Ю.В., Ермолов И. Л., Пожидаев И. В. Патентооблада-тель(и): Московский государственны й технологический университет «СТАНКИН» Изобретение относится к робототехнике. Робот содержит размещенные в корпусе устройства для перемещения робота, блок обнаружения препятствий, блок определения текущего местоположения робота и блок наблюдения за пространством перед роботом, соединенные посредством информационных каналов с блоком управления и источник питания. Устройство не способно принимать решения о перемещении самостоятельно, а управляется только серверным компьютером через канал Интернет, что не позволит его использование там, где нет сигнала интернета.

Способ нечеткого управления движением подвижног о состава рельсового транспортного средства с возможностью плавного Автор(ы): Кудрявцев В. С., Страшинин Е. Э., Лисиенко В. Г. Патентооблада-тель(и): ЗАО "РТСофт" (ДЦ) Изобретение относится к области транспорта и предназначено преимущественно для использования в системах управления движением рельсовых транспортных средств. Способ включает измерение пройденного пути, текущей скорости и времени, прошедшего с момента отправления со станции. Осуществляются также прогнозирование времени прибытия при условии Устройство основано на традиционных моделях нечеткого вывода, где число заключений равно числу нечетких правил управления (НПУ). Причем с ростом числа НПУ увеличивается и число заключений. Это значительно увеличивает

Наименов ание устройств а/способа Автор, Патентообладат ель. Принцип работы Основные недостатки

управления тягой [14] поддержания текущей скорости и вычисление пути, которое пройдет состав, прежде чем сбросит скорость до значения предстоящего ограничения. На основе измерений и прогнозирования определяют ожидаемое отклонение по времени от расписания, расстояние до начала сброса скорости перед очередным ограничением скорости, текущее превышение скорости, расстояние до конца перегона. сложность вычислений.

Creation of neuro-fuzzy expert system from online analytical processing (olap) tools [15] Автор (ы): Kofman Gene I.; Lyssenkov S. A.; Lobachev R. V.; Патентообладатель^): Dintecom, Inc. Parkland (US) A method for automatic generation of a Neuro-Fuzzy Expert System (Fuzzy Logic Expert System implemented as a Neural Network) from data. The method comprising a Data Interface allowing description of location, type, and structure of the Data. The Interface also allows designation of input attributes and output attributes in the Data Structure; automatic Neuro-Fuzzy Expert System generation driven by the Data; Training of the Expert System's Neural Network on the Data and the presentation of results which include new knowledge embedded in the parameters and structure of the trained Neuro-Fuzzy Expert System to a user. В структуре нейро-нечеткой системы использованы жесткие арифметические операции, что снижает аддитивность экспертной системы.

Анализ таблицы 1.1 показал, что существующие устройства дефаззификации в структуре систем управления имеют низкие показатели быстродействия, а использование традиционных моделей дефаззификации с использованием жестких арифметических операций в структуре нечеткого вывода не обеспечивает аддитивность систем, в которых они применяются.

1.2 Сравнительный анализ различных подходов повышения интеллектуализации процесса расчетов, применяемых в вычислительных устройствах

В ходе диссертационного исследования было выявлено, что наиболее распространенные подходы для повышения интеллектуализации процесса вычисления в устройствах принятия решений - это нечеткие модели, нейронные сети и вероятностные модели [16]. В таблице 1. 2 представлен сравнительный анализ достоинств и недостатков указанных моделей.

Таблица 1.2

Сравнительный анализ интеллектуальных моделей

Подходы

Достоинства

Недостатки

Нейронные сети

1. Возможность выполнения обучения НС, для повышения точности результата;

2. Наличие универсальных моделей для решения нестандартных задач;

3. Возможность прогнозирования результата;

4. Применимы для расчетов в условиях неопределенности водных данных;

5. Применимы для решения нелинейных задач [17];

6. Возможность распараллеливания расчетов, что дает значительное повышение эффективности.

1. Преимущественно при проектировании НС используются эвристические подходы, что приводит к неоднозначности решения;

2. Сложность выполнения, т.к. для построения моделей НС необходимо выполнение большого числа итераций при настройке внутренних связей;

3. Сложность выполнения обучения ввиду ограниченности количества обучающих выборок;

4. Вероятность ухудшения результатов после обучения;

5. Значительные временные затраты на выполнение этапа обучения;

6. Результат обученной НС не гарантирует предсказуемости результатов, что приводит к риску поломок оборудования, для управления которыми применяется НС;

7. Дороговизна оборудования, реализующего

Подходы Достоинства Недостатки

механизмы управления с применение НС. 8. Не обладают свойством аддитивности

Вероятностные модели 1. Универсальность систем к входным значениям; 2. Высокая скорость сходимости в задачах оптимизации; 3. Возможность применения в нелинейных системах; 4. Возможность простой корректировки результата; 5. Наличие адаптивных свойств. 1. Отсутствие гарантий получения оптимального решения в приемлемое время при создании новых решений; 2. Зависимость от способа построения и подходов поиска результата; 3. Низкая точность. 4. Не обладают свойством аддитивности

Нечеткая логика 1. Простой способ представления знаний; 2. Нелинейный контроль над процессами вычислений [18]; 3. Способность к самообучению внутри систем; 4. Возможность обработки данных в режиме реального; 5. Обладают свойством аддитивности, при использовании мягких арифметических операций. 1. Сложность при подготовке нечетких правил управления. 2. Отсутствие стандартной методики конструирования нечетких систем

Из анализа, приведенного в таблице 1. 2, использование нечетких моделей позволит учитывать неопределённость входных данных об окружающих объектах и способствовать повышению интеллектуализации процесса управления с нужной точностью за приемлемое время [19]. Так же важным преимуществом НЛ является наличие у систем, реализованных на

этих моделях, свойств аддитивности при использовании мягких арифметических операций [20-21].

1.3 Анализ традиционных моделей дефаззификации

Дефаззификация - это операция нахождения четкого значения из нечеткого множества [22-23]. Наиболее используемыми моделями дефаззификации являются модели центра тяжести (СО) [24] и центра сумм (СБ) [25]. Рассмотрим нечеткую М180-систему, имеющую две входные переменные: А={а^+{а2}+{а3}; В={Ь^+{Ь2}+{Ь3} и одну выходную переменную: у е Г={у1}+{у2}+{уз}+{у4}+{у5} (рис. 1.1).

Л Ь = 120,

/\ с= 170.

/ \ / 1 / \ <¿=180.

