Главная страница
Навигация по странице:

  • 1.1 Постановка задачи

  • 1.2 Реализация задачи

  • У Вас есть телефон Пользуетесь ли Вы интернетом с телефона Играете ли Вы в игра на телефоне

  • Список литературы

  • Отчет "Индивидуальные задания " по предмету " Интеллектуальные технологии и представление знаний" Работу проверил Л. А. Станкевич к т. н., профессор кафедры сау подпись Работу


    Скачать 0.56 Mb.
    НазваниеОтчет "Индивидуальные задания " по предмету " Интеллектуальные технологии и представление знаний" Работу проверил Л. А. Станкевич к т. н., профессор кафедры сау подпись Работу
    АнкорStankevich_Otchet.docx
    Дата24.07.2018
    Размер0.56 Mb.
    Формат файлаdocx
    Имя файлаStankevich_Otchet.docx
    ТипОтчет
    #20344


    Министерство общего и профессионального образования Российской Федерации

    Санкт – Петербургский государственный политехнический университет

    институт Информационных технологий и управления

    кафедра «Системный анализ и управление»


    Отчет

    "Индивидуальные задания "

    по предмету:

    " Интеллектуальные технологии и представление знаний"

    Работу проверил ___________________ Л.А.Станкевич

    к.т.н., профессор кафедры «САУ» подпись



    Работу выполнила ___________________Н.А.Мельвиль

    студентка группы 43502/10 подпись

    Санкт-Петербург

    2014 год

    Содержание




    1.1 Постановка задачи 3

    Вывод 15

    Список литературы 16



    1 Нечеткие системы. Построение PID регулятора


    1.1 Постановка задачи

    Свойства нечеткой логики обрабатывать неполную информацию, моделировать человеческие знания и выдавать обоснованные решения предполагают ее интенсивное использование для наблюдения в реальном времени за технологическими процессами, а также решение проблем, связанных с практической реализацией систем управления технологическими процессами. Использование нечеткой логики в системах управления позволяет уменьшить вмешательство оператора в процесс управления и, следовательно, позволяет разработать новые методики управления, более адаптированные к промышленной среде. Регуляторы, построенные на базе нечеткой логики, в ряде случаев способны обеспечить более высокие показатели качества переходных процессов по сравнению с классическими регуляторами.

    На основе нечеткой логики построить PID регулятор. (y=a sin x)

    1.2 Реализация задачи

    Для применения методов нечеткой логики прежде всего необходимо преобразовать обычные четкие переменные в нечеткие. Процесс такого преобразования называется фаззификацией (от английского "fuzzy"- "нечеткий"). Он иллюстрируется рис. 1. Количество множеств также может быть произвольным.

    Одна из наиболее распространенных структур нечеткого регулятора (нечеткого ПИ-регулятора) показана на рисунке 2. На вход регулятора поступает ошибка описание: http://bookasutp.ru/chapter5.files/image216.gif (x) и вычисляется ее производная по времени описание: http://bookasutp.ru/chapter5.files/image893.gif(a). Далее обе величины сначала подвергаются операции фаззификации (преобразования в нечеткие переменные), затем полученные нечеткие переменные используются в блоке нечеткого логического вывода для получения управляющего воздействия на объект, которое после выполнения операции дефаззификации (обратного преобразования нечетких переменных в четкие) поступает на выход регулятора в виде управляющего воздействия описание: http://bookasutp.ru/chapter5.files/image218.gif.



    Рисунок 1 – Деление области принадлежности переменной на множества в программе

    Для выполнения функции регулирования над нечеткими переменными должны быть выполнены операции, построенные на основании высказываний оператора, сформулированных в виде нечетких правил. Совокупность нечетких правил и нечетких переменных используется для осуществления нечеткого логического вывода, результатом которого является управляющее воздействие на объект управления (рисунок 2).

    описание: http://bookasutp.ru/chapter5.files/image892.gif

    Рисунок 3 - Структура нечеткого ПИ-регулятора

    Для нечетких множеств существует общепринятая система обозначений: S (малый, Small), М (средний, Medium), L (большой, Large). Количество таких переменных (термов) может быть любым, однако с увеличением их количества существенно возрастают требования к опыту эксперта, который должен сформулировать правила для всех комбинаций входных переменных.

    Для выполнения функции регулирования над нечёткими переменными должны быть выполнены операции, построенные на основании высказываний оператора, сформулированных в виде нечётких правил. Совокупность нечётких правил и нечётких переменных используется для осуществления нечёткого логического вывода, результатом которого является управляющее воздействие на объект управления.

