Разработка алгоритмов настройки нечетких логических регуляторов на основе исследования их динамических характеристик тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Май Тхе Ань

• Май Тхе Ань
• кандидат наук
• 2018

Оглавление диссертации кандидат наук Май Тхе Ань

Список сокращений

ВВЕДЕНИЕ

1. АНАЛИЗ СОВРЕМЕННЫХ МЕТОДОВ ПОСТРОЕНИЯ СИСТЕМ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ НА ОСНОВЕ НЕЧЕТКОЙ ЛОГИКИ

1.1. Области применения нечетких логических регуляторов в системах автоматического управления

1.2. Проблемы повышения качества нечетких систем управления

1.3. Задача адаптации в нечетких системах управления

1.4. Постановка задачи

1.5. Выводы по главе

2. ИССЛЕДОВАНИЕ ДИНАМИЧЕСКИХ СВОЙСТВ НЕЧЕТКИХ ЛОГИЧЕСКИХ РЕГУЛЯТОРОВ

2.1. Факторы, влияющие на свойства нечеткого логического регулятора, и исследуемые характеристики

2.2. Нечеткое соответствие между пространством предпосылок и пространством заключений

2.3. Исследование влияния логического базиса на характеристики нечеткого ПД-регулятора

2.4. Влияние формы и диапазона изменения функций принадлежности на динамику нечеткого регулятора

2.5. Исследование характеристик НПД при изменении степеней значимости подусловий в правилах нечеткого вывода

2.6. Общие рекомендации по настройке нечеткого пропорционально-дифференцирующего регулятора

2.7. Выводы по главе

3. РАЗРАБОТКА АЛГОРИТМОВ НАСТРОЙКИ НЕЧЕТКОГО РЕГУЛЯТОРА ДЛЯ СИСТЕМЫ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ДИНАМИЧЕСКИМИ ОБЪЕКТАМИ

3.1. Нечеткая система управления уровнем воды в барабане парового котла

3.2. Алгоритм предварительной настройки нечеткого регулятора в тестовом режиме

3.3. Анализ автоколебаний в нечеткой системе управления

3.4. Алгоритм работы нечеткого супервизора в режиме нормальной эксплуатации системы

3.5. Выводы по главе

4. ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ РЕЗУЛЬТАТОВ РАБОТЫ

4.1. Разработка двухуровневой нечеткой системы управления двухколесной балансирующей платформенной тележкой

4.2. Использование результатов диссертационной работы в учебном процессе

4.3. Выводы по главе

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ

СПИСОК СОКРАЩЕНИЙ

НЛР - нечеткий логический регулятор П-регулятор - пропорциональный регулятор ПИ-регулятор - пропорционально-интегральный регулятор ПД-регулятор - пропорционально-дифференцирующий регулятор ПИД-регулятор - пропорционально-интегрально-дифференцирующий регулятор

НПД - нечеткий пропорционально-дифференцирующий регулятор ANFIS - Adaptive Network Fuzzy Inference System (адаптивная нейро-нечеткая система логического вывода)

НПИД - нечеткий пропорционально-интегрально-дифференцирующий регулятор

ФП - функция принадлежности

АдСУ - адаптивная система управления

ОУ - объект управления

УУ - управляющее устройство

УА - устройство адаптации

ЛП - лингвистическая переменная

САУ - система автоматического управления

НСУ - нечеткая система управления

ЛАЧХ - логарифмическая амплитудно-частотная характеристика ФЧХ - фазочастотная характеристика

ЭККУ - эквивалентный комплексный коэффициент усиления МЭМС - микроэлектромеханическая система СВ - супервизор БЗ - база знаний

Введение диссертации (часть автореферата) на тему «Разработка алгоритмов настройки нечетких логических регуляторов на основе исследования их динамических характеристик»

ВВЕДЕНИЕ

Современный уровень развития промышленности требует комплексного подхода при разработке систем автоматического управления техническими объектами. Это обусловлено как необходимостью повышения качества управления при минимальных затратах на создание и эксплуатацию систем, так и усложнением структуры объекта управления, функций, выполняемых им, и, как следствие, увеличение факторов неопределенности, которые необходимо учитывать при управлении объектом.

В теории автоматического управления существует много методов, позволяющих оптимизировать работу систем по тем или иным критериям качества при выполнении ряда ограничений. Но математический аппарат, используемый в «традиционных» методах автоматического управления, не всегда может в полной мере удовлетворить нуждам современного производства.

Поэтому в последнее время находят распространение «мягкие вычисления». В их основе лежит попытка некоторой формализации деятельности головного мозга человека и функционирования живых организмов [6].

Сущность мягких вычислений состоит в том, что «в отличие от традиционных, жестких вычислений, они нацелены на приспособление к всеобъемлющей неточности реального мира. Руководящим принципом мягких вычислений является «терпимость к неточности, неопределенности и частичной истинности для достижения удобства манипулирования, робастности, низкой стоимости решения и лучшего согласия с реальностью. Мягкие вычисления не являются отдельной методологией. Это, скорее, объединение, партнерство различных направлений. Главными партнерами в этом объединении являются нечеткая логика, нейровычисления, генетические вычисления и вероятностные вычисления с более поздним включением хаотических систем, сетей доверия и разделов теории обучения» [29, 58].

Одним из направлений развития современных систем управления являются разработка и исследование систем, построенных на основе нечеткой ло-

гики [140]. Подобные системы целесообразно использовать, в первую очередь, при управлении сложными объектами, для которых отсутствует или является неприемлемо сложным математическое описание.

Проблемам построения систем на основе нечеткого логического вывода посвящено множество публикаций отечественных и зарубежных ученых в области автоматического управления. В числе наиболее известных можно назвать работы Э. Мамдани [108], Р. Ягера [94], Д.А. Поспелова [57], М. Сугэ-но, Т. Такаги, Т. Танаки [124, 125, 128, 129], А.Н. Аверкина, И.З. Батыршина [1], А.Н. Мелихова [47], В.В. Круглова, В.В. Борисова, А.С. Федулова, [22], А.А. Ускова [68], И.М. Макарова, В.М. Лохина, С. В. Манько, М. П. Романова [37, 43], А. Пегата [56, 117], Д. Дюбуа и А. Прада [84, 85].

Однако, несмотря на многолетнее успешное применение нечетких логических регуляторов (НЛР) в различных практических приложениях, подходы к их настройке носят, в основном, эвристический характер. Это обусловлено недостаточной изученностью НЛР как элемента системы автоматического управления. Поэтому достаточно важной является задача комплексного исследования НЛР, позволяющего выявить основные закономерности его функционирования при изменении тех или иных настроек.

Объектом исследования диссертации являются нечеткие регуляторы и системы управления, построенные на их основе.

Предметом исследования являются динамические характеристики нечеткого регулятора как элемента системы автоматического управления.

Целью работы является разработка алгоритмов настройки нечетких логических регуляторов на основе исследования их динамических характеристик.

Для достижения поставленной цели решаются следующие основные задачи:

1. Проведение комплексных исследований влияния параметров нечеткого ПД-регулятора на его динамические характеристики, позволяющих определить его место и значение в контуре системы управления.

2. Выработка рекомендаций по настройке параметров нечеткого регулятора, гарантирующих требуемые динамические характеристики.

3. Разработка алгоритмов настройки нечеткой системы управления динамическими объектами с функциями адаптации.

4. Апробация разработанных алгоритмов на макете системы стабилизации и управления двухколесной платформенной тележки.

