Разработка и исследование принципов построения адаптивной интеллектуальной системы управления с прогнозом динамического состояния и нечеткой параметрической самонастройкой тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Дбейс Самер Мхемид

• Дбейс Самер Мхемид
• кандидат технических наук
• 2002

Оглавление диссертации кандидат технических наук Дбейс Самер Мхемид

Введение.

Глава 1. Анализ особенностей построения адаптивных систем автоматического управления.

1.1. Основные особенности построения традиционных адаптивных систем автоматического управления.

1.2. Анализ принципов построения и возможностей интеллектуальных регуляторов.

1.3. Структура и особенности интеллектуальных систем управления.

1.4. Подходы к проектированию интеллектуальных систем управления.

1.5. Интеллектуальные системы управления с иерархической архитектурой.

1.6. Постановка задачи.

1.7. Выводы.

Глава 2. Разработка и исследование экспертного прогнозирующего контроллера с базой знаний.

2.1. Концепция прогнозирующего управления.

2.2. Модели процессов.

2.3. Критериальная функция.

2.4. Желаемый выход системы.

2.5. Прогнозирование выхода системы.

2.5.1. Прогнозирование выхода системы с использованием модели объекта управления в форме передаточной функции.

2.5.2. Прогнозирование с учетом возмущений.

2.6. Структура и проектирование контроллера с базой знаний.

2.6.1. Проектирование контроллера с базой.

2.6.2. Анализ расчетных параметров.

2.7. Результаты моделирования.

2.8. Выводы.

Глава 3. Рекурсивное параметрическое оценивание динамических моделей в интеллектуальных системах управления.

3.1. Выбор параметров процедуры параметрического оценивания моделей.

3.1.1. Выбор интервала дискретизации.

3.1.2. Выбор порядка модели.

3.1.3. Учет транспортного запаздывания системы.

3.2. Выбор рекурсивной процедуры параметрического оценивания.

3.3. Выбор начальных условий для процедуры рекурсивного параметрического оценивания.

3.4. Динамическое отслеживание изменений параметров.

3.4.1. Адаптивный фактор забывания.

3.5. Результаты моделирования.

3.5.1. Использование рекуррентного алгоритма идентификации в задаче построения экспертного регулятора.

3.6. Выводы.

Глава 4. Синтез интеллектуально-адаптивного контура самонастройки системы управления с использованием нечеткой логики.

4.1. Общие понятия адаптивного управления.

4.2. Системы управления с нечеткими логическими регуляторами.

4.2.1. База данных нечеткого логического контроллера.

4.2.2. База правил управления.

4.3. Нечеткий алгоритм адаптации параметров регулятора.

4.4. Результаты моделирования.

4.5. Выводы.

Глава 5. Исследование иерархической интеллектуальной системы автоматического управления.

5.1. Системы автоматического управления JIA.

5.1.1. Система стабилизации.

5.1.2. Управление движением центра масс.

5.2. Самонастраивающиеся системы автоматического управления полетом.

5.2.1. Самонастраивающиеся автопилоты с разомкнутым контуром самонастройки.

5.2.2. Самонастраивающиеся автопилоты с эталонными моделями.

5.2.3. Самонастраивающиеся автопилоты, основанные на контроле характеристик (замкнутый контур самонастройки).

5.3. Исследование применения предлагаемой интеллектуальной адаптивной системы для управления полетом.

5.3.1. Контур угловой стабилизации с нечеткой самонастройкой.

5.3.2. Контур управления высотой полета.

5.4. Выводы.

Введение диссертации (часть автореферата) на тему «Разработка и исследование принципов построения адаптивной интеллектуальной системы управления с прогнозом динамического состояния и нечеткой параметрической самонастройкой»

В последнее время, с увеличением сложности решаемых задач управления, все большее распространение получают, так называемые интеллектуальные технологии. К их числу относят нечеткую логику, экспертные системы и нейронные сети. Эти технологии нашли широкое применение в задачах распознавания образов и речи, в системах поддержки принимаемых решений в условиях неопределенной исходной информации и в задачах поиска при плохо формализованных параметрах.

