Метод синтезу швидкодіючих fuzzy-регуляторів



DOI: http://dx.doi.org/10.31548/energiya2019.05.005

Yu. Romasevych, V. Loveikin, A. Lyashko

Анотація


Анотація. Розроблено метод синтезу швидкодіючих автоматичних регуляторів на основі fuzzy-логіки. Метод є багатоетапною процедурою, в якому результати попереднього етапу використовуються у поточному. Ідея, на якій ґрунтується метод, полягає в тому, що тривалість доступу до отриманої в ході застосування методу функцїі є значно меншою, ніж тривалість доступу до функції вихідного fuzzy-регулятора. Сутність методу полягає у синтезі fuzzy-регулятора, побудові на його основі табульованої функції у вигляді „вхід-вихід”, апроксимації отриманих даних за допомогою поліноміальної або сплайнової моделі та оптимізації параметрів моделі. Наведено детальний опис окремих етапів методу та вказані рекомендації стосовно їх виконання.

Для підтвердження ефективності розробленого методу було виконано синтез швидкодіючого fuzzy-регулятора для задачі регулювання швидкості руху транспортного засобу. Вектор вхідних змінних містив дві компоненти: похибку швидкості та її інтеграл. Вихідний сигнал регулятора відповідав рушійному зусиллю приводу транспортного засобу. Для вхідних змінних було прийнято по три терми, для вихідної – п’ять. У розрахунках використані найпростіші л- та z-подібні функції приналежності.

На основі розробленого fuzzy-регулятор, був отриманий його швидкодіючий аналог, який дозволив покращити якість регулювання швидкості за величиною середньоінтегральної похибки.

Проведено статистичний аналіз швидкодії доступу до функцій швидкодіючого та вихідного fuzzy-регуляторів. Встановлено, що швидкодія першого на два порядки більша, що позитивно відобразиться на зниженні вимог до апаратного забезпечення fuzzy-регуляторів.

Ключові слова: fuzzy-регулятор, алгоритм, швидкодія, моделювання, якість, апроксимація


Повний текст:

Віддалена PDF

Посилання


Ehupov, N.D. (2002). Metody robastnoho, neiro-nechetkoho i adaptyvnoho upravlenyia: Uchebnyk [Methods of robust, neuro-fuzzy and adaptive control: Textbook]. 2-e izd., Moskow: Yzd-vo MHTU ym. Baumana, 744.

Denysenko, V.V. (2008). PYD-Rehuliatory Pryntsypy Postroenyia Y Modyfykatsyy. Chast 2. [PID-controllers: Principlles of Design and Modifications. Part 2]. Sovremennye Tekhnolohy Avtomatyzatsyy, 1, 86-99.

Biglarbegian, M., Melek,W., Mendel, J.M. (2011). Design of Novel Interval Type-2 Fuzzy Controllers for Modular and Reconfigurable Robots: Theory and Experiments. IEEE Trans. Ind. Electron, 58, 1371-1384.

https://doi.org/10.1109/TIE.2010.2049718

Kumbasar, T., Hagras, H. (2014). Big Bang-Big Crunch optimization based interval Type-2 fuzzy PID cascade controller design strategy. Inf. Sci., 282, 277-295.

https://doi.org/10.1016/j.ins.2014.06.005

Allawi, Z.T., Abdalla, T.Y. (2014). A PSO-Optimized Type-2 Fuzzy Logic Controller for Navigation of Multiple Mobile Robots. In Proceedings of the IEEE International Conference on Methods and Models in Automation and Robotics (MMAR), Miedzyzdroje, Poland.

https://doi.org/10.1109/MMAR.2014.6957321

Jammeh, E.A., Fleury, M., Wagner, C., Hagras, H., Ghanbari, M. (2009). Interval Type-2 Fuzzy Logic Congestion Control for Video Streaming Across IP Networks. IEEE Trans. Fuzzy Syst., 17, 1123-1149.

https://doi.org/10.1109/TFUZZ.2009.2023325

Jammeh, E., Mkwawa, I., Sun, L., Ifeachor, E. (2010) Type-2 fuzzy logic control of PQoS driven adaptive VoIP scheme. Electron. Lett., 46, 137-138.

https://doi.org/10.1049/el.2010.3050

Méndez, G.M., Leduc-Lezama, L., Colás, R., Murillo-Perez, G., Ramirez-Cuellar, J., López, J.J. (2010). Modelling and control of coiling entry temperature using interval Type-2 fuzzy logic systems. Ironmak. Steelmak, 37, 126-134.

https://doi.org/10.1179/174328109X445624

Méndez, G.M., Castillo, O., Colás, R., Moreno, H. (2014). Finishing mill strip gage setup and control by internal Type-1 non-singleton Type-2 fuzzy logic systems. Appl. Soft Comput., 24, 900-911.

https://doi.org/10.1016/j.asoc.2014.08.052

Barkat, S., Tlemçani, A., Nouri, H. (2011). Noninteracting Adaptive Control of PMSM Using Interval Type-2 Fuzzy Logic Systems. IEEE Trans. Fuzzy Syst., 19, 925-936.

https://doi.org/10.1109/TFUZZ.2011.2152815

Chen, C.-S., Lin, W.-C. (2011). Self-adaptive interval Type-2 neural fuzzy network control for PMLSM drives. Expert Syst., 38, 14679-14689.

https://doi.org/10.1016/j.eswa.2011.05.014

Naik, N.V., Singh, S.P. (2014) Improved Torque and Flux Performance of Type-2 Fuzzy-based Direct Torque Control Induction Motor Using Space Vector Pulse-width Modulation. Electr. Power Compon. Syst., 42, 658-669.

https://doi.org/10.1080/15325008.2013.871608

Yu, W.-S., Chen, H.-S. (2014). Interval Type-2 fuzzy adaptive tracking control design for PMDC motor with the sector dead-zones. Inf. Sci., 288, 108-134.

https://doi.org/10.1016/j.ins.2014.07.004

Panda, M.K., Pillai, G., Kumar, V (2013). An interval Type-2 fuzzy logic controller for TCSC to improve the damping of power system oscillations. Front. Energy, 7, 307-316.

https://doi.org/10.1007/s11708-013-0269-3

Yang, F., Yuan, R., Yi, J., Fan, G., Tan, X (2013). Direct adaptive Type-2 fuzzy neural network control for a generic hypersonic flight vehicle. Soft Comput., 17, 2053-2064.

https://doi.org/10.1007/s00500-013-1123-6

Leonenkov, A. V. (2005). Nechetkoe modelyrovanye v srede MATLAB y fuzzyTECH [Fuzzy modeling in MATLAB and fuzzyTECH]. SPb.: BKhV-Peterburh, 202.

Romasevych, Yu., Loveikin, V. (2018). A Novel Multi-Epoch Particle Swarm Optimization Technique. Cybernetics and Information Technologies, 18(3), 62-74.

https://doi.org/10.2478/cait-2018-0039


Метрики статей

Завантаження метрик ...

Metrics powered by PLOS ALM

Посилання

  • Поки немає зовнішніх посилань.


Bookmark and Share