Методы исследования

Полученные в диссертации результаты основываются на применении теории автоматического управления, теории нечетких множеств, численных методов, имитационного моделирования.

Научная новизна

1. На основе проведенных комплексных исследований определены зависимости динамических характеристик нечеткого пропорционально-дифференцирующего регулятора от его параметров, позволяющие осуществлять анализ и синтез нечетких систем автоматического управления.

2. Разработаны алгоритмы настройки параметров нечеткого регулятора для системы управления, содержащей исполнительный контур и контур адаптации, позволяющие эффективно управлять динамическим объектом.

Обоснованность и достоверность научных результатов и положений диссертации

Обоснованность и достоверность полученных результатов подтверждается их согласованностью с результатами, полученными другими авторами, совпадением с результатами имитационного моделирования и натурных экспериментов, корректным применением теории автоматического управления и теории нечетких множеств.

Практическая значимость результатов

Основные теоретические положения диссертации доведены до уровня их практического применения. Разработан программный комплекс LabFuz, наглядно демонстрирующий изменение динамики системы управления при варьировании настроек нечеткого регулятора. Выработаны рекомендации,

позволяющие осуществлять настройку нечеткого регулятора для обеспечения заданных показателей качества системы автоматического управления.

Результаты исследования были использованы при разработке нечеткого супервизора в контуре адаптации двухуровневых систем управления, а также при настройке нечеткого регулятора в гибридной системе стабилизации и управления двухколесной платформы.

Реализация результатов работы

Программный комплекс ЬаЬРш успешно используется в учебном процессе кафедры управления и информатики Национального исследовательского университета «МЭИ» при проведении лабораторных работ по курсу «Нечеткие алгоритмы управления».

Построенный на основе разработанных алгоритмов макет двухколесной платформы используется в качестве наглядного пособия при проведении лекционных занятий.

Личный вклад

Все представленные в диссертации результаты получены лично автором. В работах, опубликованных в соавторстве, научному руководителю принадлежат постановки задач, а соискателю - разработка инструментальных средств для проведения исследований; анализ зависимостей характеристик нечетких регуляторов и систем управления от различных параметров настройки; разработка алгоритма настройки нечеткого регулятора для двухуровневой системы управления; решение комплекса задач, связанных с построением двухколесной платформы и ее управлением.

Апробация результатов

Материалы диссертационного исследования докладывались на XV -XVII Международных научно-методических конференциях «Информатика: проблемы, методологии, технологии» (Воронеж, 2015-2017 гг.), Международной научно-технической конференции «Проблемы автоматизации и управления в технических системах», посвященной 70-летию Победы в Великой Отечественной войне (Пенза, 2015 г.), XXI - XXIII Международных научно-технических конференциях студентов и аспирантов «Радиоэлектро-

ника, электротехника и энергетика» (Москва, 2015-2017 гг.), XXIV - XXVI Международных научно-технических конференциях «Современные технологии в задачах управления, автоматики и обработки информации» (Алушта, 2015-2017 гг.), VI Международной научно-технической интернет-конференции молодых ученых (Омск, 2016 г.) «Автоматизация, мехатроника, информационные технологии = Automation, Mechatronics, Information Technologies», Международном университетском форуме «International Academic Forum АМО - SPITSE - NESEFF» (Москва - Смоленск, 2016 г.).

Публикации

По теме диссертации опубликованы 16 работ, в том числе 2 статьи в журналах, рекомендованных ВАК РФ, и 2 статьи, входящие в международные библиографические базы данных Web of Science и Scopus.

Структура и объем работы

Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложения. Основная часть работы содержит 169 страниц машинописного текста, 78 рисунков и 4 таблицы. Список литературы включает 142 наименования.

В первой главе проведен анализ современных методов построения систем автоматического управления на основе нечеткой логики.

Рассмотрены области применения нечетких логических регуляторов в системах автоматического управления. Отмечено, что основными областями применения НЛР являются системы управления сложными объектами, для которых отсутствует или является неприемлемо сложным математическое описание, а также системы, функционирующие в условиях воздействия различных факторов неопределенности. Показано, что нечеткие регуляторы не только успешно используются в системах управления сложными объектами, выполняя функции, которые ранее были возложены на квалифицированных специалистов, но и находят применение в относительно простых системах, заменяя собой традиционные П-, ПИ-, ПД-, ПИД-регуляторы.

Проанализированы проблемы повышения качества нечетких систем управления. Сделан вывод о том, что для дальнейшего успешного использования нечетких регуляторов в системах автоматического управления является желательным определение взаимосвязи между настроечными параметрами и их динамическими свойствами.

Рассмотрена задача адаптации в нечетких системах управления. Приведены примеры различных вариантов построения гибридных интеллектуальных систем, содержащих блок нечеткого вывода. Обоснована целесообразность использования аппарата нечеткой логики для подстройки параметров нечеткого регулятора при управлении нестационарным динамическим объектом.

Сформулирована постановка задачи диссертационного исследования.

Сделан вывод о том, что аппарат нечеткой логии может успешно применяться как в исполнительном, так и в супервизорном контурах гибридных интеллектуальных систем управления. Отмечено, что для корректной настройки НЛР требуются знания о зависимостях его динамических характеристик от разнообразных факторов, влияющих на его работу. В тех случаях, когда параметры или режимы работы динамического объекта изменяются в достаточно широких пределах, необходима коррекция параметров настройки НЛР для достижения заданных показателей качества системы управления. Обоснована целесообразность использования аппарата нечеткой логики для подстройки параметров НЛР.

Вторая глава посвящена комплексному исследованию динамических свойств нечетких логических регуляторов. Выделены основные факторы, влияющие на функционирование нечеткого логического регулятора.

Обоснована структура исследуемого нечеткого ПД-регулятора (НПД).

Определены характеристики, позволяющие делать суждения о динамических свойствах НПД: поверхности управления, статические характеристики, спектры сигналов на выходе НПД, логарифмические амплитудно-

частотные и фазочастотные характеристики, показатели качества переходных процессов, параметры аппроксимирующего линейного ПД-регулятора.

На основе проведенных комплексных исследований получены зависимости динамических характеристик НПД от логического базиса (Т-нормы), характера нечеткого соответствия между пространством предпосылок и пространством заключений (базы правил), формы и диапазонов изменения функций принадлежности термов, степени значимости подусловий (лингвистических переменных).

Выработаны основные рекомендации по настройке нечеткого регулятора.

Третья глава посвящена разработке двухуровневой нечеткой системы автоматического управления динамическими объектами.

Рассмотрена система управления уровнем воды в барабане парового котла. Приведены ее функциональная схема и краткое описание. Сделан вывод о целесообразности выбора в качестве устройства управления нечеткого регулятора с функцией адаптации.

На основании результатов исследований динамических свойств нечеткого регулятора разработан алгоритм работы супервизора, осуществляющий предварительную настройку НПД в тестовом режиме.

Проведен анализ автоколебаний в нечеткой системе управления и определены меры по их устранению.

Разработан алгоритм работы нечеткого супервизора в режиме нормальной эксплуатации системы.

На основе результатов имитационного моделирования двухуровневой нечеткой системы управления уровнем воды в барабане парового котла продемонстрированы ее работоспособность и эффективность.