Широкие возможности для использования интеллектуальных технологий открываются при решении задач, связанных с созданием сложных систем управления. Уровень современных технологий предъявляет принципиально новые требования к надежности, гибкости и функциональности используемых в технике систем управления. Современное устройство управления должно обеспечивать надежное управление объектом в разных режимах его работы, быть устойчивым как к резким и широким изменениям, так и деградации параметров системы управления, учитывать возможное наличие шумов и внешних предусмотренных и непредвиденных влияний. Решение такого рода задач с помощью традиционных методов если и возможно, то требует детального математического описания и больших вычислительных затрат. Несмотря на успехи применения методов интеллектуальных технологий в системах управлении, непосредственное использование этих методов для решения подобных задач не всегда возможно. Практически из множества существующих методов, в системах управления, нашла применение только нечеткая логика, на основе которой был построен нечеткий контроллер, используемый в качестве альтернативы обычным I ГИД-регуляторам.

Это определяет необходимость разработки новых и совершенствования существующих методов интеллектуальных технологий с целью расширения возможностей их использования при решении разных задач управления.

В диссертационной работе предлагается и рассматривается один из подходов к построению систем адаптивного управления, базирующийся на использовании принципов интеллектуальных технологий, а именно нечеткой логики и экспертной системы. В связи с этим в настоящей работе исследованы следующие основные вопросы:

- Разработка принципов создания систем адаптивного управления, использующих методы интеллектуальных технологий.

- Исследование и проектирование алгоритмов оценивания параметров объектов управления.

- Исследование принципов работы прогнозирующих систем управления.

- Использование систем с нечеткой логикой в контуре адаптации для проектирования интеллектуальных адаптивных систем управления.

- Разработка экспертного контроллера с базой знаний, как подсистемы адаптивной динамической коррекции, основанного на использовании принципа прогнозирования.

- На основе предложной концепции разработана архитектура иерархической интеллектуальной системы управления, сочетающая технологи экспертных систем и нечеткой логики.

Научная новизна работы состоит в разработке и исследовании нового подхода к построению интеллектуальных систем управления, позволяющего избежать ряда сложных проблем, возникающих при проектировании традиционных адаптивных систем управления. Суть предлагаемого подхода заключается в том, что любая замкнутая система, использующая традиционный контур управления, можно считать некоторым отображением (L) входа (X), на выход (Y), то есть:

Y;

Существует два основных способа улучшения динамических свойств этого отображения. Первый способ состоит в том, что модифицируется само отображение, то есть внутренняя структура и параметры традиционного контроллера. Второй способ состоит в модификации только предмета отображения, то есть модифицируется входное воздействие замкнутой системы таким образом, чтобы выход системы обеспечивал высокоточное слежение за предварительно спланированной траекторией.

В предлагаемой диссертационной работе, адаптивная система использует оба способа адаптации: модификация внутренней структуры и/или параметров традиционного контроллера и модификация входного воздействия замкнутой системы для того, чтобы компенсировать изменяющие, в широких приделах, параметров объекта управления и обеспечить желаемые характеристики замкнутой системы.

Согласно сформулированным целям и задачам исследования диссертация имеет следующую структуру.

В первой главе приведен анализ основных особенностей построения современных систем адаптивного управления. Рассмотрены принципы построения, как традиционных адаптивных систем автоматического управления, так и систем, основанных на применении интеллектуальных регуляторов, построенных на основе использования технологий экспертных систем и нечеткой логики. Проведен сравнительный анализ принципов построения интеллектуальных систем управления с иерархической архитектурой. В конце данной главы формулируется постановка совокупности задач, решаемых в диссертационной работе.

Вторая глава посвящена вопросам разработки интеллектуальной иерархической системы управления, в которой экспертный контроллер с базой знаний представляет собой подсистему высшего иерархического уровня, а регулятор традиционного типа представляет собой подсистему низшего уровня. Основная задача контроллера с базой знаний состоит в модификации входного воздействия, в зависимости от прогнозируемой ошибки управления, на подсистему нижнего уровня так, чтобы обеспечить высокоточное слежение за предварительно спланированной, желаемой траекторией. В этой связи, в главе рассматривается следующий комплекс проблем:

- проблемы концептуальной организации прогнозирующего управления,

- проблемы прогнозирование динамического выходного состояния систем,

- проблемы синтеза структуры базы знаний прелагаемого экспертного контроллера.

В третьей главе рассматриваются и исследуются методы рекуррентного параметрического оценивания, которые могут быть использованы в качестве процедур динамической параметрической идентификации для решения задач адаптивного и интеллектуального управления.

