КОНТРОЛЛЕР НЕЧЁТКОЙ ЛОГИКИ В УПРАВЛЕНИИ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ
https://doi.org/10.26518/2071-7296-2018-1-106-114
Аннотация
Введение. Современный этап развития связан с разработкой и внедрением интеллектуальных систем и технологий, предусматривающих формирование четких решений на основе нечетких правил, нечеткого вывода, нечёткого управления.
Методы и материалы. Классические методы управления хорошо работают при полностью детерминированном объекте управления и детерминированной среде, а для систем с неполной информацией и высокой сложностью объекта управления оптимальными являются нечеткие методы управления. Процесс принятия решений человеком по управлению технологическими процессами моделируется и имитируется нечетким контроллером с базой правил. В последние годы «нечеткий» контроль был успешно использован для управления и эксплуатации ряда систем.
Обсуждение и результаты. Данная статья посвящена рассмотрению вопросов применения в системах управления контроллера нечёткой логики и анализу существующих методов исследования в области интеллектуальных технологий управления для решения задач адаптации применяемых моделей и алгоритмов к различным объектам и системам, в частности к системам поддержания параметров микроклимата среды жизнеобеспечения здания, а также определения базовых параметров повышения экономической эффективности использования контроллера нечёткой логики в системе управления.
Заключение. Анализируемые методы управления на основе нечеткой логики применимы к различным технологическим объектам и системам. В качестве дальнейшего исследования планируется рассмотрение вопросов нечеткого управления различными системами жизнеобеспечения современного здания.
Об авторах
С. В. ШилкинаРоссия
Шилкина Светлана Вячеславовна– кандидат технических наук, доцент кафедры автоматизации и электроснабжения
129337, г. Москва, Ярославское шоссе, д. 26
Е. Н. Фокина
Россия
Фокина Екатерина Николаевна – старший преподаватель кафедры автоматизации и электроснабжения
129337, г. Москва, Ярославское шоссе, д. 26
Список литературы
1. Орлов А.И. Теория принятия решений. Москва. 2004. 656 с.
2. Хайкин С. Нейронные сети. Москва : Вильямс, 2008. 1104 с.
3. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. Москва. Горячая Линия, Телеком, 2013. 384 с.
4. Васильев В.И. Интеллектуальные системы управления. Москва. Радиотехника, 2009. 387 с.
5. Shepherd A.B., Batty W.J., Fuzzy control strategies to provide cost and energy efficient high quality indoor environments in buildings with high occupant densities, Building Service Engineering Research and Technology. no. 24 (2003), pp. 35 – 45.
6. Садовничий В.А. Суперкомпьютерные технологии в науке, образовании и промышленности. Москва. Московский государственный университет имени М.В. Ломоносова, 2009. 232 c.
7. Цюй Дуньюэ Управление мобильным роботом на основе нечётких моделей. Современные проблемы науки и образования. 2007. № 6 С. 115 – 121.
8. Алиев Р.А. Управление производством при нечёткой исходной информации, Москва, Энергоатомиздат, 1991.
9. Пешко М.С. Адаптивная система интеллектуального управления параметрами технологических процессов в пищевой промышленности. Омский научный вестник. 2015. № 2 (140). С. 118 – 122.
10. Пешко М.С. Задача фазификации параметров процесса вегетации при построении нечеткого регулятора. Омский научный вестник. 2013. № 2 (120). С. 290 – 293.
11. Колязов К.А. Энергосберегающая система управления на основе нечеткого алгоритма. [Энергоэффективность и энергобезопасность на предприятиях промышленности и жилищно-коммунального хозяйства] Уфа : АН РБ; Гилем, 2010. С. 119 – 123.
12. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. Санкт-Петербург. БХВ-Петербург, 2003. 736 с.
13. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. Москва. Горячая линия–Телеком, 2007. 288 с.
14. Shilkina S.V., Trusov A.A. The Effectiveness of implementing automated ventilation system in premises intended for public use [International Conference on Energy and Environmental Protection (ICEEP 2014)]. A Science and Technology Multidisciplinary Journal, http://ciencia-e-tecnica.org/submit.html 2014. Applied Mechanics and Materials”, 2014, pp. 351 – 353
15. Шилкина С.В. Оптимизация технического решения по результатам проведенного ТЭО для повышения эффективности проекта // Вестник гражданских инженеров 2017. №6 (65). С.355 – 363.
16. Афонский А.А. Цифровые анализаторы спектра, сигналов и логики. Москва. СОЛОН-ПРЕСС, 2009. 247 c.
17. Девяткин Л.Ю. Трехзначные семантики для классической логики высказываний. Москва. Институт философии РАН, 2011. 108 c.
18. Лубенцова Е.В. Системы управления с динамическим выбором структуры, нечеткой логикой и нейросетевыми моделями. Ставрополь. Северо-Кавказский федеральный университет, 2014. 248 c. 1
19. Солдатенков А.С. Математическое моделирование системы управления теплопотреблением комплекса зданий. Белгород. Белгородский государственный технологический университет им. В.Г. Шухова, ЭБС АСВ, 2015. 176 c.
20. Коноплева И.А. Информационные системы и технологии управления. Москва. ЮНИТИ-ДАНА, 2017. 591 c.
Рецензия
Для цитирования:
Шилкина С.В., Фокина Е.Н. КОНТРОЛЛЕР НЕЧЁТКОЙ ЛОГИКИ В УПРАВЛЕНИИ ТЕХНОЛОГИЧЕСКИМИ ПРОЦЕССАМИ. Научный рецензируемый журнал "Вестник СибАДИ". 2018;15(1):106-114. https://doi.org/10.26518/2071-7296-2018-1-106-114
For citation:
Shilkina S.V., Fokina E.N. THE CONTROLLER OF FUZZY LOGIC IN THE MANAGEMENT OF TECHNOLOGICAL PROCESSES. The Russian Automobile and Highway Industry Journal. 2018;15(1):106-114. (In Russ.) https://doi.org/10.26518/2071-7296-2018-1-106-114