Четвертая глава посвящена практическим применениям результатов диссертационной работы. Результаты исследования динамических свойств НПД и алгоритмы его настройки были использованы при построении лабораторного макета балансирующей двухколесной платформенной тележки. В

данной работе стабилизация тележки осуществляется при помощи комбинации двухуровневой нечеткой системы, осуществляющей управление угловым положением платформы, и традиционного ПД-регулятора, осуществляющего управление ее линейным перемещением. Имитационное моделирование и натурные испытания системы управления балансирующей платформенной тележки показали ее полную работоспособность, как в режиме стабилизации вертикального положения, так и в режиме управляемого перемещения. Лабораторный макет платформы с системой управления используется в качестве наглядного пособия при чтении лекционного курса «Нечеткие алгоритмы управления».

Приведено описание программного комплекса ЬаЬРгщ позволяющего осуществлять имитационное моделирование нечеткой системы управления и строить характеристики НПД при различных параметрах его настройки. Этот комплекс успешно используется в учебном процессе кафедры управления и информатики Национального исследовательского университета «МЭИ» при проведении лабораторных работ по курсу «Нечеткие алгоритмы управления».

1. АНАЛИЗ СОВРЕМЕННЫХ МЕТОДОВ ПОСТРОЕНИЯ СИСТЕМ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ НА ОСНОВЕ НЕЧЕТКОЙ ЛОГИКИ

1.1. Области применения нечетких логических регуляторов в системах автоматического управления

Регуляторы, основанные на нечетком логическом выводе, в настоящее время прочно вошли в практику построения систем автоматического управления. Концепция нечеткой логики была предложена профессором Калифорнийского университета Л. А. Заде в середине 1960-х годов [140] и изначально была представлена не как методология управления, а как способ обработки данных, обеспечивающий большую гибкость по сравнению с методами, основанными на четкой логике. Этот подход практически не применялся по отношению к системам управления до 1970-х годов из-за низкой производительности микро-ЭВМ того времени. Отсутствие прикладных результатов порождало определенный скептицизм в научном сообществе. Ситуация начала меняться, когда британский ученый Э. Мамдани опубликовал результаты использования нечеткой логики для управления парогенератором [108]. В начале 1980-х годов начался бурный рост как практических приложений нечеткой логики, так и теоретических изысканий в этой области.

Как было отмечено в [47], основной областью применения нечетких логических регуляторов (НЛР) являются системы управления сложными объектами. Под «сложными» понимаются объекты, имеющие следующие главные отличительные особенности:

1. Не все цели выбора управляющих решений и условия, влияющие на этот выбор, могут быть выражены в виде количественных соотношений.

2. Отсутствует либо является неприемлемо сложным формализованное описание объекта управления.

3. Значительная часть информации, необходимой для математического описания объекта, существует в форме представлений и пожеланий квалифицированных специалистов-экспертов.

На сегодняшний день накоплен достаточно большой опыт использования нечетких регуляторов в различных областях промышленности при управлении сложными объектами. Так, в [59] описываются примеры работы НЛР в промышленных системах. Приведем некоторые из них.

Управление доменной печью. Нечеткая система управления доменной печью была разработана на основе действующей ранее экспертной системы. Одной из проблем экспертной системы, содержащей эмпирические правила, оказалось представление нечеткостей в знаниях. Для ее решения обычно используют степени достоверности вывода для каждого правила либо нечеткие множества. Вместе с тем доменный процесс является очень сложным процессом, в котором одновременно протекают реакции трех фаз - газообразной, твердой и жидкой. Поэтому профессиональные знания квалифицированного оператора трудно представить только функциями принадлежности и так же трудно реализовать управление в виде единой системы. В связи с этим в рассматриваемой системе в качестве способа представления обширных профессиональных знаний использовали порождающие правила, а в качестве средства представления нечеткостей ввели понятия теории нечетких множеств. Наряду с простотой представления знаний это позволило избежать увеличения числа правил и сократить время вывода. В результате появилась возможность оперативного управления в реальном времени на базе экспертной системы. Предложен способ представления знаний с помощью трехмерной обобщенной функции принадлежности. Представлен подход к обучению обобщенной функции принадлежности. Как отмечают авторы, «... использование теории нечетких множеств по сравнению с описанием знаний с помощью только продукционных правил позволило упростить представление знаний, уменьшить число правил и повысить эффективность выводов, а также появилась возможность оперативного управления в реальном времени. При

этом существенно повысились удобства обслуживания. Способность функций принадлежности к обучению позволяет легко адаптироваться к различиям в технологических процессах и к изменениям режима работы печи. Можно ожидать повышения управляемости нагревом, увеличения срока службы системы, расширения области применения системы для других доменных печей и т.д.»

Управление холодной прокаткой. Процесс холодной прокатки в металлургическом производстве заключается в следующем. Полосовая листовая сталь, прокатанная в горячем состоянии до толщины от одного до нескольких миллиметров, подвергается затем завершающей прокатке в холодном состоянии до тонкой листовой стали, которая служит материалом для корпусов автомобилей и бытовых электроприборов. В связи с требованиями высокой точности изделий по толщине, размерам и другим параметрам в прокатных станах, выполняющих холодную прокатку, применяют управление начальной настройкой и прямое цифровое управление. Модель, по которой осуществляется управление начальной настройкой, называют настроечной моделью, управление выполняется известными в теории прокатки способами. Поскольку в цехах холодной прокатки усиливаются тенденции к переходу на многономенклатурное малосерийное производство, постепенно возрастает частота замены настроечных величин и повышаются требования к точности настроечной модели. Между тем в известные из теории прокатки формулы входят переменные величины, измерение которых сильно затруднено (коэффициент трения между валками и прокатываемым материалом, сопротивление материала деформации и т.п.). Поэтому вычисления необходимо выполнять с использованием гипотетических значений этих величин, что приводит к большим ошибкам в результатах и препятствует работе систем автоматизации. На практике для предотвращения снижения качества и нарушений производственного цикла квалифицированный оператор всегда контролирует результаты вычислений по настроечной модели и в аномальных случаях обеспечивает устойчивость работы, вводя поправки к расчетным значениям зазо-

ра между валками, скорости прокатки и т.д. Ручная настройка, осуществляемая оператором, естественно требует дополнительного времени на замену настроечных величин, что, как правило, снижает скорость прокатки, поэтому такая настройка направлена на обеспечение устойчивости в ущерб производительности. Для решения этих проблем разработан метод, в соответствии с которым управление, основанное на профессиональном опыте оператора, реализуется через нечеткие выводы и используется для прогнозирования режимов прокатки как одной из важных функций настроечной модели. Применение этого метода показало хорошие результаты.

Управление водяными насосами. Водяные насосы предназначены для спуска в реки дождевой воды, скапливающейся во время дождя в канализационных трубах. Работа насосов должна соответствовать объему дождевой воды. Имеются примеры местного управления скоростью насоса, однако, на многих насосных станциях применяют управление работой нескольких насосов, которое реализуется одним из двух методов: предварительное определение уровня воды в насосном колодце или предварительное определение функциональной зависимости между уровнем воды в насосном колодце и заданной пропускной способностью насосов. Первый метод состоит, что если уровень воды в насосном колодце поднимается ниже определенного, то насос отключается. Таким образом, управление работой насосов осуществляется достаточно просто. Однако, поскольку в этом случае не учитывается динамика состояний, т.е. динамические изменения уровня воды в колодце, изменение объема потока дождевой воды и т.п., возникают следующие проблемы.

1. Для подготовки к запуску и остановки насосов необходимо время, а объемы колодцев невелики. В результате невозможно отследить резкие изменения уровня, вызванные притоком воды во время тайфунов или сильных ливней, и управление насосами неизбежно будет запаздывать.