В четвертой главе представлен один из возможных подходов к построению интеллектуальной адаптивной системы управления с нечетким контуром самонастройки. Способность отображения, которой обладают нечеткие системы, позволяет использовать эти системы в качестве подсистем адаптации в адаптивных системах управления. В зависимости от изменений параметров модели объекта управления, оценки которых находятся в результате решения задачи параметрической, идентификации, нечеткий контур адаптации изменяет настройки параметров традиционной системы управления с целью обеспечения заданных желаемых характеристик замкнутой системы.

В пятой главе исследуется иерархическая, трех уровневая, интеллектуальная, адаптивная система управления. Основной, нижний уровень управления обеспечивается регулятором традиционной структуры, параметры которого адаптируется алгоритмом нечеткой самонастройки, который, в свою очередь, формирует второй уровень системы. Третий, высший уровень управления обеспечивается экспертным, с базой знаний контроллером, который модифицирует входное воздействие системы в зависимости от прогнозируемой ошибки управления для обеспечения желаемого поведения системы. Результаты применения предлагаемой 9 организации системы показаны на примере системы управления продольным движением самолета как объекта управления.

В заключении приводятся основные научные результаты, полученные в рамках диссертационного исследования, а также сформулированы выводы по диссертации.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Дбейс Самер Мхемид

5.4. Выводы

При существенных изменениях динамических свойств и параметров объектов управления адаптивные или самонастраивающиеся системы управления традиционной архитектуры не всегда могут обеспечить системе желаемые характеристики. В главе предлагается и исследуется иерархическая, трех уровневая, интеллектуальная, адаптивная система управления. Основной, нижний уровень управления обеспечивается регулятором традиционной структуры, параметры которого адаптируются алгоритмом нечеткой самонастройки, который в свою очередь формирует второй уровень системы. Третий, высший уровень управления обеспечивается экспертным, с базой знаний контроллером, который модифицирует входное воздействие системы в зависимости от прогнозируемой ошибки управления для обеспечения желаемого поведения системы.

Был проведен обзор и сравнительный анализ некоторых существующих традиционных принципов построения самонастраивающихся автопилотов.

Возможность и эффективность использования предлагаемого принципа пос троения адаптивных систем управления динамическими объектами были показаны на примере системы управления продольным движением самолета как объекта управления. При этом, в зависимости от результатов работы процедуры параметрического оценивания, алгоритм нечеткой самонастройки обеспечивал процесс адаптации контура стабилизации. Экспертный, с базой знаний контроллер использовался для управления высотой полета.

Были приведены результаты моделирования для двух разных режимов полета. Результаты моделирования показывали, что предложенная иерархическая система управления обеспечивает желаемые динамические свойства замкнутой системы в условиях существенных изменений параметров объекта управления.

Заключение

Настоящая работа посвящена решению комплекса проблем по разработке и исследованию адаптивных регуляторов, построенных на базе интеллектуальных технологий. Применение таких регуляторов представляется весьма перспективным в структуре интеллектуальных систем управления сложными динамическими объектами, работающими в условиях непредвиденного изменения их характеристик и параметров.

Разработанное в диссертации алгоритмическое и методологическое обеспечение интеллектуальных технологий, расширяет возможности применения этих технологий для решении задач управления, что имеет существенное значение для повышения эффективности процесса проектирования алгоритмов управления для нестационарных и стохастических систем со случайными или существенно изменяющимися параметрами.

В отличии от известных работ по применению интеллектуальных регуляторов, в данной диссертационной работе предложена и обоснована перспективность построения адаптивных регуляторов на базе комплексного применения технологий экспертных систем и нечеткой логики.

Основными научными и практическими результатами работы являются:

1. Проведен анализ характерных особенностей и принципов построения традиционных адаптивных САУ и обоснованы преимущества применения интеллектуальных технологий для создания адаптивных регуляторов;

2. Предложена новая эффективная архитектура иерархической адаптивной интеллектуальной системы управления, сочетающая принципы прогнозирующей динамической коррекции, экспертного управления, параметрического оценивания моделей и нечеткой параметрической самонастройки;

3. Предложена структура и алгоритмическое обеспечение экспертного контроллера с базой знаний, реализующего управление с прогнозом состояния объектов управления в динамическом режиме нормального функционирования системы, а также даны рекомендации по выбору правил логического вывода и параметров вычислительных процедур;

4. Проведен сравнительный анализ рекурсивных алгоритмов параметрического оценивания моделей динамических объектов, а также даны рекомендации по их применению и выбору параметров необходимых для их реализации вычислительных процедур;

5. Предложена структура адаптивного контура управления с нечеткой самонастройкой, а также даны рекомендации по формированию функций принадлежности лингвистических переменных, а также базы правил логического вывода;

6. Разработана алгоритмическая и методологическая основа проектирования адаптивных интеллектуальных систем с экспертным прогнозирующим управлением, параметрическим оцениванием и нечеткой самонастройкой.

