Аннотации:
Предложен алгоритм настройки систем типа Мамдани, использующий
для подстройки правил нечёткого логического вывода принцип пропорционально-интегрального регулятора с ограниченной интегральной составляющей. Для уменьшения времени подстройки по сравнению с пропорциональным регулятором и уменьшения величины перерегулирования,
по сравнению с пропорционально-интегральным регулятором с теми же
значениями коэффициентов интегральной и пропорциональной составляющих, используется ограничение интегральной составляющей. Достоинство разработанного алгоритма заключается в возможности осуществления
локальной подстройки без полного набора данных области определения
входных переменных и соответствующих им значений отклика системы. В
качестве приоритетного направления дальнейших исследований рассматривается адаптация применения алгоритмов для функций принадлежности
других (отличных от гауссовых) типов. Эффективность алгоритма подтверждена результатами его сопоставления с алгоритмами подстройки систем нечёткого логического вывода на основе нечётких нейронных сетей и
нечёткой кластеризации при решении идентичных задач. An algorithm to adjust the Mamdani-type systems is given; it uses the principle of a proportionalintegral
controller with a limited integral component to adjust fuzzy inference rules. To reduce the adjustment
time in comparison with proportional controller and to reduce the overshoot amount in comparison
with the proportional-integral controller with the same values of the coefficients of the integral
and proportional components, the integral component limitation is used. The advantage of the developed
algorithm is in the possibility of performing a local adjustment without a complete set of data for the
domain of definition of input variables and the corresponding response values of the system. As a priority
area for further research adaption of the application of the algorithms to the membership functions of
other types (non-Gaussian) is considered. The efficiency of the algorithm is confirmed by the results of
its comparison with algorithms of fuzzy inference system adjustment based on fuzzy neural networks
and fuzzy clustering in solving identical problems.
Описание:
М.С. Голосовский1, А.В. Богомолов2, Д.С. Теребов3, Е.В. Евтушенко4
1 Государственный научно-исследовательский испытательный институт военной медицины
Министерства обороны Российской Федерации, г. Санкт-Петербург, Российская Федерация
2 Государственный научный центр Российской Федерации – Федеральный медицинский биофи-
зический центр им. А.И. Бурназяна, г. Москва, Российская Федерация
3 Национальный центр управления обороной Российской Федерации, г. Москва, Российская Фе-
дерация
4 Черноморское высшее военно-морское ордена Красной Звезды училище им. П.С. Нахимова,
г. Севастополь, Российская Федерация
E-mail: a.v.bogomolov@gmail.com. M.S. Golosovskiy1, A.V. Bogomolov2, D.S. Terebov3, E.V. Evtushenko4
1 The State Scientific Research Testing Institute of Military Medicine of the Ministry of Defense of the
Russian Federation, Saint-Petersburg, Russian Federation
2 State Scientific Center of the Russian Federation – A.I. Burnazyan Federal Medical Biophysical Center,
the Russian Federal Medical-Biological Agency, Moscow, Russian Federation
3 National Center for Defense Management of the Russian Federation, Moscow, Russian Federation
4 The Black Sea Higher Naval Orders of the Red Star School named after P.S. Nakhimov, Sevastopol',
Russian Federation
E-mail: a.v.bogomolov@gmail.com