2. Информация о втекающем потоке дождевой воды не влияет на работу насосов, которая носит монотонный характер и зависит только от уровня воды в колодце. Кроме того, поскольку рабочие параметры устанавливаются

для определенной ситуации, невозможна адаптация ко всем ситуациям с изменением объема потока воды. В результате частота включения и выключения насосов будет повышаться.

3. Если поток дождевой воды превышает пропускную способность насосов, их работа будет происходить в условиях ограничения притока воды входной задвижкой, и согласовать открытие и закрытие задвижки с работой насосов будет сложно.

По этим причинам делаются попытки организовать работу насосов на основе прогнозирования объема дождевой воды с использованием физической и рекуррентной моделей. При этом, однако, возникают следующие трудности.

1. Заслуживающие доверия измерения относятся к уровню воды и количеству осадков, но места измерений ограниченны.

2. Осадки трудно прогнозировать.

3. Механизм образования дождя достаточно сложен, а объем накопленной в трубах воды меняется в зависимости от многочисленных условий, т.е. является в сильной степени нелинейным.

4. Невозможно измерить объем дождевой воды, необходимый для идентификации параметров модели процесса, что заставляет использовать прогнозируемые значения. Надежность модели при этом снижается.

По этим причинам на насосных станциях, где до сих пор не удается осуществить полную автоматизацию, безопасное управление работой насосов, поддерживающее низкий уровень воды в колодце, выполняется квалифицированным рабочим. При этом рабочий основывается не только на уровне воды в колодце, но и использует разнообразную информацию о дождевой обстановке, состоянии притока дождевой воды, условиях работы насосов, о возможности слива воды канализационной сетью, а также свой прошлый опыт. Работа должна быть организована таким образом, чтобы, накапливая дождевую воду в канализационных трубах и допуская большие колебания уровня воды, по возможности препятствовать частому включению и выклю-

чению насосов, продляя тем самым их срок службы и снижая объемы работ персонала. Другими словами, требуется такое управление, которое в зависимости от втекающего потока дождевой воды искусно сочетало бы две противоречивые цели управления. Реализация такой работы известными способами достаточно трудна, поэтому для организации адаптивного управления необходимо использовать знания квалифицированного рабочего насосной станции.

Нечеткое управление заключается в реализации с помощью компьютера управления, аналогичного тому, которое выполняет квалифицированный рабочий, путем представления в виде модели методов его работы с использованием правил управления. Правила управления связывают оценку состояния объекта управления с последовательностью операций с помощью высказываний «если.то», осуществляют нечеткое разделение пространства входных переменных и в каждой локальной области указывают последовательность операций. Моделирование и натурные испытания подтвердили эффективность применения нечеткого управления работой водяных насосов. Одновременно получены такие эффекты, как простота проектирования правил управления, небольшое число правил, высокая робастность управления и др. Эти результаты играют важную роль в управлении работой водяных насосов, когда необходимо адаптироваться к резким сменам ситуаций.

Список литературы диссертационного исследования кандидат наук Май Тхе Ань, 2018 год

ЛИТЕРАТУРА

1. Аверкин А.Н., Батыршин И.З. и др. Нечеткие множества в моделях управления и искусственного интеллекта.- М.: Наука. Гл. ред. физ-мат. лит., 1986.

2. Аверкин А.Н., Сулин К.В. Построение нечеткого регулятора скорости электромотора на базе параметрических логик // Материалы Междунар. конф. по мягким вычислениям и измерениям. Санкт-Петербург, 1999.-С. 226-228.

3. Александров И. М., Бадеников А. В., Евсевлеева Л. Г. Нейро-нечёткая адаптивная система поддержки принятия решений в технологическом процессе // Современные технологии. Системный анализ. Моделирование.-2015.- № 4 (48).- С. 102-105.

4. Анисимов Д. Н., Май Тхе Ань. Настройка нечеткого ПД-регулятора для системы управления уровнем воды в барабане парового котла // Современные технологии в задачах управления, автоматики и обработки информации: Сб. тр. XXV Междунар. науч.- техн. конф., 14-20 сентября 2016 г., Алушта. М.: Технология, 2016.- С. 77.

5. Анисимов Д.Н. Идентификация линейных динамических объектов методом экспоненциальной модуляции // Вестник МЭИ.- 1994.- №2.- С. 68-72.

6. Анисимов Д.Н. Использование нечеткой логики в системах автоматического управления // Приборы и системы. Управление, контроль, диагностика.- 2001.- № 8.- С. 39-42.

7. Анисимов Д.Н. Новиков В.Н., Сафина Э.А. Исследование влияния треугольных норм на динамику нечеткой системы автоматического управления // Вестник МЭИ.- 2013.- № 4.- С. 186-192.

8. Анисимов Д.Н., Дроздова Е.Д., Май Тхе Ань. О влиянии диапазона изменения функций принадлежности термов лингвистических переменных на динамику нечетких систем управления // Современные технологии в задачах управления, автоматики и обработки информации: Тр. XXIV Между-

нар. науч.-техн. конф., (14-20 сентября 2015 г., Алушта).- М.: Издательский дом МЭИ, 2015.- С. 118-119.

9. Анисимов Д.Н., Дроздова Е.Д., Новиков В.Н. Исследование влияния степеней значимости подусловий на динамические характеристики нечеткого логического регулятора // Мехатроника, автоматизация, управление.-2015.- Т. 16, № 6.- С. 363-368.

10. Анисимов Д.Н., Дроздова Е.Д., Новиков В.Н. Исследование свойств нечеткого аппроксимирующего ПД регулятора // Мехатроника, автоматизация, управление.- 2014.- № 9.- С. 6-12.

11. Анисимов Д.Н., Май Тхе Ань, Новиков В.Н., Федорова Е.В. Исследование процессов в системах автоматического управления, основанных на нечетком логическом выводе // Проблемы автоматизации и управления в технических системах: сб. ст. Междунар. науч.-техн. конф., посвящ. 70-летию Победы в Великой Отечественной войне (г. Пенза, 19-21 мая 2015 г.).-Пенза: Изд-во ПГУ, 2015.- С. 3-5.

12. Анисимов Д.Н., Май Тхе Ань. Design of Fuzzy System for Control of Water Level in a Boiler Drum (Разработка нечеткой системы управления уровнем воды в барабане котла) // International Academic Forum АМО - SPITSE -NESEFF (20-25 June 2016, Moscow - Smolensk): Proceedings of the International Academic Forum AMO - SPITSE - NESEFF. - Smolensk: Publishing «Universum». - 2016.- С. 47-48.

13. Анисимов Д.Н., Май Тхе Ань. Алгоритм настройки нечеткого логического регулятора на основе исследования его динамических свойств // Информатика: проблемы, методология, технологии: И74 сб. мат-лов XVI междунар. науч.-метод. конф, Воронеж, 11-12 февраля 2016 г. - Воронеж: Изд-во «Научно-исследовательские публикации», 2016.- С. 20-25.

14. Анисимов Д.Н., Май Тхе Ань. Анализ автоколебаний в нечетких системах управления // Информатика: проблемы, методология, технологии: сб. мат-лов XVII междунар. науч.-метод. конф. Воронеж, 09-10 февраля 2017 г.Воронеж: ООО «Вэлборн», 2017.- С. 283-288.

15. Анисимов Д.Н., Май Тхе Ань. Двухуровневая нечеткая система управления динамическими объектами // Вестник МЭИ.- 2017.- № 4.- С. 101-109.