    Нечёткий вывод выполняется следующим образом. Предположим, что область изменения xразделена на множества S(small), M(midle), B(big), область изменения управляющего воздействия – на множества lya3 – (leftya3), lya2, lya1, midley, rya1 – (rightya1), rya2, ry3, и что с помощью эксперта удалось сформулировать следующие правила работы регулятора:

    Приведённые правила часто записывают в более компактной табличной форме. Используя правила, можно получить значение управляющей переменной u на выходе нечёткого регулятора. Для этого нужно найти функцию принадлежности переменной u множеству, образованному в результате выполнения операций вывода над множествами, входящими в систему правил.


    Рисунок 3- Представление нечетких правил в программе Rule Editor





    Рисунок 4 – Пример окна Surface полученного регулятора

    В результате выполнения задания был построен PID регулятор на системе нечеткой логики с помощью пакета Fuzzy logic toolbox.

    2. Нейронные сети. Распознавание образов - фигур

    2.1 Постановка задачи


    Дано поле размера 10x10. Каждая клетка поля может заполняться либо нулём, либо единицей. Поле заполняется одной фигурой в центре без сдвига и изменения масштаба. С помощью нейронных сетей реализовать распознавание фигур. Первоначальные фигуры могут быть любые. Классов каждой фигуры - 3.

    2.2 Реализация задачи


    Заполнение поля:

    В Matlab создадим одномерный массив и каждые 10 элементов массива разделим на строки.

    Пример квадрата:

    B4 = [1 1 1 1 1 1 1 1 1 1 ...

    1 0 0 0 0 0 0 0 0 1 ...

    1 0 0 0 0 0 0 0 0 1 ...

    1 0 0 0 0 0 0 0 0 1 ...

    1 0 0 0 0 0 0 0 0 1 ...

    1 0 0 0 0 0 0 0 0 1 ...

    1 0 0 0 0 0 0 0 0 1 ...

    1 0 0 0 0 0 0 0 0 1 ...

    1 0 0 0 0 0 0 0 0 1 ...

    1 1 1 1 1 1 1 1 1 1 ]

    Для построения изображения из массива воспользуемся функцией spy(reshape(B1,8,10)') где, B1- массив. 10 высота и ширина поля.

    Из всех букв была создана матрица входа B, то на чем будут учиться наши нейроны.

    B=[B11;B12;B1;B22;B21;B2;B32;B31;B3]'.
    Так же была создана матрица выходных значений tag.

    Для создания нейронной сети мы используем функцию newff:

    net= newff(minmax(B), [ Nerons_S1 Nerons_in_S2], {'logsig' 'logsig'}, 'traingdx');

    Количество нейронов во входном слое – 100. Тренировка сети выполняется с помощью функции:

    net = train(net,B,tag);



    Рисунок 5 – вывод изображения из матрицы

    На рисунке 6 показан пример тренировки нашей сети.



    Рисунок 6 - Пример тренировки сети

    Переведем её в матрицу:



    Рисунок 8 – Оцифрованная фигура

    3. Изучение и использование оболочки экспертной системы на правилах. Консультант по выбору телефона

    3.1 Постановка задачи


    Разобраться в структуре существующей оболочке экспертной системы. На её основе составить свою базу знаний.

    3.2 Решение задачи


    Запустим экспертную систему. При старте программа попросит нас ввести имя файла с правилами. Введем figura.rul



    Рисунок 9 – Главное меню экспертной системы

    Как можно заметить у нас есть несколько основных действий в системе:

    Мы можем добавить в нее свой факт/вопрос или ответ об объекте. Можем также проверить истинность факта, посмотреть факты базы знаний или объявить факт многозначным. Одним из основных действий является консультация. Задавая нам вопросы система может определить, что за объект мы хотим (имеем в виду).

    Рассмотрим устройство файла с правилами:



    Рисунок 10 – Файл с правилами

    Сам файл делится на три части:

    1. Вопрос – это основные вопросы, которые будет задавать система эксперту;

    2. Значения – варианты ответа на вопрос;

    3. Правила – связи между ответами на вопросы;

    Телефонов будет 4 – айфон, нтс, самсунг, нокиа.

    Подбираться телефон будет в зависимости от 3-х ключевых факторов:


    1. У Вас есть телефон?


    2. Пользуетесь ли Вы интернетом с телефона?


    3. Играете ли Вы в игра на телефоне?

    Запустим нашего консультанта:



    Рисунок 11 – Консультация по выбору телефона

    Вывод

    В ходе данного курса были сделаны 3 индивидуальных задания. Каждое задание относилось к одному из основных разделов материала, изложенного в ходе лекционного курса «Интеллектуальные технологии и представление знаний». На основе выполненных заданий был составлен отчет, в котором отражены всё этапы решений поставленных задач.

    Список литературы




    1. Станкевич Л.АПредставление знаний и интеллектуальные системы. ,
    СПб: СПбГТУ, 2008.

    2. Козлов В.Н., Куприянов В.Е., Шашихин В.Н. Теория автоматического управления. СПб.: Изд-во Политехн. ун-та, 2008. – 127 с.
    написать администратору сайта