СИНТЕЗ НЕЙРО-НЕЧІТКОГО РЕГУЛЯТОРА З НАЛАШТУВАННЯМ ГЕНЕТИЧНИМ АЛГОРИТМОМ

Natalia Yevsina; Petro Kachanov; Mykola Tarasenko

doi:10.26906/SUNZ.2023.3.041

Автор(и)

Natalia Yevsina
Petro Kachanov
Mykola Tarasenko

DOI:

https://doi.org/10.26906/SUNZ.2023.3.041

Ключові слова:

нечіткий регулятор, функція приналежності, дефаззіфікація нейро-нечіткий регулятор, генетичний алгоритм

Анотація

Метою статті є розгляд методики розробки нейро-нечіткого регулятора (ННР) з налаштуванням його параметрів генетичним алгоритмом (ГА). Отримані результати підтверджують працездатність методики та дозволяють зробити висновок про те, що нейро-нечіткий регулятор при відповідній налаштування забезпечує високу якість роботи системи керування, у тому числі і за наявності випадкових збурень на динамічний об'єкт. Запропонована у статті методика синтезу ННР протестована в умовах обмеженого обсягу вихідних даних навчальної вибірки, розмір якої не впливає на якість роботи алгоритму. Достатньо двох або трьох значень параметрів вибірки, щоб сформувати діапазони для меж термів нечітких змінних, а далі оптимальні значення підбираються ГА. У результаті розроблено алгоритм синтезу регулятора та генетичний алгоритм налаштування його параметрів.

Завантаження

Дані завантаження ще не доступні.

Посилання

Siddique N.H. Computational intelligence: synergies of fuzzy logic, neural networks, and evolutionary computing / N. H. Siddique. – Chichester, West Sussex, United Kingdom: John Wiley & Sons Inc., 2013. – 517 p., ISBN: 9781118337844.

Hall, M.A. (2012) Cumulative multi-niching genetic algorithm for multimodal function optimization. International Journal of Advanced Research in Artificial Intelligence, vol. 1, no. 9, pp. 6–13. DOI: 10.14569/IJARAI.2012.010902.

Bounemeur A., Chemachema M., Essounbouli N. New approach of robust DirectAdaptive Control of a class of SISO Nonlinear Systems, in 15th international conference on Sciences and Techniques of Automatic control & computer engineering - STA'2014, 2014: Hammamet, Tunisia. p.725-730. DOI: 10.1109/sta.2014.7086723.

Filasov´a A., Hladk´y V., Krokavec D. Nonlinear System H∞ Fuzzy Control within Takagi-Sugeno Framework, in International Conference on Process Control (PC) June 18–21, 2013, Štrbské Pleso, Slovakia. 2013. p. 13-18. DOI:10.1109/pc.2013.6581375.

PhamThi Ly, Bui Quoc Khanh Using Genetic Algorithm to Optimize Controllers of Thermal Load System in Thermal Power Plant Published: April 26th, 2022. DOI: 10.5772/intechopen.103915.

Harpreet Singh, Madan M. Gupta, Thomas Meitzler, et al., ―Real-Life Applications of Fuzzy Logic, Advances in Fuzzy Systems, vol. 2013, Article ID 581879, 3 pages, 2013. DOI: 10.1155/2013/581879.

Aceves-Lopes A. A simplified version of Mamdani's fuzzy controller: the natural logi controller. IEEE Transactions on fuzzy systems, 2006. 14(1): p. 16-30. DOI: 10.1109/TFUZZ.2005.861603.

Ion Iancu (2012). A Mamdani Type Fuzzy Logic Controller, Fuzzy Logic - Controls, Concepts, Theories and Applications, Prof. Elmer Dadios (Ed.), ISBN: 978-953-51-0396-7.

Oleksenko O., Khudov H., Petrenko K., Horobets Yu., KoliandaV, Kuchuk N., Konstantinov A., Kireienko V., Serdiuk O., Yuzova I. and Solomonenko Yu. (2021), “The Development of the Method of Radar Observation System Construction of the Airspace on the Basis of Genetic Algorithm”, International Journal of Emerging Technology and Advanced Engineering, Vol. 11, Is. 8, pp. 23-30, doi: https://doi.org/10.46338/ijetae0821_04.

B. Dun, O. Zakovorotnyi, and N. Kuchuk, “Generating currency exchange rate data based on Quant-Gan model”, Advanced Information Systems, vol. 7, no. 2, pp. 68–74, Jun. 2023. doi: 10.20998/2522-9052.2023.2.10.

Ковриго Ю.М. Fuzzy-регулятор для керування інерційними технологічними параметрами котлоагрегату ТЕС / Ю.М. Ковриго, О.С.Бунке, П.В. Новіков / Nauka i Studia NR 8 (169) 2017 – с. 76-84.

B. Kopchak, L. Kasha. Genetic algorithm application for synthesis and analysis of electromechanical systems. Energy Eng. Control Syst., 2018, Vol. 4, No. 2, pp. 73 – 78. DOI: 10.23939/jeecs2018.02.073