16. Анисимов Д.Н., Май Тхе Ань. Динамические свойства нечетких систем управления, построенных на основе реляционных моделей // Мехатроника, автоматизация, управление.- 2017.- Т. 18.- № 5.- С. 298-307.

17. Анисимов Д.Н., Май Тхе Ань. Моделирование процессов в нечетких системах управления // Мат-лы XV Междунар. науч.-метод. конф. «Информатика: проблемы, методологии, технологии». Воронеж, 12-13 февраля 2015 г. в 4-х томах, Воронеж, Издательский дом ВГУ, 2015.- Т. 2.- С. 374-378.

18. Анисимов Д.Н., Май Тхе Ань. Настройка нечеткого ПД-регулятора для стабилизации двухколесной платформы // Современные технологии в задачах управления, автоматики и обработки информации: Сб. тр. XXVI междунар. науч.-техн. конф., 14-20 сентября 2017 г., Алушта.- М.: ИД «Мед-практика», 2017.- С. 77.

19. Анисимов Д.Н., Май Тхе Ань. Настройка нечеткого ПД-регулятора для системы управления уровнем воды в барабане парового котла // Современные технологии в задачах управления, автоматики и обработки информации: Сб. тр. XXV Междунар. науч.- техн. конф., 14-20 сентября 2016 г., Алушта. М.: Технология, 2016.- С. 77.

20. Анисимов Д.Н., Новиков В.Н., Сафина Э.А., Ситиков К.Ю. Исследование влияния выбора логического базиса на характеристики нечеткого регулятора // Мехатроника, автоматизация, управление.- 2013.- № 8 (149).- С. 12-17.

21. Бобцов А. А., Боргуль А.С., Зименко К. А., Пыркин А. А .Алгоритм управления автономным двухколесным мобильным роботом «Мотобот» // Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики.- 2011.-№ 5 (75).- С. 63-68.

22. Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети.- М.: Горячая линия -Телеком, 2007.

23. Бошляков А. А., Рубцов В.И. Проектирование нечеткого регулятора следящей системы // Инженерный журнал: наука и инновации, 2013, вып. 8. URL: http://engjournal.ru/catalog/pribor/robot/936.html.

24. Бураков М. В., Коновалов А. С., Яковец О. Б. Эволюционный синтез нечетких регуляторов // Информационно-управляющие системы.- 2015.-№ 6.- С. 28-33.

25. Бураков М.В. Генетический алгоритм: теория и практика: учеб. пособие.-СПб.: ГУАП, 2008

26. Воронов А.А. Основы теории автоматического управления: Автоматическое регулирование непрерывных линейных систем. - М.: Энергия, 1980.

27. Гладков Л.А., Лисовцова А.Е. Решение задач оптимизации и проектирования схем ЭВА на основе использования гибридных интеллектуальных методов // Проблемы разработки перспективных микро- и наноэлектронных систем (МЭС).- 2010.- № 1.- С. 166-169.

28. Грязнов С.М., Фёдорова Е.В. Особенности формирования функций принадлежности при построении нечетких систем управления // Мат-лы 3-й Всерос. (с междунар. участием) науч.-практ. конф. молодых ученых, аспирантов и студентов «Интеллектуальные системы, управление и мехатроника» (ИСУМ-2017). Севастополь, 18-20 сентября 2017 г. - С. 170-174.

29. Заде Л.А. Роль мягких вычислений и нечеткой логики в понимании, конструировании и развитии информационных/ интеллектуальных систем // Новости исуксственного интеллекта.- 2001.- № 2-3. (Пер. с англ. Батыршина И.З.)

30. Ивойлов А.Ю. О применении МЭМС-датчиков при разработке системы автоматической стабилизации двухколесного робота // Сб. науч. тр. НГТУ. - 2017. - № 3 (89). - С. 32-51.

31. Казачек Н.А., Лохин В.М. Анализ корректности применения метода гарм-баланса для исследования динамики систем управления с нечеткими регуляторами // Информатизация и связь.- 2016.- № 2.- С. 101-104.

32. Казачек Н.А., Лохин В.М. Синтез нечеткого П-регулятора на основе метода гармонического баланса // Экстремальная робототехника.- 2015.-№ 1 (1).- С. 82-89.

33. Киселев Е.В. Развитие методов анализа и синтеза нечетких супервизорных систем автоматического управления: дисс. ... канд. техн. наук.- М., 2008.

34. Комарцова Л.Г. Подход к построению нечеткого параллельного генетического алгоритма // Одиннадцатая национальная конференция по искусственному интеллекту с международным участием КИИ-2008 (28 сентября -3 октября 2008 г., г. Дубна, Россия). Тр. конф.- М.: Физматлит.- Т. 1.-С. 234-240.

35. Косинский М.Ю., Шихин В.А. Разработка нейро-нечеткой модели для задач анализа эксплуатационной надежности автоматизированных систем // Мехатроника, автоматизация, управление - 2012. - № 6 -С. 16-21.

36. Кривенков М.В., Пахомов А.Н., Иванчура В.И. Нечеткий регулятор скорости в частотно-управляемом асинхронном электроприводе // Сибирский журнал науки и технологий.- 2007.- № 3 (16).- С. 100-103.

37. Лохин В.М., Романов М.П., Казачек Н.А. Исследование периодических колебаний в робототехнических системах управления с нечеткими регуляторами // Вестник МГТУ МИРЭА.- 2015.- Т. 1, № 3 (8).- С. 138-155.

38. Лубенцова Е.В., Петраков В.А. Адаптация нейро-нечеткой системы для управления сложными биотехнологическими процессами ферментации // Потенциал современной науки.- 2015.- № 8.- С. 17-22.

39. Май Тхе Ань. Анализ влияния различных параметров настройки на работу нечеткого ПД-регулятора // Радиоэлектроника, электротехника и энергетика: Двадцать вторая Междунар. науч.-техн. конф. студентов и аспирантов (25-26 февраля 2016 г., Москва): Тез. докл. В 3 т.- М.: Издательский дом МЭИ, 2016.- Т. 1.- С. 271.

40. Май Тхе Ань. Об одном подходе к настройке нечеткого логического регулятора // Автоматизация, мехатроника, информационные технологии =

Automation, Mechatronics, Information Technologies : материалы VI Между-нар. науч.-техн. интернет-конф. молодых ученых (Россия, Омск, 17 мая 2016 г.) - Омск : Изд-во ОмГТУ, 2016.- С. 195-200.

41. Май Тхе Ань. Один подход к построению двухуровневой нечеткой системы управления // Радиоэлектроника, электротехника и энергетика: Двадцать третья Междунар. науч.-техн. конф. студентов и аспирантов (2-3 марта 2017 г., Москва): Тез. докл. В 3 т. Т. 1.- М.: Издательский дом МЭИ, 2017. - Т. 1.- С. 309.

42. Май Тхе Ань. Разработка программного комплекса, реализующего нечеткий регулятор // Радиоэлектроника, электротехника и энергетика: Двадцать первая Междунар. науч.-техн. конф. студентов и аспирантов (Москва, 26-27 февраля 2015 г.): Тез. докл. В 4 т.- М.: Издательский дом МЭИ, 2015.- Т. 2.- С. 69.

43. Макаров И.М., Лохин В.М., Манько С.В., Кадочников М.В., Ситников М.С. Использование генетических алгоритмов для автоматического формирования базы знаний интеллектуальной системы управления автономным мобильным роботом // Мехатроника, автоматизация, управление.-2008.- № 6.- С. 18-23.