/ У»г=0,2 \ / / \ в = 200.

б)

Рисунок 1.1 - ФП: а) - первая входная ФП; б) - вторая входная ФП; в) -

выходная ФП

С целью получения гладкой результирующей поверхности и обеспечения условия разбиения единицы в качестве ФП [26] используются параметризированные формулы (1.1):

1, х е г/ [а, Ь)

0, вЬв 1, х е г/ [Ь, с) 0, вЬв

1, х е г/ [с, ё)

0, вЬв 1, х е г/ [ё, в) 0, вЬв

/(а: а, Ь, с, ё, в) = <

х - а\ + Щ ^ с - х\

Ь - а ) с- Ь )

Г х - Ь Гё -х

1 с - Ь ( ё -с

Г х -с \ + "4 ( 'в - х\

1 ё -с , в - ё )

(1.1)

Щ =

щ =

Щ =

Щ =

где а, Ь, с, d, е - метки треугольной параметризованной функции принадлежности; а - четкое значение, принадлежащее нечеткому множеству; w4 - логические переменные.

Как видно из рисунка 1.1, а, данный тип функции принадлежности обеспечивает выполнение условия разбиения единицы, под которым понимается, что сумма степеней принадлежности ФП должна равняться единице Е=а1+а2=0,6+0,4=1.

Пусть нечеткая база знаний содержит девять НПУ, приведенных в таблице 1.3.

Таблица 1.3

Нечеткая база знаний

НПУ если тогда НПУ если тогда НПУ если тогда

НПУ1 а1 b1 У5 НПУ4 а2 b1 У4 НПУ7 аз b1 Уз

НПУ2 а1 Ь2 У4 НПУ5 а2 b2 Уз НПУ8 аз b2 У2

НПУз а1 b3 Уз НПУб а2 b3 У2 НПУ9 аз Ьз У1

В моделях Мамдани и Такаги-Сугэно при реализации нечеткого вывода используются операции нахождения жесткого минимума и максимума [27], что приводит к отсутствию свойства аддитивности. С целью обеспечения аддитивности нечеткой системы в структуре нечеткого вывода предлагается использовать мягкие арифметически операции нахождения максимума и минимума:

max(a, b) = у • max (а, b) + 0,5(l - у)а + b), (1.2)

s

где a, b - операнды, из которых определяется максимальное значение; у -оператор параметризации, при у=1 формула сводится к операции жесткого максимума, при у=0 формула сводится к операции среднего арифметического, по формуле (1.3):

min (а, b) = a + ' + S2-^(a - b)2, (1.3)

s 2

где 5 = 0,05, a, b - операнды, из которых определяется минимальное значение.

В модели Мамдани дефаззификация осуществляется с помощью модели центра тяжести (CG), согласно формуле (1.4):

max

J У - У*)dy

У defuz max , (1.4)

Jh-Ч У )dy

min

где min, max - пределы интегрирования нечеткого множества.

При использовании жестких и мягких арифметических операций в структуре нечеткого вывода и CG получена поверхность отклика результирующей переменной, представленная на рисунке 1.2.

Рисунок 1.2 - Модель центра тяжести при использовании в нечетком выводе: а) - жестких арифметических операций; б) - мягких арифметических

операций

К положительным свойствам CG относится то, что в заключениях нечеткого вывода активизируются больше заключений, чем в моделях FM, LM и ММ, что повышает чувствительность данной модели. К недостаткам CG, как отмечено в работе [28], относится высокая сложность вычислений, связанная с интегрированием поверхностей нерегулярной формы (например, гауссовых ФП).

Одним из недостатков дефаззификации на основе CG является отсутствие свойства аддитивности, которое заключается в том, что при реализации композиционного правила в структуре нечеткого вывода не используется ряд активизированных нечетких правил. Данную ситуацию иллюстрирует следующий пример.

Список литературы диссертационного исследования кандидат наук Кулабухов, Сергей Алексеевич, 2018 год

СПИСОК ЛИТЕРАТУРЫ

[1] Takeshi Morishita, Osamu Tojo. Integer inverse kinematics method using Fuzzy logic // Intelligent Service Robotics. - 2013. - Volume 6. - Issue 2. - Pp. 101108.

[2] Nasiba A. Sabto, Khalib Al Mutib/ Autonomous mobile robot localization based on RSSI measurements using an RFID senror and neural network BPANN/ Journal of King Saud University/ Computer and Information Sciences. - 2013. -№25. - Pp. 137-143.

[3] Hongwei Mo, Qirong Tang, Longlong Meng. Behavior-Bases Fuzzy Control for Mobile Robot Navigation. Mathematical Problems in Engineering. Volume -2013. - Article ID 561451. - 10 p.

[4] Gdansk NI Malyshevsky VV, sitting VV, Mikhailov AA method for determining parameters characterizing the orientation of the vehicle bogie. The patent for the invention № 2300738 from 14.12.2005. Published 10.06.2007 Bull. №16.

[5] Yung-Chang Luo, Wei-Xian Chen. Sensorless stator field orientation-controlled induction motor drive with a fuzzy speed controller // Computers & Mathematics with Applications. 2012. - Volume 64. - Issue 5. - Pp. 1206-1216.

[6] NI Granskov, Malcev VV, sitting VV, Mikhailov AA method for determining the spatial position and angular orientation of the vehicle bogie. The patent for the invention № 2303240 from 02.03.2006. Published 20.07.2007 Bull. №20.

[7] Li Qin, Fucai Liu, Lihuan Liang, Jingfang Gao. Fuzzy adaptive robust control for space robot considering the effect of the gravity // Chinese Journal of Aeronautics. - 2014. - Volume 27. - Issue 6. - Pp. 1562-1570.

[8] Fatemeh Fathinezhad, Vali Derhami, Mehdi Rezaeian. Supervised fuzzy reinforcement learning for robot navigation // Applied Soft Computing. - 2016. -Volume 40. - Pp. 33-41.

[9] А.В. Кравченко Робот-лабиринт // Радиоаматор. Практическая радиоэлектроника. - 2010. - №2. - С.30-32.

[10] Пат. 2408052 РФ, G06E 3/00 (аналог). Оптоэлектронный дефаззификатор / Курейчик В. М., Курейчик В. В, Аллес М. А, Ковалев С. М., Соколов С. В.; заявитель и патентообладатель Федеральное государственное образовательное учреждение высшего профессионального образования «ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ» (ЮФУ); заявл. 24.06.2009; опубл. 27.12.2010, Бюл. № 36. - 11 с.