7. Разработан программный комплекс, позволяющий решать следующий ряд задач:

- Проектирование и исследование алгоритмов параметрической идентификации объектов управления.

- Проектирование и исследование алгоритмов нечеткой самонастройки, а также необходимых для их работы баз данных/знаний.

- Проектирование и исследование алгоритмов управления с прогнозом динамического состояния

8. Эффективность предложенного в диссертационной работе принципа организации иерархической адаптивной, интеллектуальной системы, а также разработанного алгоритмического, методологического и программного обеспечения подтверждается результатами моделирования системы управления продольным движением самолета.

Список литературы диссертационного исследования кандидат технических наук Дбейс Самер Мхемид, 2002 год

1. Шубладзе А. М., Способы синтез систем управления максимальной степени устойчивости // Автоматика и телемеханика. 1980. - № 1. - С. 28-37.

2. Шубладзе А. М., Синтез оптимальных линейных регуляторов // Автоматика и телемеханика. -1984. № 12. - С. 22-27.

3. Куо Б. Теория и проектирование цифровых систем управления. М.: Машиностроение, 1986. - 448 с.

4. Кухтенко В. И. Динамика самонастраивающихся систем со стабилизацией частотных характеристик. М.: Машиностроение, 1970. - 248.

5. Принципы построения и проектирования самонастраивающихся систем управления / Б. Н. Петров, В. Ю. Рутковский, И. Н. Крутова и др. М.: Машиностроение, 1972.-259с.

6. Косиков В. С., Крутова И. Н., Павлов Б. В. Линейная модель БСНС с контролем частотной характеристики // Автоматика и Телемеханика. — 1976.-No. 7.-С. 68-75.

7. Александров А. Г. Метод частотных параметров // Автоматика и телемеханика. -1989. -№ 12. -С. 3-15.

8. Александров А. Г. Частотные регуляторы // Автоматика и телемеханика. -1991. -№ 1. 18-25.

9. Alexandrov A. G. Frequency Adaptive Control // Preprints of the forth IF AC International Symposium on Adaptive Systems in Control and Signal Processing. France. 1992. P. 1123 - 1130.

10. Солодовников В. В. Аналитические самонастраивающиеся системы автоматического управления. -М.: Машиностроения, 1965. 356 с.

11. П.Козлов Ю. М., Юсупов Р. М. Беспоисковые самонастраивающиеся системы. М.: Наука, 1969. -455с.12,Кпамовский А. А. Справочник по теории автоматического управления. -М.: Наука, 1987.-712с.

12. Солодовников В. В., Щрамко JI. С. Расчет и проектирование аналитических самонастраивающихся систем с эталонными моделями. -М.: Машиностроение, 1972. 270с.

13. Громыко В. Д., Санковский Е. А. Самонастраивающиеся системы с моделью. М.: энергия, 1974. - 79с.

14. Павлов Б. В., Соловьев И. Г. Системы прямого адаптивного управления. -М.: Наука, 1989.- 129с.

15. Hus Г. Variable Structure Model-Reference Adaptive Control Using Online Input and Output Measurements: The general case // IEEE Trans. Automatic Control. 1990. AC-35, № 11.-P. 1238-1243.

16. Design issues in adaptive control / R. Middleton, G. Goodwin, D. Hill, Mayne D. // IEEE Trans. Autom. Control. 1988. - Vol. 33, № 1, January. -P. 50-58.

17. Tsakalis K. S., Ioannou P. A. A new indirect adaptive control scheme for time-varying plants // IEEE Trans. Autom. Control. 1990. - Vol. 35, № 6, June 1990.-P. 697-705.

18. Bai E. Adaptive qualification of model uncertainties by approximation // IEEE Trans. Automatic Control. 1991. - Vol. AC-36, № 6. - P. 441-455.

19. Применение экспертных регуляторов для систем управления динамическими объектами / И. М. Макаров, В. М. Лохин, Р. У. Мадыгулов, К. В. Тюрин // Известия РАН. Техническая кибернетика. -1995. № 1.С. 23-28.

