Л.Н. Гумилев атындағы ЕҰҮ Хабаршы - Вестник ЕНУ им.Л.Н. Гумилева, 2010, №4
С.К. Атанов, К. Молдамурат
Микроконтроллерная реализация нечеткой логики в системах искусственного интеллекта
(Казахский агротехнический университет им. С. Сейфуллина, г. Астана) (Евразийский нацональный университет им. Л.Н. Гумилева, г. Астана)
Данная статья посвящена проблеме создания современных развитых средствах промышленного контроля и управ- ления, дополняющих классические технологии и направленные на создание новых предприятий с более дешҷвыми и короткими производственными циклами - системах с искусственным интеллектом (ИИ).
Алгоритмы, используемые информационными системами предприятий, в большинстве слу- чаев можно свести к ряду типовых, среди которых можно выделить следующие:
1. классификация и идентификация образов - определение принадлежности образа одному или нескольким предварительно определенным классам;
2. многоцелевая аппроксимация функций - оценка неизвестной зависимости по эксперимен- тальным данным;
3. прогноз (интерполяция) - определение будущего процесса по его прошлому и настоящему;
4. многокритериальная оптимизация - нахождение решений, которые максимизируют или ми- нимизируют определенный критерий качества при заданных ограничениях;
5. память, адресуемая по содержанию (ассоциативная память) - память доступная по указан- ному содержанию (базы данных и знаний);
6. управление - перевод и поддержание системы в требуемом состоянии.
Если ранее было традиционно использование АСУ с классическими алгоритмами из тео- рии управления, то ростом в настоящее время все большее значение начинают приобретать новые технологии и алгоритмы [1]. Так, широкое применение за последнее десятилетие полу- чили совсем недавно известные только узкому кругу специалистов нейронные сети, нечеткая логика, генетические алгоритмы и ряд других информационных технологий. Экстраполируя данный процесс на будущее, можно предположить, что роль алгоритмов обработки информа- ции в научно-техническом прогрессе будет возрастать и в дальнейшем.
Так, целью данной статья является рассмотрение более развитых средствах промышленного контроля и управления, дополняющих классические технологии и направленные на создание новых предприятий с более дешҷвыми и короткими производственными циклами - системах с искусственным интеллектом (ИИ).
Технологии ИИ включают в себя искусственные нейронные сети (ИНС), экспертные систе- мы (ЭС), нечеткую (fuzzy) логику (НЛ), генетические алгоритмы (ГА) и т.д. и т.п. Лежащие в их основе идеи существенно отличаются от общепринятых методов вычислений, имитируя
"человеческие", т.е. более понятные технологу, чем "чистому"специалисту по вычислитель- ной технике, пути решения проблем либо "природное", "генетическое"развитие процессов. На- пример, ИНС-сети обладают способностью к обучению, ЭС-системы принимают решения на основе наборов правил и опыта экспертов, а системы с нечеткой логикой оперируют такими понятиями, как неопределенность и частичная/приблизительная истина [2]. Все эти системы дополняют друг друга, обогащая наш словарь такими терминами, как neurofuzzy. Возможно, neurofuzzy (нейрофази) ждҷт судьба термина multomedia и нейрогенетика.
Данные методы предназначены для решения очень сложных нелинейных задач, которые ли- бо превышают возможности общепринятых алгоритмических методов, либо требуют для своего решения слишком больших материальных и временных затрат. Уже есть успешные примене- ния методов ИИ, хотя и не всегда в роли единственного решения, например, при традиционном
"языковом"проектировании на C/C++. В силу своей природы, ИИ-методы довольно спорны и не всегда принимаются сторонниками традиционных подходов [3]. Тем не менее, сегодня ИИ-технология занимает все более важное место в арсенале средств разработчиков средств управления и контроля.
Нечеткая логика добилась определенных успехов на нескольких направлениях: в программ- ных средствах, в контроллерах и в интегральных схемах. Контроллеры на базе нечеткой ло-
226
С.К. Атанов, К. Молдамурат
гики выпускают Fuji Electric, Klockner-Moeller, Rockwell-Automation/ Allen-Bradley, Siemens и Yokogawa и другие фирмы. Дополнительные возможности для экспансии нечеткой логики дает объединение производителей контроллеров с поставщиками программных средств. На рис 1.
приведена схема внедрения алгоритма нечеткой логики в классическую систему управления технологическим процессом, используя стандарт IEC 1131-7.
Программирование на базе нечҷткой логики, определяет НЛ-компоненты, а также взаимо- действие НЛ-модулей с другими стандартными языками программирования. В качестве выход- ных данных могут выступать измеряемые технологические параметры, расчҷтные величины и контрольные значения. Выходными данными являются реальные параметры в форме коррек- тирующих величин.
В некоторых случаях НЛ-технология реализована в промышленно выпускаемых микро- контроллерах. Например, расширение по программированию на базе нечеткой логики (Fuzzy Logic Programming) предложено для стандарта IEC 1131 (программируемые контроллеры).