[11] Пат. 2439651 РФ, G06E 3/00 (прототип). Оптоэлектронный дефаззификатор / Аллес М. А, Соколов С. В., Ковалев С. М.; заявитель и патентообладатель: Федеральное государственное образовательное учреждение высшего профессионального образования «ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ» (ЮФУ); заявл. 04.10.2010; опубл. 10.01.2012, Бюл. № 1. - 8 с.

[12] Пат. 2487007 РФ, B25J 5/00 (аналог). Мобильный робот / Алешин А.А.; заявитель и патентообладатель: Алешин А.А.; заявл. 28.06.2012; опубл. 10.07.2013 Бюл. № 9. - 10 с.

[13] Пат. 2274543 РФ, B25J 5/00, B25J 9/00 (прототип). Мобильный робот / Подураев Ю.В., Ермолов И. Л., Пожидаем И.В.; заявитель и патентообладатель: Московский государственный технологический университет «СТАНКИН»; заявл. 17.09.2004; опубл. 20.04.2006 Бюл. № 11. -9 с.

[14] Пат. 2296357 РФ, G05B 13/02, B60L 15/20 (аналог). Способ нечеткого управления движением подвижного состава рельсового транспортного средства с возможностью плавного управления тягой / Кудрявцев В. С., Страшинин Е. Э., Лисиенко В. Г.; заявитель и патентообладатель: ЗАО "РТСофт"; заявл. 14.09.2004; опубл. 27.03.2007 Бюл. № 9. - 8 с.

[15] Patent 20090276391 US, G06N 5/048. Creation of neuro-fuzzy expert system from online analytical processing (olap) tools / KOFMAN Gene I.; LYSSENKOV Serguei A.; LOBACHEV Rouslan V.; заявитель и патентообладатель: Dintecom Inc. Parkland FL; зявл. 04.05.2009; опубл. 5.11.2009.

[16] Ersin Kolay, Kamil Kayabali, Yuksel Tasdemir Modeling the slake durability index using regression analysis, artificial neural networks and adaptive neuro-fuzzy methods // Bulletin of Engineering Geology and the Environment. - 2010. - Volume 69. - Issue 2. - Pp. 275-286.

[17] S.J. Mousavia, K. Ponnambalamb, F. Karray Inferring operating rules for reservoir operations using fuzzy regression and ANFIS // Fuzzy Sets and Systems. 2007. - 158. - Pp. 1064 - 1082.

[18] L.A. Zadeh Some reflections on soft computing, granular computing and their roles in the conception, design and utilization of information/intelligent systems // Soft Computing 2 (1998) 23-25 Springer-Verlag 1998.

[19] Кулабухов С.А., Бобырь М.В., Якушев А.С., М. В., Кристиан Алехандро Н. С. Программа управлением времени срабатывания исполнительного устройства на основе нечеткой логики / Свидетельство о государственной регистрации программы для ЭВМ №2017615196, заявл. 17.03.2017, опубл. 05.05.2017.

[20] Кулабухов С.А. Учет инерционности в нечетко-логических системах управления [Текст] / В.С. Титов, М.В. Бобырь, С.А. Кулабухов // Промышленные АСУ и контроллеры. - 2014. - №10. - С.14-19.

[21] Кулабухов С.А. Оценка прогнозирования принятия решений в условиях неопределенности [Текст] / М.В. Бобырь,Д.В. Титов, С.А. Кулабухов // Телекоммуникации. - 2015. - №11. - С.39-44.

[22] C.H. Aladag, U. Yolcu, E. Egrioglu, A high order fuzzy time series forecasting model based on adaptive expectation and artificial neural networks, Mathematics and Computers in Simulation 81 (2010) 875-882 doi: 10.1016/j.matcom.2010.09.011

[23] W.V. Leekwijck, E.E. Kerre, Defuzzification: criteria and classification, Fuzzy Sets and Systems 108 (1999) 159-178 doi:10.1016/S0165-0114(97)00337-0

[24] A. Chandramohan, M.V.C. Rao, M.S. Arumugam, Two new and useful defuzzification methods based on root mean square value, Soft Comput (2006) 10: 1047-1059 doi: 10.1007/s00500-005-0042-6

[25] H.R. Mahdiani, A.Banaiyan, M.H.S.Javadi, S.M. Fakhraie, C. Lucas, Defuzzification block: New algorithms, and efficient hardware and software implementation issues, Engineering Applications of Artificial Intelligence 26 (2013) 162-172 doi:10.1016/j.engappai.2012.07.001

[26] H. Rouhparvar, A. Panahi, A new definition for defuzzification of generalized fuzzy numbers and its application, Applied Soft Computing 30 (2015) 577-584 doi:10.1016/j.asoc.2015.01.053.

[27] Кулабухов С.А. Сравнительный анализ использования сигмодальных и треугольных функций принадлежности в алгоритмах нечетко-логического вывода [Текст] / М.В. Бобырь, С.А. Кулабухов, М.В. Конорева // Современные инструментальные системы, информационные технологии и инновации. МТО-20. Том 1: сборник научных трудов XII-ой международной научно-практической конференции. - Курск, 2015. - С.194-196.

[28] A. Piegat, Fuzzy modelling and control. Physica-Verlag. Heidelberg. 2001. doi: 10.1007/978-3-7908-1824-6

[29] D.R. Keshwani, D.D. Jones, G.E. Meyer, R.M. Brand, Rule-based Mamdani-type fuzzy modeling of skin permeability, Applied Soft Computing 8 (2008) 285294 doi: 10.1016/j.asoc.2007.01.007.

[30] Кулабухов С.А. Перспективы использования мягких нечетких вычислений в робототехнике [Текст] / М.В. Бобырь, С.А. Кулабухов // Многоядерные процессоры, параллельное программирование, плис, системы обработки сигналов. №6. - Алтайский государственный университет (Барнаул), 2016. - С.291-295.

[31] Кулабухов С.А. Обучение нейро-нечетких систем [Текст]: монография / М.В. Бобырь. - М.: ИНФРА-М, 2017 - С. 240, раздел: 2.3 - «Модели дефаззификации» - С. 5-96.

[32] Кулабухов С.А. Прогнозирование результата численных вычислений в условиях неопределенности [Текст] / М.В. Бобырь, С.А. Кулабухов // Новые информационные технологии и системы. НИТиС-2014: сборник научных

трудов XI Международной научно-технической конференции посвященную памяти Б.И. Рамеева. - Пенза, 2014. - С.167-169.