44. Мансур М.Э., Степанов О.А. Комплементарный фильтр в задачах комплексной обработки избыточных измерений // Всероссийская научная конференция по проблемам управления в технических системах.-СПб.: ЛЭТИ, 2015.- № 1.- С. 380-384.

45. Матвеев М.Г., Семёнов М.Е., Шевлякова Д.В., Канищева О.И. Зоны устойчивости и периодические решения перевернутого маятника с гистерезис-ным управлением // Мехатроника, автоматизация, управление.- 2012.-№ 11.- С. 8-14.

46. Матухина О.В. Управление движением обратного маятника на колесной системе // В кн.: L Всероссийская конференция по проблемам динамики, физики частиц, физики плазмы и оптоэлектроники тезисы докладов.-М.: РУДН.- 2014.- С. 236-237.

47. Мелихов А.Н., Бернштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой.- М.: Наука, 1990.

48. Метод Гольдфарба в теории регулирования (сборник статей).- М.: Гос-энергоиздат, 1962.

49. Мунасыпов Р.А., Ахмеров К.А. Методика оптимизации нечеткого регулятора с помощью генетических алгоритмов // Фундаментальные исследования.- 2015.- № 2.- С. 3275-3280.

50. Муравьева Е.А., Соловьев К.А., Султанов Р.Г., Соловьева О.И. Синтез нечеткого регулятора с заданной многомерной статической характеристикой // Электронный научный журнал «Нефтегазовое дело».-2015.- №1.- С. 245-260.

51. Мялик Я.В., Федулов А.С. Исследование системы управления двухколесной балансирующей платформой // Естественные и технические науки. -2017.- № 7 (109).- С. 118-123.

52. Мялик Я.В., Федулов А.С. Моделирование систем управления двухколесной балансирующей платформой // Вестник МЭИ.- 2016.- № 3.- С. 61-65.

53. Нестерук Т.Н. Разработка модели адаптивного корпоративного сайта и инструментария для повышения эффективности маркетинговых решений: дисс. ... канд. техн. наук.- СПб., 2006.

54. Павловский В.Е., Евграфов В.В., Павловский В.В., Петровская Н.В. Динамика, моделирование, управление мобильными роботами // URL: https://www.researchgate.net/publication/267223106_Dinamika_modelirovanie _upravlenie_mobilnymi_robotami (дата обращения: 15.05.2018).

55. Панкратов В.В., Татарникова А.А., Татарников А.Б. Управление системой «каретка - инвертированный маятник» на основе сигнально-адаптивной обратной модели // Автометрия.- 2013.- Vol. 49.- № 6.- С. 33-41.

56. Пегат А. Нечеткое моделирование и управление.- М.: БИНОМ. Лаборатория знаний, 2009.

57. Поспелов Д.А. Нечеткие множества в моделях управления и искусственном интеллекте.- М.: Наука, 1986.

58. Прикладные интеллектуальные системы, основанные на мягких вычислениях/под ред. Н. Г. Ярушкиной .-Ульяновск: УлГТУ, 2004.

59. Прикладные нечеткие системы: Пер. с япон./ К. Асаи, Д. Ватада, С. Иваи и др.; под ред. Т. Тэрано, К. Асаи, М. Сугэно.- М.: Мир, 1993

60. Рогозин О.В. Нейро-нечёткая адаптивная система поддержки принятия инновационного решения // Образовательные технологии.- 2001.- № 3.-С. 100-110.

61. Романов М.П., Макаров В.В. Нечеткий регулятор на базе ассоциативной памяти для системы управления температурой и расходом теплоносителя // Интеллектуальные системы автоматического управления / Под ред. И.М. Макарова, В.М. Лохина.- М.: ФИЗМАТЛИТ, 2001.

62. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И.Д. Рудинского.-М.: Горячая линия - Телеком, 2006.

63. Ситников М.С. Анализ и синтез интеллектуальных систем автоматического управления с нечеткими регуляторами: дисс. ... канд. техн. наук.-М., 2008.

64. Сулин К. В. Математическое и программное обеспечение системы нечеткого управления электромотором с использованием нейросетевых технологий : дисс. ... канд. техн. наук - М., 2001.

65. Теория автоматического управления. Ч. II. Под ред. А.В. Нетушила. Учебник для вузов.- М.: Высш. школа, 1972.

66. Тюриков А.В. Принципы применения нейро-нечеткой сети для классификации СТМ-изображений нанообъектов // Ползуновский альманах.- 2014.-№ 2.- С. 7-10.

67. Ульянов С.В., Литвинцева Л.В., Добрынин В.Н., Мишин А.А. Интеллектуальное робастное управление: технологии мягких вычислений.-М.: ВНИИгеосистем, 2011.

68. Усков А.А., Киселев Е.В. Системы управления с нечеткими супервизор-ными ПИД-регуляторами // Приборы и системы. Управление, контроль, диагностика.- 2005.- № 9.- С. 31-33.

69. Усольцев А.А., Смирнов Н.А. Нечеткий регулятор в системе управления следящим электроприводом с ограничением по скорости // Вестник Ивановского государственного энергетического университета.- 2001.- № 3.-С. 27-32.

70. Фирас А.Р. Нейро-нечеткая структура системы управления перемещением робота-манипулятора // Известия вузов. Северо-Кавказский регион. Технические науки.- 2009.- № 1.- С. 3-10.

71. Хижняков Ю.Н., Южаков А.А. Нейро-нечеткий регулятор напряжения объекта управления // Изв. вузов. Приборостроение.- 2011.- Т. 54.-№ 12.- С. 51-56.

72. Чичерова Е.В. Использование алгоритмов нечёткой логики для управления частотой вращения силовой турбины газотурбинного двигателя // Труды МАИ.- Вып. 81. _www.mai.ru/science/trudy/

73. Шмаков О.А., Рогов А.В., Демидов Д.А., Рачицкий А.В. Расширение функциональных возможностей малогабаритного робота на базе двухколесного модуля // Экстремальная робототехника.- 2015.- № 1 (1).-С. 215-218.

74. Шушляпин Е.А., Безуглая А.Е. Управление двухколесной платформой-носителем измерительных средств // Системы контроля окружающей среды.- 2016.- № 3 (23).- С. 79-85.

75. Ackermann J. Sampled-Data Control Systems.- Berlin, Springer, 1985.

76. Agrawal R., Pati U. C. Design and Data Logging of Three Element Boiler Level Control Using LabVIEW // National Conf. on Recent Advances in Chemical and Environmental Engineering (RACEE), Rourkela, Jan 2012.

77. Alavala C.R. Fuzzy logic and neural networks. Basic concepts and applications.- New Delhi: New Age Publishers, 2008.

78. Anisimov D. N., Dang Thai Son, Banerjee S., Mai The Anh. Design and implementation of fuzzy-PD controller based on relation models: A cross-entropy optimization approach // The European Physical Journal Special Topics.- 2017.-No. 226(10).- P. 2393-2406.

o

79. Astrom K. J., Hagglund,T. PID controllers - Theory, Design and Tuning. Second edn.- Instrument Society of America, 1995.

o

80. Astrom K., Hang C., Persson P., Ho W. Towards intelligent PID control // Automatica.- 1992.- Vol. 28 (1).- Pp. 1-9.,

81. Campion, G., Chung, W. Wheeled robots. In: Siciliano, B., Khatib, O. (eds.) // Springer Handbook of Robotics.- Berlin: Springer, 2008.- Chap. 17.-P. 391-410.