IЕС/МЭК 1131-7 уже лежит в основе НЛ-структуры и программного пользовательского ин- терфейса пакета fuzzyTech компании Inform, внедряется в известный пакет ISaGRAF (CJ International). Объектно-ориентированный пакет fuzzyTech интегрирует функции нечеткой ло- гики со стандартным ПЛК (А-В, Modicon и Siemens) и с популярными программными сред- ствами управления процессами типа Citech (Ci Technologies) и InTouch (Wonderware). По- следняя версия fuzzyTech (5.0) оптимизирована для использования под управлением Windows NT.Компании Wonderware и Inform разработали также на базе пакета fuzzyTech расширение ActiveX для технологии InControl. Разработкам НЛ-систем благоприятствует рост интеграции НЛ на кремниевом уровне.
Одна из тенденций сегодняшнего дня - создание гибридных систем, в которых технологии нейронных сетей сочетаются с другими методами (не обязательно из сферы ИИ), как напри- мер дополнение к нейронным сетям методов частичных наименьших квадратов (PLS-метод) и базового компонентного анализа (РСА-метод). Подобные гибридные интеллектуальные ней- ронный сети (ИНС) являются довольно эффективным средством системного моделирования и группового мониторинга.
Стандарт IEC1131-7
Наиболее подходящими для применения данных методов являются групповые процессы с сильной нелинейностью и сложным регулированием. Подходов к исследованию принципов объединения статистических методов типа PLS и РСА с нейронными сетями для постоянного регулирования групповых процессов, существует достаточно много. Одной из развивающихся областей применения ИНС-сетей является усовершенствование общезаводских ЕРМ-моделей (first-principle models), включающих два направления:
• моделирование отдельных нелинейных процессов, для которых ЕРМ-модели либо не су- ществуют, либо неточны, либо требуют для разработки значительных затрат,
• выработка корректирующего фактора для ЕРМ-модели. Нейронные сети NeuralWare позволяют повысить степень оптимизации и другие характеристики общезаводских
227
Л.Н. Гумилев атындағы ЕҰҮ Хабаршы - Вестник ЕНУ им.Л.Н. Гумилева, 2010, №4
FPM-моделей.
Еще одной областью применения ИНС-технологии является проверка достоверности данных и показаний датчиков. Это особенно важно для систем регулирования на базе "моделей с пред- сказанием". Многие производители средств заводской автоматизации и технологического кон- троля разрабатывают специализированные микропроцессоры и контроллеры, используемые как в бытовой техники, так и в новейших видах вооружения как крылатые ракеты [4]. Хотя информации о подобных проектах недостаточно, можно отметить ассигнования Министерства обороны США на исследования в области построения систем управления вооружением и тре- нажеров для обучения пилотов истребителей на основе нечетких технологий. Национальное управление по аэронавтике и космонавтике (НАСА) предполагает использовать нечеткие мо- дели для решения специальных задач в космосе.
Таким образом, можно сделать вывод, что область приложений теории нечетких множеств и нечеткой логики с каждым годом продолжает неуклонно расширяться. При этом процесс разработки и применения нечетких моделей тесно взаимосвязан с концепцией системного мо- делирования как наиболее общей методологией построения и использования информационных моделей сложных систем различной физической природы, в контексте которой возможна раз- работка наиболее адекватных и эффективных информационных моделей сложных систем.
СПИСОК ЛИТЕРАТУРЫ
1.Тэтано Т., Асаи К., Сугэно Прикладные нечеткие системы М: Мир, 1993.-125c.
2. Баранов В.П. Синтез микропрограммных автоматов. М.: Нолидж, 1997.- 376 с.
3. Поспелова Д.А. Нечеткие множества в моделях управления и искусственного интеллекта М.:Наука, 1986.-205с.
4. Altera, Processor & Peripheral Megafunction, AMPP, http://www.altera.com/
Атанов С.К., Молдамурат К.
Микроконтроллмен жасанды сана жүйесұн қүрастырғанда бүлдыр логиканы пайдалану
Бүл жүмыста қарастыратын мәселе жана технологияны пайдалану. Өнеркәсiпте қадағалап және жасанды сана жүй- есiн қүрастырғанда бүлдыр логика теориясыымен пайдалану. Ол классикалық басқару теориядан ерекше қарастырылады негiзi жасанды сана жүйесiн пайдаланылып технология айналымын қысқартады және арзандатады.
Atanov S.K.,Moldamurat K.
Realisation of fuzzy logic in systems of an artificial intellect about use of microcontrollers
Given article is devoted a problem of creation the modern developed means of the fuzzi control and the management, supplementing classical technologies and directed on creation of the new enterprises with cheaper and short production cycles - systems with an artificial intellect (AI).
Поступила в редакцию 12.02.10 Рекомендована к печати 25.05.10
228