[33] Аппаратные продукты Arduino [Электронный ресурс], -Режим доступа: http://amperka.ru/product/arduino-mega-2560, свободный. -20.05.2018.

[34] Продукты компании XILINX [Электронный ресурс], -Режим доступа: https://www.xilinx.com/products/silicon-devices/fpga/virtex-.html свободный. - 20.05.2018.

[35] Аппаратные продукты Arduino [Электронный ресурс], -Режим доступа: http://v-kosmose.com/fizika/vidimyiy-svet/ свободный. - 20.05.2018.

[36] Аппаратные продукты Arduino [Электронный ресурс], -Режим доступа: http://privateblog.info/arduino-uno-i-kamera-ov7670-primer-ispolzovaniya/ свободный. - 20.05.2018.

[37] Аппаратные продукты Arduino [Электронный ресурс], -Режим доступа: https://arduinoplus.ru/arduino-kamera/ свободный. - 20.05.2018.

[38] Аппаратные продукты Arduino [Электронный ресурс], -Режим доступа: http://amperka.ru/product/arduino-motor-shield свободный. - 20.05.2018.

[39] Кулабухов С.А. Гибридная система управления мобильным роботом [Текст] / В.С. Титов, М.В. Бобырь, С.А. Кулабухов // Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования: сборник научных трудов десятой международной научно-технической конференции. - Вологда, 2015. - С.183-185.

[40] Кулабухов С.А. Нечеткий алгоритм управления мобильным роботом [Текст] / В.С. Титов, М.В. Бобырь, С.А. Кулабухов // Распознавание-2015: сборник научных трудов XII международной научно-технической конференции. - Курск, 2015. - С.360-362.

[41] Кулабухов С.А. Устройство стереозрения для системы навигации

мобильного робота [Текст] / М.В. Бобырь, С.А. Кулабухов // Современные

инновации в науке и технике. МТО-36: сборник научных трудов 8-й

116

Всероссийской научно-технической конференция с международным участием. - Курск, 2018. - С.106-110.

[42] Кулабухов С.А. Интеллектуальная система определения углов поворота мобильным роботом [Текст] / М.В. Бобырь, С.А. Кулабухов // Мехатроника, автоматика и робототехника: сборник научных трудов международной научно-практической конференции. - Новокузнецк, 2017. - с.46 - 47.

[43] Кулабухов С.А. Навигация мобильного робота с помощью магнетометра [Текст] / М.В. Бобырь, С.А. Кулабухов, А.С. Якушев // Интеллектуальные системы, управление и мехатроника - 2017: сборник научных трудов Всероссийской научно-технической конференции молодых ученых, аспирантов и студентов. - Севастополь, 2017. - с.166 - 169.

[44] Кулабухов С.А. Нечеткая иерархическая система угловой ориентации мобильного робота. Часть I [Текст] / М.В. Бобырь, С.А. Кулабухов, А.С. Якушев // Мехатроника, автоматизация, управление. - 2016. - Том 17, №7. -С.458-464.

[45] Кулабухов С.А. Нечеткая иерархическая система угловой ориентации мобильного робота. Часть II [Текст] / М.В. Бобырь, С.А. Кулабухов, А.С. Якушев // Мехатроника, автоматизация, управление. - 2016. - Том 17, №8. -С.531-535.

[46] Кулабухов С.А. Метод разности площадей в нечетком алгоритме управления мобильным роботом [Текст] / В.С. Титов, М.В. Бобырь, С.А. Кулабухов // Информационные технологии и математическое моделирование систем: сборник материалов международной научно-технической конференции. - Москва, 2016. - с.42-47.

[47] Кулабухов С.А. Управление поворотами мобильного робота на платформе PIRATE 4WD с помощью компаса [Текст] / М.В. Бобырь, С.А. Кулабухов // Интеллектуальные системы, управление и мехатроника - 2016: сборник научных трудов всероссийской научно-технической конференции. -Севастополь, 2016. - с.64-67.

[48] Кулабухов С.А. Дефаззификация вывода из базы нечетких правил на основе метода разности площадей [Текст] / М.В. Бобырь, С.А. Кулабухов // Вестник компьютерных и информационных технологий. - 2015. - №9. - С.32-41.

[49] Кулабухов С.А. Обучение нейро-нечетких систем [Текст]: монография / М.В. Бобырь. - М.: ИНФРА-М, 2017 - С. 240, раздел: 2.4 - «Дефаззификация: Модель разности площадей» - С. 96-106.

[50] Kulabukhov S.A. A Method of defuzzification based on the approach of areas' ratio / M. V. Bobyr, N. A. Milostnaya, S. A. Kulabukhov // Applied soft computing. - 2017. - Vol. 59. - P. 19-32.

[51] Кулабухов С.А. Математическая модель для нового метода Дефаззификации в структуре нечеткого вывода [Текст] / М.В. Бобырь, С.А. Кулабухов // Мехатроника, автоматика и робототехника: сборник научных трудов международной научно-практической конференции. - Новокузнецк, 2018. - С.218-220.

[52] Кулабухов С.А., Бобырь М.В., Милостная Н.А. Дефазиффикация на основе метода разности площадей / Свидетельство о государственной регистрации программы для ЭВМ №2015615442, заявл. 31.03.2015, опубл. 18.05.2015.

[53] Кулабухов С.А. Обучение нейро-нечеткой системы на основе метода разности площадей [Текст] / М.В. Бобырь, Н.А. Милостная, С.А. Кулабухов // Искусственный интеллект и принятие решений. - 2016. - №9. - С.15-26.

[54] Кулабухов С.А., Бобырь М.В., Якушев А.С. Программа обучения дефаззификации для метода разности площадей / Свидетельство о государственной регистрации программы для ЭВМ №2016612747, заявл. 28.12.2015, опубл. 9.03.2016.

[55] Кулабухов С.А., Титов В.С., Бобырь М.В. Моделирование работы нечетко-логического вывода на основе мягких и жестких арифметических операций / Свидетельство о государственной регистрации программы для ЭВМ №2014614924, заявл. 21.03.2014, опубл. 13.05.2014

[56] Кулабухов С.А., Бобырь М.В., Якушев А.С. Программа управления мобильным роботом для ориентации его в пространстве и обхождения препятствий / Свидетельство о государственной регистрации программы для ЭВМ №2015619396, заявл. 6.07.2015, опубл. 2.09.2015.