82. Cordón O., Herrera F., Hoffmann F., Magdalena L. Genetic Fuzzy Systems: Evolutionary Tuning And Learning of Fuzzy Knowledge Bases (Advances in Fuzzy Systems — Applications and Theory. Vol. 19).- Singapore: World Scientific Publishing Co. Pte. Ltd., 2001

83. Deng J., Yang L., Cheng X., Liu W. Self-tuning PID-type Fuzzy Adaptive Control for CRAC in Datacenters. In: Li D., Chen Y. (eds) Computer and Computing Technologies in Agriculture VII. CCTA 2013. IFIP Advances in Information and Communication Technology, vol 419. Springer, Berlin, Heidelberg, 2014

84. Dubois D., Prade H. Fuzzy sets and systems - Theory and applications.- New York: Academic press, 1980.

85. Dubois D., Prade H. Possibility theory.- New-York: Plenum Press, 1988.

o

86. Fullér R. Neural Fuzzy Systems.- Turku: Abo Akademi University, 1995.

87. Ghousiya Begum K., Mercy D., Kiren Vedi H., Ramathilagam M. An Intelligent Model Based Level Control of Boiler Drum // Int. J. of Emerging Technology and Advanced Engineering.- Vol. 3, Issue 1, Jan. 2013.- P. 516-521.

88. Glushenko S.A. An adaptive neuro-fuzzy inference system for assessment of risks to an organization's information security // Business informatics.- 2017.-No. 1(39).- P. 68-77.

89. Goher K. M., Fadlallah S. O. Bacterial foraging-optimized PID control of a two-wheeled machine with a two-directional handling mechanism // Robotics and Biomimetics.- 2017.- No. 4(1).-P. 1-19.

90. Grasser F., D'arrigo A., Colombi S., Rufer A. C. JOE: a mobile, inverted pendulum // Industrial Electronics, IEEE Trans.- 2009 -Vol 49.- P. 107-114.

91. Herrera F. Genetic fuzzy systems: A Tutorial, 1997.

92. Hunt K.J., Sharbaro D., Zbikowski R., Gawthrop P.J. Neural networks for control system - a survey // Automatica.- 1992.- Vol. 28.- № 6.- Pp. 1469-1473.

93. Iserman R. On fuzzy logic applications for automatic control, supervision and fault diagnosis // Proc. of Int. Conf. EUFIT'96 (Aachen, Germany, 1996).-P. 738-753.

94. Jager R. Fuzzy logic in control // Ill.Thesis Technische Universiteit Delft, 1995.

95. Jain L.C.; Martin N.M. Fusion of Neural Networks, Fuzzy Systems and Genetic Algorithms: Industrial Applications.- CRC Press, CRC Press LLC.- 1998.

96. Jang J.-S. R. ANFIS: Adaptive Network-based Fuzzy Inference System // IEEE Trans. on Syst., Man and Cybernetics.- 1993.- Vol. 23.- № 3.- Pp. 665-685.

97. Jantzen J. Tuning Of Fuzzy PID Controllers // Technical University of Denmark, Department of Automation, Bldg 326, DK-2800 Lyngby, Denmark., Tech. report no 98-H 871 (fpid), 30 Sep 1998.

98. Kazachek N., Lokhin V., Manko S., Romanov M. Research of periodic oscillations in control systems with fuzzy controllers // Int. J. of Innovative Computing, Information and Control.- 2015.- Vol. 11, No 3.- P. 985-997.

99. Kosko B. Fuzzy systems as universal approximators // IEEE Trans. Computers.-1994.- Vol.43.- Pp. 1329-1333., Wang L.-X. Adaptive fuzzy systems and control, design and stability analysis.- New Jersey: Prentice Hall, 1994.

100. Kuraz Y.R.M., Algreer M.M.F. Design Fuzzy Self Tuning of PID Controller for Chopper-Fed DC Motor Drive // Al-Rafidain Engineering.- 2008.- Vol. 16.-No. 2.

101. Larsen P.M. Industrial applications of fuzzy logic control // Int. J. Man-Machine Studies.- 1980.- Vol. 12.- №. 1.- Pp. 3-10.

102. Lee-Chuang H., Fan-Ren C. The generalized Ackermann's formula for singular systems // Systems & Control Letters.- 1996.- Vol. 27, № 2.- С. 117-123.

103. Lin S.C., Tsai C.C., Huang H.C. Nonlinear Adaptive Sliding-Mode Control Design for Two-Wheeled Human Transportation Vehicle // IEEE Int. Conf. on Systems, Man, and Cybernetics. San Antonio, TX, USA, 11-14 Oct. 2009.-P. 1965-1970.

104. Luyben W.L., Tyreus B.D., Luyben M.L. Plantwide Process Control, McGraw-Hill, New York, 1999.

105. Mai T.A., Anisimov D.N., Dang T.S. et al. Development of a microcontroller-based adaptive fuzzy controller for a two-wheeled self-balancing robot (Разработка адаптивного нечеткого регулятора на основе микроконтроллера для двухколесного самобалансирующегося робота) // Microsystem Technologies (2018).- Pp. 1-11. https://doi.org/10.1007/s00542-018-3825-2.

106. Mallesham G., Rajani A. Automatic tuning of PID controller using fuzzy logic // 8th International Conference on Development and Application Systems.-Suceava, Romania, May 25 - 27, 2006.- P. 120-127.

107. Maltsev A.S. Motion control of two-wheeled robot with the top position of cargo // Proc. of the IASTED Int. Conf. on Automation, Control, and Information Technology - Control, Diagnostics, and Automation, ACIT-CDA 2010. Novosibirsk, 15-18 June 2010.- P. 15-17.

108. Mamdani E.H. Applications of fuzzy algoritms for control of simple dynamic plant // Proceedings IEEE.- 1974.- № 121 (12).- Pp. 1585-1588.

109. Mamdani E.H., Assilian S. An experiment in linguistic synthesis with fuzzy logic controller // Int. J. Man-Machine Studies.- 1975.- Vol. 7.- № 1.- P. 1-13.

110. Markeev A. Stability of an equilibrium position of a pendulum with step parameters // Int. J. of Non-Linear Mechanics.- 2015.- Vol. 73.- P. 12-17.

111. Mizumoto M. Realization of PID controls by fuzzy control methods // IEEE First Int. Conf. on Fuzzy Systems.- The Institute of Electrical and Electronics Engineers, Inc, San Diego, 1992.- Pp. 709-715.

112. Mu B., Chang Y., Chen J., Shi Y. Group of two-wheeled mobile robots // IEEE Trans. on Industrial Electronics.- 2017.- Vol. 64, № 6.- P. 5035-5044.

113. Ooi R. C. Balancing a two-wheeled autonomous robot. - University of Western Australia, 2003.

114. Pathak K., Franch J. Agrawal S.K. Velocity and Position Control of a Wheeled Inverted Pendulum by Partial Feedback Linearization // IEEE Trans. Robotics.-2005.- Vol. 21.- P. 505-513.

115. Pawar P.M., Ganguli R, Structural Health Monitoring Using Genetic Fuzzy Systems.- Springer-Verlag London Limited, 2011

116. Pedrycz W. Fuzzy Control and Fuzzy Systems. New York: John Wiley and Sons, 1993.

117. Piegat A., Plucinski M. Application of the radial basis-function in modeling and identification of nonlinear systems. Proc. of the XII Int. Conf. on Systems Science.- Vol.1.- Wroclaw, Poland, 1995.- Pp. 266-274.

