Совершенствование алгоритмов распознавания типов объектов в системах управления с применением нечеткой логики в условиях неопределенности

Abstract

Введение. В основу современных информационных технологий для сложных систем автоматизации в условиях неопределенности положен принцип ситуационного управления. К таким технологиям относятся следующие: экспертные системы, нейросетевые структуры, нечеткая логика и ассоциативная память. Развитие интеллектуальных технологий связано с объединением различных методов обработки знаний. Данное направление обеспечивает повышение быстродействия, сокращение объема знаний. Предполагается возможным объединение нечеткой логики и экспертных систем. Цель исследования. Рассмотреть задачу совершенствования алгоритмов распознавания в системах управления путем объединения методов оптимальной фильтрации и нечеткой логики на этапе вторичной обработки информации о параметрах объектов. Материалы и методы. Для предварительной обработки будем рассматривать фильтры Калмана (ФК), для реализации которых в реальном времени требуется меньше вычислительных ресурсов по сравнению с алгоритмами гарантированного оценивания. В предлагаемом методе применим банк (ФК). Математическое моделирование проводим в программной среде Mathcad 14. В программной среде FuzzyTECH разрабатывается нечеткий проект «Распознавание типа объекта». Разработка нечеткой модели проходит в несколько этапов. Во-первых, представление входных переменных в терминах лингвистических переменных. Во-вторых, опираясь на знания экспертов, определяем термы для лингвистических переменных. В-третьих, создание блока правил. В-четвертых, исследование созданного нечеткого проекта. Результаты. Проведенное математическое моделирование ФК в устройствах слежения за параметрами объектов в процессе распознавания в программной среде Mathcad 14 показало возможность применения банка фильтров в рассмотренных устройствах. Созданы и исследованы алгоритмы распознавания типов объектов с использованием нечёткой логики. Заключение. Созданные алгоритмы системы управления, объединяющие в себе фильтрацию Калмана и нечеткую логику, повышают эффективность системы распознавания. Introduction. The basis of modern information technology for complex automation systems in the face of uncertainty is the principle of situational management. Such technologies include the following: expert systems, neural network structures, fuzzy logic and associative memory. The development of intelligent technologies is associated with the combination of various methods of processing knowledge. This area provides increased performance, reduced knowledge. It is supposed that fuzzy logic and expert systems can be combined. Aim. Consider the task of improving recognition algorithms in control systems by combining optimal filtering methods and fuzzy logic at the stage of secondary processing of information about object parameters. Materials and methods. For preliminary processing, we will consider Kalman filters (FC), for the implementation of which in real time less computing resources are required in comparison with guaranteed estimation algorithms. In the proposed method, we apply FC Bank. We carry out mathematical modeling in the Mathcad 14. In the FuzzyTECH software environment, a fuzzy project “Recognizing the type of an object” is being developed. Development of a fuzzy model takes place in several stages. Firstly, the presentation of input variables in terms of linguistic variables. Secondly, relying on expert knowledge, we define terms for linguistic variables. Thirdly, the creation of a block of rules. Fourth, a study of the created fuzzy project. Results. The mathematical modeling of the FC in the devices for tracking the parameters of objects in the process of recognition in the Mathcad 14 software environment showed the possibility of using a filter bank in the considered devices. Algorithms for recognizing object types using fuzzy logic have been created and studied. Conclusion. The created control system algorithms, combining Kalman filtering and fuzzy logic, increase the efficiency of the recognition system.