[57] Кулабухов С.А., Бобырь М. В., Архипов А. Е., Милостная Н. А. Программа реализации операции разрядного сдвига для синтеза нечеткого контроллера на базе ПЛИС / Свидетельство о государственной регистрации программы для ЭВМ № 2018617836, заявл. 16.05.2018, опубл. 03.07.2018.

[58] Kulabukhov S.A. Fuzzy control system of robot angular attitude / M. V. Bobyr, S. A. Kulabukhov, N. A. Milostnaya // Industrial Engineering, Applications and Manufacturing (ICIEAM), International Conference on. - 2017. - P. 1 - 6. DOI 10.1109/ICIEAM.2016.7910970.

[59] Характеристика платы Spartan-3E [Электронный ресурс], -Режим доступа:https://studbooks.net/2079534/informatika/harakteristika platy sp artan свободный. - 20.05.2018.

[60] Кулабухов С.А., Титов В.С., Бобырь М.В. Время оценки среднеквадратической ошибки при моделировании систем принятия решений в условиях неопределенности / Свидетельство о государственной регистрации программы для ЭВМ №2014617653, заявл. 02.06.2014, опубл. 20.08.2014.

[61] Emelianov S.G., Titov V.S., Bobyr M.V. Adaptive fuzzy logic control system / S. G. Emelianov, V.S Titov, M.V. Bobyr. - M: ARGAMAK- MEDIA. - 2013.

[62] Солонин, И.С. Математическая статистика в технологии машиностроения / И.С. Солонин. - М.: Машиностроение, 1972. - 215 с.

[63] Дрейпер, Н. Прикладной регрессионный анализ / Н. Дрейпер, Г. Смит. -М.: Статистика, 1973. - 399 с.

[64] Kulabukhov S.A. Two modular neuro-fuzzy system for mobile robot navigation / M. V. Bobyr, V. S. Titov, S. A. Kulabukhov, V. I. Syryamkin // II International Conference "Cognitive Robotics" IOP Publishing IOP Conf. Series: Materials Science and Engineering. - 2018. - 363 (2018) 012009 doi:10.1088/1757-899X/363/1/012009.

[65] Пат. 2591931 Российская Федерация, МПК B23B 27/10. Энергосберегающее устройство охлаждения режущего инструмента [Текст] / М.В. Бобырь, Н.А. Милостная, С.А. Кулабухов; заявитель и патентообладатель: Федеральное государственное бюджетное образовательное учреждение высшего образования "Юго-Западный государственный университет" (ЮЗГУ). - №2 2013151351/02; заявл.20.11.2013; опубл.20.07.2016; Бюл. № 12.

[66] Кулабухов С.А., Бобырь М. В., Архипов А. Е., Милостная Н. А. Программа для синтеза нечеткого контроллера на базе ПЛИС с синглтонными выходными функциями принадлежности/ Свидетельство о государственной регистрации программы для ЭВМ № 2018618932, заявл. 18.06.2018, опубл. 24.07.2018.

РОССИЙСКАЯ ФЕДЕРАЦИЙ

RU 2015615442

ФЕДЕРАЛЬНАЯ СЛУЖБА ПО ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ

ГОСУДАРСТВЕННАЯ РЕГИСТРАЦИЯ ПРОГРАММЫ ДЛЯ ЭВМ

Номер регистрации (свидетельства): 2015615442

Авторы:

Кутабухоь Cepjefi Алексеевич iRU), Малостям Наталы Анатольевна (RU), Бобырь Максим Владимирович (RU)

га |>егистрацни: 18.Q5.2015

Номер и ляп поступления заявки: 2015612472 31.03.2015

[ 1ражз об л алател ь:

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования *Юго-Западншй шупарстквны! университет* (RU)

,,'lara публикация: 20.06.2015

Название программы длл ЭВМ: Дефаззнфикацин на основе метода резвости площадей

Реферат:

П|юграмма ггреднэояачеяв для получения результата численных вычислений согласно алгоритму нечетко-логического вывода (НЛВ) с использованием нового метода дефаззифнкации—метода разностисущ_ Данная программа нспольтуег известные алгоритмы HJIB с применением нового, разработанного метода дефатзифнкации результата, основанного на расчете доли площади покрытия фигур, полученные на этапе аккумуляциитермов функции принадлежности 1.ФП} алгоритма нечетко-логического вывода, по отношению к общей л лошади термоп выходной переменной: Программа обеспечивает выполнение следующих функций: расчет значения выхода алгоритма НЛВдлл произвольных входных значений л ароматизированном режиме, расчет промежуточных значений вывода для возможности проверки оптимальности используемы кФП В автоматизированного режима, моделирование графиков вывода алгоритма НЛВ.

Тип реалнзуюшей "ЭВМ: IBM Р(Г-ч:овмест. 11К

Язык программировании.: Visual Basic n Office Сдое! 2ЖП

Вид и дерен* операционной системы: Windows XP/Vjita/7

О&ьеи программы дла ЭВМ: 2Н0 Кб

Сгр: 1

российская федерация

RU

2018617836

ФЕДЕРАЛЬНАЯ СЛУЖБА ПО ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ

(12) ГОСУДАРСТВЕННАЯ РЕГИСТРАЦИЯ ПРОГРАММЫ ДЛЯ ЭВМ

Номер регистрации (свидетельства):

Дата регистрации: 05.07.2018

Номер и дата поступления заявки: 2018614853 16.05.201S

Дата публикации: 03.07.2018

Контактные реквизиты: нет

Авторы:

Кула буков Сергей Алексеевич (КС), Еобырь Максим Владимирович (ЕШ), Архипов Александр Евгеньевич (КГ), Мплостная Наталья Анатольевна (КГ)

Право обладатель: Федеральное государственное бюджетное образовательное учреждение высшего образования 1-Юго-Западный государственный университет" (ЮЗГУ) (К.Ц)

Название программы для ЭВМ:

Программа реализации операции разрядного сдвига для синтеза нечеткого контроллера на базе ПЛИС

Реферат:

Программа предназначена для выполнения алгоритма нечеткого логического вывода, применима для использования в программируемых логических интегральных схемах. Алгоритм нечетко-логического вывода, реализованный в программе, на входе нмеет две входные переменные, на Еыходе выдает одно единственное значение, реализуя нечеткую MISO-систему. Входные лингвистические переменные на входе используют треугольные функции принадлежности. На выходе алгоритма используются синглгонные функции принадлежности. В расчете применяется жесткие арифметические операции нечеткого вывода. В структуре расчета упразднена операция деления. Вместо нее выполняется операция побитового сдвига на 3 разряда вправо, с целью увеличения скорости работы программы. Программа обеспечивает выполнение следующих функций: расчет значения вывода нечетко-логической системы: выполнение операции дефаззифнкацин методом центра тянсестн. За счет применения операции побитового сдвига, выполнение расчета производится за 370 не.

