3
procesului la o referinţă de tip treaptă. Acordarea parametrilor procesului se poate face utilizând relaţiile Ziegler-Nichols: τ = p p r T K K 0,9 1 , Ti = 3,3Tp . (4)-(5) Factorii de amplificare pentru variabilele sistemului de inferenţe fuzzy devin: τ = p p e K T g 0,9 , p p p de T K T g 0,9 3,3 τ = , gdu = 3,3Tp (6)-(8) Obţinerea bazelor de reguli prin instruire iterativă O problemă fundamentală evidentă, apărută în implementarea practică a sistemelor de reglare bazate pe reguli fuzzy (sau prin extindere a sistemelorexpert de reglare) este stabilirea unei metodologii de obţinere a unui set de reguli de control. În general pentru sisteme-expert, această fază, denumită

hgdhjkj

Embed Size (px)

DESCRIPTION

bnmn

Citation preview

procesului la o referin de tip treapt. Acordarea parametrilor procesului sepoate face utiliznd relaiile Ziegler-Nichols:= pprTKK 0,9 1 , Ti = 3,3Tp . (4)-(5)Factorii de amplificare pentru variabilele sistemului de inferene fuzzy devin:=ppe KTg 0,9 , pppde TKTg 0,9 3,3= , gdu = 3,3Tp (6)-(8)Obinerea bazelor de reguli prin instruire iterativO problem fundamental evident, aprut n implementarea practic asistemelor de reglare bazate pe reguli fuzzy (sau prin extindere a sistemelorexpertde reglare) este stabilirea unei metodologii de obinere a unui set dereguli de control. n general pentru sisteme-expert, aceast faz, denumitachiziia cunotinelor (sau achiziia experienei), reprezint o dificultate important nconstruirea unor sisteme-expert reale / realiste. Mai mult, performanelesistemelor de reglare bazate pe reguli sunt strns dependente de disponibilitateabazei de reguli i de performanele acesteia (sau, altfel spus, de existena uneibaze de reguli complet i corect n contextul aplicaiei concrete). n lipsaexperienei operatorilor (experi), care pot furniza cunotinele pentru descriereaprocesului (un model identificat), este necesar construirea unei baze de reguli prinoperarea n mod direct asupra procesului supus reglrii. Pe de alt parte, un setde reguli brut furnizat de experi trebuie s fie mbuntit, deoarececunotinele lor pot fi incomplete, inconsistente, sau chiar incorecte, mai alescnd condiiile de funcionare (operare) obinuite sunt schimbate.n lucrrile de specialitate se introduce termenul de auto-instruire (self-learning) ide aici reglarea prin auto-instruire (self-learning control). Un mecanism de autoinstruirepentru sistem de reglare fuzzy trebuie s construiasc o baz de regulipentru regulatorul fuzzy din date obinute prin msurare i nregistrare, ajustndtreptat mrimea de comand. Mai mult, dac sistemul de reglare este multivariabil(mai multe bucle de reglare), atunci mecanismul de nvare trebuie sextrag reguli pentru fiecare regulator fuzzy Suplimentar, dac procesul reglateste unul multi-variabil cu interaciuni considerabile ale mrimilor, atunci esteutil ca mecanismul de nvare s construiasc baze de reguli independente,decuplate, pentru ficare bucl de reglare.Pe scurt, principiul de baz al sistemului cu auto-instruire propus poate fienunat astfel: prin introducerea unui model de referin al procesului i angajnd o strategiede control cu nvare iterativ, comanda dorit este nvat i, n acelai timp, o baz dereguli se formeaz prin msurarea, nregistrarea i procesarea adecvat a aciunilor nvate,utilizate consecutiv pe durata procesului.