118. Plerou A., Vlamou A., Papadopoulos V. Fuzzy Genetic Algorithms: Fuzzy Logic Controllers and Genetic Algorithms // GJRA - Global Journal for Research Analysis.- 2016.- Vol. 5.- Issue 11.- P. 497-500.

119. QiaoW., Mizumoto M. (1996). PID type fuzzy controller and parameters adaptive method // Fuzzy Sets and Systems.- 1996.- Vol. 78.- Pp. 23-35.

120. Ren T., Chen T., Chen C. Motion control for a two-wheeled vehicle using a self-tuning PID controller // Control Eng. Pract.- 2008.- No. 16,- P. 365-375.

121. Sanchez E., Shibata T., Zadeh L. A. Genetic Algorithms and Fuzzy Logic Systems: Soft Computing Perspectives.- World Scientific, 1997.

122. Siler W., Ying H. Fuzzy control theory: The linear case // Fyzzy Sets and Sysyems.- Vol. 33.- Pp. 275-290.

123. Soyguder S., Karakose M., Alli H. Design and simulation of self-tuning PIDtype fuzzy adaptive control for an expert HVAC system // Expert Systems with Applications.- 2009.- Vol. 36.- Issue 3.- Part 1.- P. 4566-4573.

124. Sugeno M. An introductory survey on fuzzy control //Information Scienc-es.-1985.- Vol. 36.- Pp. 59-83.

125. Sugeno M. Fuzzy measures and fuzzy integrals: a survey // In M.M Gupta, G.N Saridis, and B.R Gains, editors. Fuzzy automata and decision processes.- North Holland, Amsterdam, 1977.- Pp. 89-102.

126. Sun, L., Gan, J. Researching of two-wheeled self-balancing robot base on LQR combined with PID // 2nd Int. Workshop on Intelligent Systems and Applications (ISA 2010). 2010.- P. 1-5.

127. Takagi T., Sugeno M. Derivation of fuzzy control rules from human operator's control actions // Proc. of the IFAC Symp. on Fuzzy Information, Knowledge Representation and Decision Analysis, July 1983.- Pp. 55-60.

128. Takagi T., Sugeno M. Fuzzy identification of systems and its applications to modeling and control.- IEEE Trans. on Systems, Man and Cybernetics.- 1985.-Vol. 15, № 1.- Рр. 116-132.

129. Tanaka K., Sugeno M. Stability analysis and design of fuzzy control systems // Journal of Fuzzy Sets and Systems.- 1992.- Vol.45, No.2.- Pp. 135-156.

130. Thao N., Nghi D., Phuc N. A PID Backstepping Controller For Two-Wheeled Self-Balancing Robot // Int. Forum on Strategic Technologies (IFOST 2010). Ulsan, 13-15 October, 2010.- P. 1-6 (2010)

131. Tso S.K., Fung Y H. Methodological development of fuzzy-logic controllers from multivariable linear control // IEEE Trans. Systems, Man & Cybernetics.-1997.- Vol. 27 (3).- Pp. 566-572.

132. Tsukamoto Y. An approach to fuzzy reasoning method // In: Gupta M.M., Ragade R.K. and Yager R.R. (Eds.) Advances in Fuzzy Sets Theory and Applications. North-Holland, Amsterdam, 1979.- Рp.137-149.

133. Voit F. Fuzzy Control versus konventionelle Regelung am Beispiel der Metro Mailand // Automatisierungstechnik.- Vol. 42.- № 9.- Рр. 400-410.

134. Wasif, A., Raza, D., Rasheed, W., Farooq, Z., Ali, S.Q. Design and Implementation of a Two Wheel Self Balancing Robot with a Two Level Adaptive Control // IEEE Int. Conf. on Digital Information Management system, Man, and Cybernetics. Manchester, United Kingdom 13-16 Oct. 2013.- P. 187-193.

135. Wu J., Zhang W., Wang S. A Two-Wheeled Self-Balancing Robot with the Fuzzy PD Control Method // Mathematical Problems in Engineering .Volume 2012, Article ID 469491, 13 pages. URL: http://dx.doi.org/10.1155/2012/469491 (дата обращения: 15.05.2018).

136. Xu, C., Li, M., Pan, F. The system design and LQR control of a two-wheels self-balancing mobile robot // Int. Conf. on Electrical and Control Engineering (ICECE). Yichang, China, 16-18 Sept. 2011.- pp. 2786-2789 (2011).

137. Yang P., Liu P. Fault Diagnosis System for Turbo-Generator Set Based on Fuzzy Neural Network // Int. J. of Information Technology.- 2005.- Vol. 11.-No. 12.- P. 76-85.

138. Yong Qin, Liu Yanlong, Zang Xizhe, and Liu Ji. Balance control of two-wheeled self-balancing mobile robot based on TS fuzzy model // 6th International Forum on Strategic Technology.- IEEE, 2011.- Vol. 1, pp. 406-409..

139. Yun-Su H., Yuta S. Trajectory tracking control for navigation of the inverse pendulum type self-contained mobile robot // Robotics and Autonomous Systems.- 1996.- Vol. 17, № 1-2.- С. 65-80.

140. Zadeh L.A. Fuzzy Sets // Information and Control.- 1965.- № 8.- Pp. 338-353.

141. Zeng X.J., Singh M.G. Approximation theory of fuzzy systems - MIMO case // IEEE Trans. Fuzzy Systems.- 1995.- Vol. 3.- № 2.- Pp. 219-235.

142. Ziegler J.G., Nichols N.B. Optimum Settings for Automatic Controllers // Trans. ASME.- 1942.- Vol. 64.- Pp. 759-768.

ПРИЛОЖЕНИЕ

Акт об использовании результатов диссертационной работы

Драгунов B.K.

U/oxA 2018 г.

ВО НИУ «МЭИ»

работе

АКТ

об использовании в учебном процессе НИУ «МЭИ» результатов диссертации Май Тхе Аня «Разработка алгоритмов настройки нечетких

логических регуляторов на основе исследования их динамических характеристик», представленной на соискание учёной степени кандидата технических наук по специальности 05.13.01 - Системный анализ, управление и обработка информации

Комиссия в составе:

Председатель: Бобряков A.B., д.т.н., доц., заведующий кафедрой управления и

информатики НИУ «МЭИ»,

Члены:

- Сидорова Е.Ю., ст. преп. кафедры управления и информатики НИУ «МЭИ», заместитель зав. кафедрой по учебной работе,

- Виноградова H.A., к.т.н., доц., ученый секретарь кафедры управления и информатики НИУ «МЭИ»

составили настоящий акт о том, что в учебном процессе кафедры управления и информатики НИУ «МЭИ» использованы результаты диссертационной работы Май Тхе Аня. Комиссия констатирует, что

- программный комплекс LabFuz успешно используется в учебном процессе кафедры управления и информатики Национального исследовательского университета «МЭИ» при проведении лабораторных работ по курсу «Нечеткие алгоритмы управления» для магистрантов направления подготовки 27.04.04 «Управление в технических системах».

- построенный на основе разработанных алгоритмов макет двухколесной платформы используется в качестве наглядного пособия при проведении лекционных занятий.

Заведующий кафедрой управления и информатики НИУ «МЭИ», д.т.н., доцент

Старший преподаватель кафедры управления и информатики НИУ «МЭИ»

Ученый секретарь кафедры управления и информатики НИУ «МЭИ», к.т.н., доцент

A.B. Бобряков Е.Ю. Сидорова

H.A. Виноградова