Язык программирования: Veri log Объем программы для ЭВМ: 33 Кб

российская федерация

RU

2016615804

ФЕДЕРАЛЬНАЯ СЛУЖБА

ПО ИНТЕЛЛЕКТУАЛЬНОЙ СОБСТВЕННОСТИ

(12) ГОСУДАРСТВЕННАЯ РЕГИСТРАЦИЯ ПРОГРАММЫ ДЛЯ ЭВМ

Номер регистрации (свидетельства): 201Ó615SQ4

Дата регистрации: 30.05.2016

Номер и дата поступления заяЕки: 20166129S3 04.04.2016

Дата публикации: 20.06.201d

Авторы:

Кулабухов Сергей Алексеевич (ИС), Якушев Алексей Сергеевич (КГ), Бо&ырь Максим Владимирович (К1*)

Правообладатель: Федеральное государственное бюджетное образовательное учреждение высшего образован пи «Юго-Западный государственный университет» (КГ)

Название программы для ЭВМ: Программа нечетко-логического вывода проведения их сравнительного анализа

разными методами дефаззпфикашш п

Реферат:

Программа предназначена для проведения расчетов с использованием алгоритма нечетко-логического вывода (НЛВ) с различными методами дефаззнфикацин. Расчеты проводятся на основе алгоритмов следующих методов дефаззнфикацни: центр тяжести, центр сумм, метод нахождения первого максимума, последнего максимума, центрального максимума, метода вершин н метода разности площадей. В программе существует возможность сравнения точности каждого метода дефаззифнкации на основании коэффициента среднеквадратичесыого отклонен™ (KM SE). Программа обеспечивает выполнение следующих функций: проведение дефаззнфнкацин семью разными методами, расчет коэффициента среднеквадратического отклонения для каждого метода, моделирование графиков выхода алгоритма НЛВ.

Тпп реализующей ЭВМ: IBM РС-совмест. ЭВМ

Язык программирования: C¿¿, в среде Visual Studio 2010

Вид п версия операционной системы: Windows ХР Vista 7

Объем программы для ЭВМ: 50 Ко

Программа нечетко-логического вывода разными методами дефаззификации и проведения сравнительного анализа.

using System;

using System.Collections.Generic; using System.ComponentModel; using System.Data; using System.Drawing; using System.Linq; using System.Text; using System.Windows.Forms; using System.IO;

using System.Reflection;

using Excel = Microsoft.Office.Interop.Excel;

namespace AnaliticProg {

public partial class Form1 : Form {

private Excel.Application excelapp; private Excel.Range xlCells;

Excel.Workbook xlWorkBook;

Excel.Worksheet xlWorkSheet;

object missing = System.Reflection.Missing.Value;

public Form1() {

InitializeComponent();

excelapp = new Excel.Application(); excelapp.Visible = true;

excelapp.DisplayAlerts = false;

excelapp.Visible = excelapp.ScreenUpdating = false;

excelapp.Workbooks.Open(Directory.GetCurrentDirectory() + @"\ExcelDataFile.xlsm",Type.Missing, Type.Missing, Type.Missing, Type.Missing,Type.Missing, Type.Missing, Type.Missing, Type.Missing, Type.Missing,Type.Missing, Type.Missing, Type.Missing,

Type.Missing, Type.Missing);

//Получаем ссылку на лист 1 xlWorkBook = excelapp.ActiveWorkbook; xlWorkSheet = (Excel.Worksheet)xlWorkBook.Sheets[1];

//Первая входная ФП (вершины) dataGridView1.Rows.Add(new String[] { Convert.ToString(xlWorkSheet.get_Range("A2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("B2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("C2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("D2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("E2",Type.Missing).Value2), });

//График первой входной ФП GetPicture(pictureBox1, 0);

//Вторая входная ФП (вершины) dataGridView2.Rows.Add(new String[] { Convert.ToString(xlWorkSheet.get_Range("I2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("J2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("K2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("L2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("M2",Type.Missing).Value2),

});

//График второй входной ФП GetPicture(pictureBox2, 2);

//Выходная ФП (вершины) dataGridView3.Rows.Add(new String[] { Convert.ToString(xlWorkSheet.get_Range("AZ2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("BA2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("BB2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("BC2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("BD2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("BE2",Type.Missing).Value2), Convert.ToString(xlWorkSheet.get_Range("BF2",Type.Missing).Value2),

});

//График выходной ФП GetPicture(pictureBox3, 5);

}

//Получение графиков для пикче боксов public void GetPicture(PictureBox _pb, int _itemId) {

Excel.Shape xlShape = xlWorkSheet.Shapes.Item(_itemId); xlShape.CopyPicture(Excel.XlPictureAppearance.xlScreen, Excel.XlCopyPictureFormat.xlBitmap);

if (Clipboard.GetDataObject() != null) {

IDataObject data = Clipboard.GetDataObject();

if (data.GetDataPresent(DataFormats. Bitmap)) {

Image image = (Image)data.GetData(DataFormats.Bitmap, true); _pb.BackgroundImage = image;

}

else {

MessageBox.Show("No image in Clipboard !!");

}

}

else {

MessageBox.Show("Clipboard Empty !!");

}

}

//Расчет выходного значения методом

private void button1_Click(object sender, EventArgs e) {

x^ells = (Excel.Range)xlWorkSheet.Cells[34, 42];

xlСells.Value2 = comboBox2.Items[comboBox2.SelectedIndex].ToString(); xlСells = (Excel.Range)xlWorkSheet.Cells[34, 44];

xlСells.Value2 = comboBox3.Items[comboBox3.SelectedIndex].ToString(); xlWorkBook.Save();

//Закрузка графика композиции GetPicture(pictureBox4, 6); //Загрузка графика аккумуляции GetPicture(pictureBox5, 7);

//Выход методом разности площадей x^ells = (Excel.Range)xlWorkSheet.CeNs[18, 214]; textBox13.Text = Convert.ToString(xlСells.Value2);

xlСells = (Excel.Range)xlWorkSheet.Cells[18, 224]; textBox14.Text = Convert.ToString(xlСells.Value2);