20. Chen F. Back Propagation Neural Networks for Nonlinear Self-Tuning Adaptive Control // IEEE Cont. Sys. Mag. 1990. - April. - P 44 - 48.

21. Wang S., Yeh H. Self-Adaptive Neural Architectures for Control Application //INNC'90. -New York, 1990. P. 309-314.

22. Sira-Ramirez H. J., Zak S. H. The Adaptation of perceptron with application to inverse dynamics identification of unknown dynamic system. // IEEE Tran. on System, Man, and Cybernetics. 1991. - Vol. 21, № 3. -P. 634-642.

23. King P. J., Mamdani E. H. The application of fuzzy control system to industrial processes // Automatica. 1976. - Vol. 13. - P. 235 - 242.

24. Li Y. F., Lau С. C. Development of fuzzy algorithms for servo systems. // IEEE Control System Magazine. 1989. - April. - P. 65 - 71.

25. Carmon A. Considerations in the application of self-tuning PID controllers using EXACT- Tuning Algorithm. // Measurement and Control. 1986. - Vol. 19, No. 9. - P. 260-266.

26. Astrom K. J., Anton J. J. Arzen К. E. Expert Control // Automatica. 1986. Vol. 22, №3,-P. 277-286.

27. Astrom K. J. Toward Intelligent Control // IEEE Control System Magazine. -1989.-April. P. 65 -71.

28. Kevin L. Anderson, Gilmer L. Blankenship, Lawrence G. Lebow. A Rule-Based Adaptive PID Controller // Proc. 27th IEEE Conf. Decis. and Contr., Austin Tex. New York. - 1988. - December, Vol. 1. - P. 564 - 569.

29. Horikawa S„ Furuhashi Т., Okuma S., Uchikawa Y. Composition Methods of Fuzzy Neural Networks // IECON'90, 1990. P. 1253-1258.31.1wata Т., Machida K., Toda Y. Fuzzy Control Using Neural Network Technique. // INNC'90, New York, 1990. P. 365-370.

30. Soeterboek R. Predictive control a unified approach. - UK: Prentice Hall, -1992. - 352p.

31. Wellstead P. E. and Zarrop M. B. Self-tuning systems control and signal processing.- UK: Wiley, 1991. - 579p.

32. Льюнг Л. Идентификация систем. Теория для пользователя. -М.: Наука, 1991.-432 с.

33. Clarke D. W., Mohtadi С., Tuffs P. S. Generalized predictive control. Part II. Extensions and interpretations. //Automatica, 1987, Vol. 23, pp. 149- 160.

34. Kang G. Shin, Xianzhong Cui. Design of a knowledge-based controller for intelligent control systems // IEEE Trans. On Systems, Man, Cybernetics. -1991. Vol. 21, No. 2, March/April. P. 363 - 375.

35. Keyser R. M. C. D., Cauwenberghe A. R. V. A self-tuning multistep predictor application // Automatica. 1981. - Vol. 17, No. 1. - P. 167 - 174.

36. Деревицкий Д. П., Фрадков А. Л. Прикладная теория дискретных систем управления. М.: Наука, 1981. - 324с.

37. Чураков Е. П. Оптимальные и адаптивные системы. М.: Энергоатомиздат, 1987.-256с.

38. Фомин В. Н., Фрадков А. Л., Якубович В. Л. Адаптивное управление динамическими объектами. М.: Наука, 1981. - 236с.41 .Гроп Д. Методы идентификации систем. М.: Мир, 1970. - 156с.

39. Эйкхофф П. Основы идентификации систем управления. М.: Мир, 1975. -286с.

40. Lee С. С. Fuzzy logic controller systems: Fuzzy logic controller. Part I, part II. // IEEE Trans. Sys. Man and Cybernetics. 1990. - Vol. 20, No. 2, March / April. P. 404 - 435.

41. Kosko B. NeraJNetworks and fuzzy systems: A dynamical system approach to machine intelligence. L.: Prentice-Hall, 1992. - 425p.

42. Топчеев Ю. И., Потемкин В. Г. и Иваненко В. Г. Системы стабилизации. -М.: Машиностроение, 1974. 248 с.

43. Боднер В. А. Системы управления летательными аппаратами. М.: Машиностроение, 1973.-506с.

44. Соколов Н. И. Адаптивные системы автоматического управления летательными аппаратами. -М.: Машиностроение, 1988. 208с.