ВИКОРИСТАННЯ НЕЧІТКИХ МНОЖИН ДРУГОГО ТИПУ ДЛЯ ПРОЕКТУВАННЯ РЕГУЛЯТОРІВ ШВИДКОСТІ
Ключові слова:
інтервальна нечітка множина другого типу, нечіткі системи, керування швидкістю, система підтримки прийняття рішень, нечіткі регулятори
Анотація
Інтервальні нечіткі множини другого типу використовуються при проектуванні нечітких систем, пов'язаних з керуванням швидкістю в умовах невизначеності. У статті розглядаєтьсяможливості використання інтервальних нечітких множин другого типу для опису змінних, що можуть бути різними значеннями однієї і тієї ж динамічної системи або змінами технічних параметрів, що відбуваються під впливом зовнішніх факторів. Також представлено складні інтервальні нечіткі множини другого типу та наведено приклади їх використання для зменшення кількості нечітких множин та правил у нечіткій базі знань. Також наведено необхідні умови для побудови складних інтервальних нечітких множин другого типу та методи визначення нижньої та верхньої функцій належності в них. Слід невизначеності для складної інтервальної нечіткої множини другого типу представлено верхніми та нижніми функціями належності різних нечітких множин. Всі методи, описані в роботі, можуть бути використані при проектуванні систем підтримки прийняття рішень, для вибору оптимальних параметрів нелінійної системи або при проектуванні нечітких регуляторів швидкості.Завантаження
Дані про завантаження поки що недоступні.
Посилання
1. Reddy, P. V. S. Fuzzy logic based on Belief and Disbelief membership functions. Fuzzy Information and Engineering, 2017, 9(4), pp. 405-422, doi: 10.1016/j.fiae.2017.12.001.
2. Babanezhad, M., Masoumian, A., Nakhjiri, A. T. Influence of number of membership functions on prediction of membrane systems using adaptive network based fuzzy inference system. Scientific Reports, 2020, vol. 10(1), pp. 1-20, doi: 10.1038/s41598-020-73175-0.
3. Pelalak, R., Nakhjiri, A. T., Marjani, A. Influence of machine learning membership functions and degree of membership function on each input parameter for simulation of reactors. Scientific Reports, 2021, 11(1), pp.1-11, doi:10.1038/s41598-021-81514-y.
4. Razak, T.R., Garibaldi, J.M., Wagner, C., Pourabdollah, A., Soria, D., Toward a Framework for Capturing Interpretability of Hierarchical Fuzzy Systems—A Participatory Design Approach. IEEE Transactions on Fuzzy Systems, 2020, 29(5), pp.1160- 1172, doi: 10.1109/TFUZZ.2020.2969901.
5. Zadeh, L. A. The concept of a linguistic variable and its application to approximate reasoning-I. Information sciences, 1975, vol. 8(3), pp.199-249. doi: 10.1016/0020-0255(75)90036-5.
6. Liang Q., Mendel J. M. Interval type-2 fuzzy logic systems: theory and design. IEEE Transactions on Fuzzy Systems, 2000, 8(5), pp. 535-550, doi: 10.1109/91.873577.
7. Zakovorotniy A.Y. Neural Networks Art: Solving Problems with Multiple Solutions and New Teaching Algorithm / A.Y. Zakovorotniy, V.D. Dmitrienko, S.Yu. Leonov, I.P. Khavina // The Open Neurology Journal. – 2014. – № 8. – P. 15 – 21.
8. Mendel, J. M. Type-2 fuzzy sets: some questions and answers. IEEE Connections, Newsletter of the IEEE Neural Networks Society, 2003, 1, pp. 10-13.
9. Deveci, M., Cali, U., Kucuksari, S. and Erdogan, N. Interval type-2 fuzzy sets based multi-criteria decision-making model for offshore wind farm development in Ireland. Energy, 2020, p.117317, doi:10.1016/j.energy.2020.117317.
10. Biswas, R., Sil, J. An improved canny edge detection algorithm based on type-2 fuzzy sets. Procedia Technology, 2012, 4, pp. 820-824, doi: 10.1016/j.protcy.2012.05.134.
11. Zhao, F., Chen, Y., Liu, H., Fan, J. Alternate PSO-based adaptive interval type-2 intuitionistic fuzzy C-means clustering algorithm for color image segmentation. IEEE Access, 2019, 7, pp. 64028-64039, doi: 10.1109/ACCESS.2019.2916894.
12. Yatak, M. Ö., Şahin, F. Ride Comfort-Road Holding Trade-off Improvement of Full Vehicle Active Suspension System by Interval Type-2 Fuzzy Control. Eng. Science and Techn., 2021, 24(1), pp. 259-270, doi: doi.org/10.1016/j.jestch.2020.10.006.