//Выход метода центром тяжести

x^ells = (Excel.Range)xlWorkSheet.Cells[112,73];

textBox1.Text = Convert.ToString(xlСells.Value2);

xlСells = (Excel.Range)xlWorkSheet.Cells[112, 82]; textBox2.Text = Convert.ToString(xlСells.Value2);

//Вывод методом центра сумм

x^ells = (Excel.Range)xlWorkSheet.Cells[114, 98];

textBox3.Text = Convert.ToString(xlСells.Value2);

xlOells = (Excel.Range)xlWorkSheet.Cells[114, 110]; textBox4.Text = Convert.ToString(xlСells.Value2);

//Вывод методом вершин

x^ells = (Excel.Range)xlWorkSheet.CeNs[15, 115];

textBox5.Text = Convert.ToString(xlСells.Value2);

xlСells = (Excel.Range)xlWorkSheet.CeNs[21, 115]; textBox6.Text = Convert.ToString(xlСells.Value2);

//Вывод методом левого максимума

x^ells = (Excel.Range)xlWorkSheet.CeNs[11, 143];

textBox7.Text = Convert.ToString(xlСells.Value2);

x^ells = (Excel.Range)xlWorkSheet.CeNs[11, 150]; textBox8.Text = Convert.ToString(xlСells.Value2);

//Вывод методом правого максимума x^ells = (Excel.Range)xlWorkSheet.CeNs[11, 169]; textBox9.Text = Convert.ToString(xlСells.Value2);

xlСells = (Excel.Range)xlWorkSheet.Cells[11, 174]; textBox10.Text = Convert.ToString(xlСells.Value2);

//Методом центра максимума

x^ells = (Excel.Range)xlWorkSheet.CeNs[11, 196];

textBox11.Text = Convert.ToString(xlСells.Value2);

x^ells = (Excel.Range)xlWorkSheet.CeNs[11, 203]; textBox12.Text = Convert.ToString(xlСells.Value2);

}

//Изменение координат первой входной переменной (вершин)

private void button3_Click(object sender, EventArgs e) {

DataGridViewRow row = dataGridView1.Rows[0];

for (int i = 0; i < 5; ++i) {

x^ells = (Excel.Range)xlWorkSheet.Cells[2, i + 1]; xlСells.Value2 = row.Cells[i].Value.ToString();

}

xlWorkBook.Save(); //График первой входной ФП GetPicture(pictureBox1, 0);

//ПШШДописать изменение диапазона графиков!!!!!!!!

}

//Изменение координат второй входной переменной (вершин)

private void button4_Click(object sender, EventArgs e) {

DataGridViewRow row = dataGridView2.Rows[0];

for (int i = 0; i < 5; ++i) {

x^ells = (Excel.Range)xlWorkSheet.Cells[2, i + 9]; xlСells.Value2 = row.Cells[i].Value.ToString();

}

xlWorkBook.Save(); //График первой входной ФП GetPicture(pictureBox2, 2);

}

//Изменение координат выходной переменной (вершин)

private void button5_Click(object sender, EventArgs e) {

DataGridViewRow row = dataGridView3.Rows[0];

for (int i = 0; i < 7; ++i) {

x^ells = (Excel.Range)xlWorkSheet.Cells[2, i + 52]; xlСells.Value2 = row.Cells[i].Value.ToString();

}

xlWorkBook.Save(); //График первой входной ФП GetPicture(pictureBox3, 5);

}

private void tabControl1_SelectedIndexChanged(object sender, EventArgs e) {

comboBox2.Items.Clear(); comboBox3.Items.Clear(); if (tabControl1.Selected Index == 1) { for (int i = Convert.ToInt32(dataGridView1.Rows[0].Cells[0].Value); i < Convert.ToInt32(dataGridView1.Rows[0].Cells[4].Value); ++i)

comboBox2.Items.Add(i); for (int i = Convert.ToInt32(dataGridView2.Rows[0].Cells[0].Value); i < Convert.ToInt32(dataGridView2.Rows[0].Cells[4].Value); ++i)

comboBox3.Items.Add(i);

comboBox2.SelectedIndex = 0; comboBox3.SelectedIndex = 0;

textBox1.Text = ""; textBox2.Text = ""; textBox3.Text = ""; textBox4.Text = "";

textBox5.Text = ""; textBox6.Text = ""; textBox7.Text = ""; textBox8.Text = ""; textBox9.Text = ""; textBox10.Text = ""; textBox11.Text = ""; textBox12.Text = ""; textBox13.Text = ""; textBox14.Text = "";

pictureBox4.BackgroundImage = null; pictureBox5.BackgroundImage = null;

}

}

private void Form1_FormClosed(object sender, FormClosedEventArgs e) {

xlWorkBook.Close(true, missing, missing); excelapp.Quit();

releaseObject(xlWorkSheet);

releaseObject(xlWorkBook);

releaseObject(excelapp);

}

private void releaseObject(object obj) {

try {

System.Runtime.InteropServices.Marshal.ReleaseComObject(obj); obj = null;

}

catch (Exception ex) {

obj = null;

}

}

private void button2_Click(object sender, EventArgs e) {

//Задать случайную выборку

excelapp.Run("ExcelDataFile.xlsm!Random_MaCS.Random_MaCS"); GetPicture(pictureBox6, 10);

}

//Вкладка разность площадей

private void button6_Click(object sender, EventArgs e) {

progressBar1.Value = 5;

excelapp.Run("ExcelDataFile.xlsm!NewDef_hard.NewDef_hard"); progressBar1.Value = 40;

excelapp.Run("ExcelDataFile.xlsm!NewDef_soft.NewDef_soft");

progressBar1.Value = 80;

GetPicture(pictureBox7, 24);

xlCells = (Excel.Range)xlWorkSheet.Cells[333, 81];

textBox15.Text = Convert.ToString(xlCells.Value2);

progressBar1.Value = 90;

GetPicture(pictureBox8, 25);

xlCells = (Excel.Range)xlWorkSheet.Cells[358, 81];

textBox16.Text = Convert.ToString(xlCells.Value2);

progressBar1.Value = 100;

}

//Вкладка центр тяжести

private void button7_Click(object sender, EventArgs e) {

progressBar2.Value = 5;

excelapp.Run("ExcelDataFile.xlsm!Def_hard_CG.Def_hard_CG"); progressBar2.Value = 40;

excelapp.Run("ExcelDataFile.xlsm!Def_soft_CG.Def_soft_CG");

progressBar2.Value = 80;

GetPicture(pictureBox9, 4);

xlCells = (Excel.Range)xlWorkSheet.Cells[225, 81];

textBox17.Text = Convert.ToString(xlCells.Value2);

progressBar2.Value = 90;

