Методи управління
Методи керування технічними системами та іншими об'єктами, що розглядаються теорією, можуть базуватися на одному з трьох фундаментальних принципів:
принцип розімкненого керування;
принцип компенсації;
принцип зворотного зв'язку.
Управління можна розділити на два види:
стихійний: дія відбувається в результаті взаємодії суб'єктів (синергетичне управління);
свідомий: планомірна дія об'єкта (ієрархічне управління).
При ієрархічному управлінні мета функціонування системи задається її надсистемою.
Приклади сучасних методів управління:
Нелінійне керування;
Теорія катастроф;
Адаптивне керування;
Побудова оптимальних робастних регуляторів;
Ігрові методи в управлінні;
Інтелектуальне управління;
Експертні системи
Експертні системи (ЕС) - це комп'ютерні програми, створені для виконання тих видів діяльності, які під силу людині-експертові. Вони працюють таким чином, що імітують спосіб дій людини-експерта, і істотно відрізняються від точних, добре аргументованих алгоритмів і не схожі на математичні процедури більшості традиційних розробок.
Якщо при традиційному процедурному програмуванні комп'ютеру необхідно повідомити що і як він повинен робити, то спільним для експертних систем є те, що вони мають справу зі складними проблемами:
які недостатньо добре розуміються або вивчені;
для яких немає чітко заданих алгоритмічних рішень;
які можуть бути досліджені за допомогою механізму символічних міркувань.
Специфіка ЕС полягає в тому, що вони використають:
механізм автоматичного міркування (висновку);
«слабкі методи», такі як пошук або евристики.
Основними вимогами до ЕС є:
використання знань пов'язано з конкретною предметною галуззю;
придбання знань від експерта;
визначення реального й досить складного завдання;
наділення системи здатностями експерта.
Виконання роботи:
Математична модель системи управління
Проводимо моделювання ввімкнувши в нашу схему моделювання блок Human controller. Загальне представлення схеми моделювання представлено на рис.1
Рис.1 Схема з блоком human controller
Рис. 2 Характеристика з осцилографа
Як видно з даної характеристики можна побачити, що система знаходиться в неоптимальному режимі, тобто належна стійкість не забезпечена, тобто система потребує додаткової оптимізації.
Далі проведемо моделювання системи ввімкнувши в неї PID – регулятор, при цьому в бібліотеці Matlab simulink обираємо розділ Simulink Extras – Additional Linear блок PID – controller. Схема моделювання показана на рис.3. Задаємо відповідні значення згідно умови і проводимо синтез.
Рис.3 Схема з PID – регулятором
Рис.3 Характеристика системи. Перехідний процес.
Детально вивчивши осцилограму,можна зробити висновок, що система стабілізувалась, являється стійкою,і тому дана система може працювати і без додаткової оптимізації чи корекції.
Отож, наступним етапом даної роботи являється моделювання за участю блока fuzzy logic controller який представляє собою своєрідну базу даних. Де мають місце три основних величини:
1.Зміна
2.Діапазон
3.Функція невизначеності, яка зв’язує зміну і діапазон.
Функція належності визначає сукупність належності змінної х до заданого діапазону, наприклад від 0 до 1.
В базі даних використовується обробка інформації, яка складається з 4-х етапів:
1.Вхідне перетворення.
2.Імплікація.
3.Агрегація.
4.Вихідне значення.
Вхідне перетворення – процедура переводу поточних числових значень вхідних змінних в функції належності до заданих діапазонів.
Задача імплікації – полягає в обчисленні мінімального або максимального значення, функції належності вхідних змінних для кожного управляючого правила.
Процедура агрегації – це процедура об’єднання обрізаних трапецій, тобто операція сумування в результаті якої ми отримуємо узагальнену функцію належності, яка описує вихідну управляючу змінну.
Вихідне перетворення процес перетворення узагальненої функції належності в числове значення, яке подається на виконавчі органи.
Отже створюємо базу даних за допомогою команди fuzzy у командному вікні Matlab.
Задаємо у вікні Membership function вхідні і вихідні діапазони:
Рис. 4 вхідні діапазони
Рис.6 вихідні діапазони
Далі створюємо правила, за умовою у нас їх буде 5
Рис.7 створення правил
Рис.8 процедура агрегації
Далі проводимо моделювання системи з блоком fuzzy logic controller основою якого являється новостворена наша база даних:
Рис.9 схема з блоком fuzzy logic controller
Рис.10 результат моделювання
З осцилограми видно, що система потребує оптимізації ходу роботи і певної корекції параметрів.