13. Zakovorotniy, A., Kharchenko, A. Optimal Speed Controller Design with Interval Type-2 Fuzzy Sets. In 2021 IEEE 2nd KhPI Week on Advanced Technology (KhPIWeek), 2021 pp. 363-366, doi:10.1109/KhPIWeek53812.2021.9570045.
14. Заковоротний О.Ю. Синтез оптимальних законів управління рухом дизель-поїзда за допомогою математичної моделі у формі Бруновського / О.Ю. Заковоротний, В.Д. Дмитрієнко, Н.В. Мезенцев // Інформаційно-керуючі системи на залізничному транспорті. – Харків, 2010. – № 5-6 (84-85). – C. 7 – 13.
2. Babanezhad, M., Masoumian, A., Nakhjiri, A. T. Influence of number of membership functions on prediction of membrane systems using adaptive network based fuzzy inference system. Scientific Reports, 2020, vol. 10(1), pp. 1-20, doi: 10.1038/s41598-020-73175-0.
3. Pelalak, R., Nakhjiri, A. T., Marjani, A. Influence of machine learning membership functions and degree of membership function on each input parameter for simulation of reactors. Scientific Reports, 2021, 11(1), pp.1-11, doi:10.1038/s41598-021-81514-y.
4. Razak, T.R., Garibaldi, J.M., Wagner, C., Pourabdollah, A., Soria, D., Toward a Framework for Capturing Interpretability of Hierarchical Fuzzy Systems—A Participatory Design Approach. IEEE Transactions on Fuzzy Systems, 2020, 29(5), pp.1160- 1172, doi: 10.1109/TFUZZ.2020.2969901.
5. Zadeh, L. A. The concept of a linguistic variable and its application to approximate reasoning-I. Information sciences, 1975, vol. 8(3), pp.199-249. doi: 10.1016/0020-0255(75)90036-5.
6. Liang Q., Mendel J. M. Interval type-2 fuzzy logic systems: theory and design. IEEE Transactions on Fuzzy Systems, 2000, 8(5), pp. 535-550, doi: 10.1109/91.873577.
7. Zakovorotniy A.Y. Neural Networks Art: Solving Problems with Multiple Solutions and New Teaching Algorithm / A.Y. Zakovorotniy, V.D. Dmitrienko, S.Yu. Leonov, I.P. Khavina // The Open Neurology Journal. – 2014. – № 8. – P. 15 – 21.
8. Mendel, J. M. Type-2 fuzzy sets: some questions and answers. IEEE Connections, Newsletter of the IEEE Neural Networks Society, 2003, 1, pp. 10-13.
9. Deveci, M., Cali, U., Kucuksari, S. and Erdogan, N. Interval type-2 fuzzy sets based multi-criteria decision-making model for offshore wind farm development in Ireland. Energy, 2020, p.117317, doi:10.1016/j.energy.2020.117317.
10. Biswas, R., Sil, J. An improved canny edge detection algorithm based on type-2 fuzzy sets. Procedia Technology, 2012, 4, pp. 820-824, doi: 10.1016/j.protcy.2012.05.134.
11. Zhao, F., Chen, Y., Liu, H., Fan, J. Alternate PSO-based adaptive interval type-2 intuitionistic fuzzy C-means clustering algorithm for color image segmentation. IEEE Access, 2019, 7, pp. 64028-64039, doi: 10.1109/ACCESS.2019.2916894.
12. Yatak, M. Ö., Şahin, F. Ride Comfort-Road Holding Trade-off Improvement of Full Vehicle Active Suspension System by Interval Type-2 Fuzzy Control. Eng. Science and Techn., 2021, 24(1), pp. 259-270, doi: doi.org/10.1016/j.jestch.2020.10.006.
13. Zakovorotniy, A., Kharchenko, A. Optimal Speed Controller Design with Interval Type-2 Fuzzy Sets. In 2021 IEEE 2nd KhPI Week on Advanced Technology (KhPIWeek), 2021 pp. 363-366, doi:10.1109/KhPIWeek53812.2021.9570045.
14. Заковоротний О.Ю. Синтез оптимальних законів управління рухом дизель-поїзда за допомогою математичної моделі у формі Бруновського / О.Ю. Заковоротний, В.Д. Дмитрієнко, Н.В. Мезенцев // Інформаційно-керуючі системи на залізничному транспорті. – Харків, 2010. – № 5-6 (84-85). – C. 7 – 13.
Опубліковано
2024-09-06
Як цитувати
Zakovorotnyi O. Використання нечітких множин другого типу для проектування регуляторів швидкості / O. Zakovorotnyi, T. Orlova // Системи управління, навігації та зв’язку. Збірник наукових праць. – Полтава: ПНТУ, 2024. – Т. 3 (77). – С. 29-33. – doi:https://doi.org/10.26906/SUNZ.2024.3.029.
Розділ
Управління в складних системах
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