GetPicture(pictureBox10, 3);

xlCells = (Excel.Range)xlWorkSheet.Cells[250, 81];

textBox18.Text = Convert.ToString(xlCells.Value2);

progressBar2.Value = 100;

}

//Вкладка центр сумм

private void button8_Click(object sender, EventArgs e) {

progressBar3.Value = 5;

excelapp.Run("ExcelDataFile.xlsm!Def_hard_CS.Def_hard_CS"); progressBar3.Value = 40;

excelapp.Run("ExcelDataFile.xlsm!Def_soft_CS.Def_soft_CS");

progressBar3.Value = 80;

GetPicture(pictureBox11, 26);

xlCells = (Excel.Range)xlWorkSheet.Cells[225, 107];

textBox20.Text = Convert.ToString(xlCells.Value2);

progressBar3.Value = 90;

GetPicture(pictureBox12, 31);

xlCells = (Excel.Range)xlWorkSheet.Cells[250, 107];

textBox19.Text = Convert.ToString(xlCells.Value2);

progressBar3.Value = 100;

}

//Вкладка метод вершин

private void button9_Click(object sender, EventArgs e) {

progressBar4.Value = 5;

excelapp.Run("ExcelDataFile.xlsm!Def_hard_MH.Def_hard_MH"); progressBar4.Value = 40;

excelapp.Run("ExcelDataFile.xlsm!Def_soft_MH.Def_soft_MH");

progressBar4.Value = 80;

GetPicture(pictureBox13, 27);

xlСells = (Excel.Range)xlWorkSheet.Cells[225, 138];

textBox22.Text = Convert.ToString(xlСells.Value2);

progressBar4.Value = 90;

GetPicture(pictureBox14, 32);

x^ells = (Excel.Range)xlWorkSheet.Cells[250, 138];

textBox21.Text = Convert.ToString(xlСells.Value2);

progressBar4.Value = 100;

}

//Вкладка левый максимум

private void button10_Click(object sender, EventArgs e) {

progressBar5.Value = 5;

excelapp.Run("ExcelDataFile.xlsm!Def_hard_FM.Def_hard_FM"); progressBar5.Value = 40;

excelapp.Run("ExcelDataFile.xlsm!Def_soft_FM.Def_soft_FM");

progressBar5.Value = 80;

GetPicture(pictureBox15, 28);

x^ells = (Excel.Range)xlWorkSheet.Cells[225, 164];

textBox24.Text = Convert.ToString(xlСells.Value2);

progressBar5.Value = 90;

GetPicture(pictureBox16, 33);

xlСells = (Excel.Range)xlWorkSheet.Cells[250, 164];

textBox23.Text = Convert.ToString(xlСells.Value2);

progressBar5.Value = 100;

}

//Вкладка правый максимум

private void button11_Click(object sender, EventArgs e) {

progressBar6.Value = 5;

excelapp.Run("ExcelDataFile.xlsm!Def_hard_LM.Def_hard_LM"); progressBar6.Value = 40;

excelapp.Run("ExcelDataFile.xlsm!Def_soft_LM.Def_soft_LM");

progressBar6.Value = 80;

GetPicture(pictureBox17, 29);

xlСells = (Excel.Range)xlWorkSheet.Cells[225, 190];

textBox26.Text = Convert.ToString(xlСells.Value2);

progressBar6.Value = 90;

GetPicture(pictureBox18, 34); xlCells = (Excel.Range)xlWorkSheet.Cells[250, 190]; textBox25.Text = Convert.ToString(xlCells.Value2); progressBar6.Value = 100;

}

//Вкладка центр максимум

private void button12_Click(object sender, EventArgs e) {

progressBar7.Value = 5;

excelapp.Run("ExcelDataFile.xlsm!Def_hard_MM.Def_hard_MM"); progressBar7.Value = 40;

excelapp.Run("ExcelDataFile.xlsm!Def_soft_MM.Def_soft_MM");

progressBar7.Value = 80;

GetPicture(pictureBox19, 30);

xlCells = (Excel.Range)xlWorkSheet.Cells[225, 216];

textBox28.Text = Convert.ToString(xlCells.Value2);

progressBar7.Value = 90;

GetPicture(pictureBox20, 35);

xlCells = (Excel.Range)xlWorkSheet.Cells[250, 216];

textBox27.Text = Convert.ToString(xlCells.Value2);

progressBar7.Value = 100;

}

}

}

int leftLinePin = 9; int rightLinePin = 10;

int leftDirPin = 4; int leftSpeedPin = 5;

int rightDirPin = 7; int rightSpeedPin = 6;

int FAST_TIME_THRESHOLD = 100; int fastTime = 0;

int runSpeed = 50; int SLOW_SPEED = 50; int SPEED_STEP = 1; int currentSpeed = runSpeed;

void setupMotorShield(){ pinMode(leftDirPin, OUTPUT); pinMode(leftSpeedPin, OUTPUT); pinMode(rightDirPin, OUTPUT); pinMode(rightSpeedPin, OUTPUT);

}

void go(){

analogWrite(leftSpeedPin, currentSpeed); analogWrite(rightSpeedPin, currentSpeed);

}

void stop(){ analogWrite(leftSpeedPin, 0); analogWrite(rightSpeedPin, 0);

}

void setStartParamers(){ currentSpeed = runSpeed; fastTime = 0;

}

void goForward(){ fastTime += 1;

if (fastTime < FAST_TIME_THRESHOLD) {

currentSpeed = SLOW_SPEED; } else {

currentSpeed = min(currentSpeed + SPEED_STEP, 220);

}

digitalWrite(leftDirPin, HIGH); digitalWrite(rightDirPin, HIGH); go();

}

void turnLeft(){ digitalWrite(leftDirPin, LOW); digitalWrite(rightDirPin, HIGH); go();

}

void turnRight(){ digitalWrite(leftDirPin, HIGH); digitalWrite(rightDirPin, LOW); go();

}

void setup (){ setupMotorShield(); // Serial.begin(9600);

}

void loop(){

// Serial.println(currentSpeed); boolean whiteLeft = digitalRead(leftLinePin); boolean whiteRight = digitalRead(rightLinePin);

if (!whiteLeft && !whiteRight) { goForward();

}

else if (whiteLeft && whiteRight){ stop();

setStartParamers();

goForward();

delay(50);

}

else if (whiteRight){ setStartParamers(); turnLeft();

}