Совершенствование алгоритмов распознавания типов объектов в системах управления с применением нечеткой логики в условиях неопределенности

Андрей Александрович Колкк, Владимир Андреевич Колкк, Владимир Иванович Ширяев

Аннотация


Введение. В основу современных информационных технологий для сложных систем автоматизации в условиях неопределенности положен принцип ситуационного управления. К таким технологиям относятся следующие: экспертные системы, нейросетевые структуры, нечеткая логика и ассоциативная память. Развитие интеллектуальных технологий связано с объединением различных методов обработки знаний. Данное направление обеспечивает повышение быстродействия, сокращение объема знаний. Предполагается возможным объединение нечеткой логики и экспертных систем. Цель исследования. Рассмотреть задачу совершенствования алгоритмов распознавания в системах управления путем объединения методов оптимальной фильтрации и нечеткой логики на этапе вторичной обработки информации о параметрах объектов. Материалы и методы. Для предварительной обработки будем рассматривать фильтры Калмана (ФК), для реализации которых в реальном времени требуется меньше вычислительных ресурсов по сравнению с алгоритмами гарантированного оценивания. В предлагаемом методе применим банк (ФК). Математическое моделирование проводим в программной среде Mathcad 14. В программной среде FuzzyTECH разрабатывается нечеткий проект «Распознавание типа объекта». Разработка нечеткой модели проходит в несколько этапов. Во-первых, представление входных переменных в терминах лингвистических переменных. Во-вторых, опираясь на знания экспертов, определяем термы для лингвистических переменных. В-третьих, создание блока правил. В-четвертых, исследование созданного нечеткого проекта. Результаты. Проведенное математическое моделирование ФК в устройствах слежения за параметрами объектов в процессе распознавания в программной среде Mathcad 14 показало возможность применения банка фильтров в рассмотренных устройствах. Созданы и исследованы алгоритмы распознавания типов объектов с использованием нечёткой логики. Заключение. Созданные алгоритмы системы управления, объединяющие в себе фильтрацию Калмана и нечеткую логику, повышают эффективность системы распознавания.

Ключевые слова


информационные технологии; распознавание типов объектов; фильтрация Калмана; нечеткая логика

Полный текст:

PDF

Литература


Трауб, Дж. Информация, неопределенность, сложность / Дж. Трауб, Г. Васильковский, Х. Вожьняковский. – М.: Мир, 1988. – 184 с.

Шалыгин, А.С. Методы моделирования управления движением беспилотных летательных аппаратов / А.С. Шалыгин, Л.Н. Лысенко, О.А. Толпегин; под ред. А.В. Ноздрачева и Л.Н. Лысенко. – М.: Машиностроение, 2012. – 584 с.

Создание интеллектуальных систем автоматизации и управления на основе современных информационных технологий / И.М. Макаров, В.М. Лохин, С.В. Манько, М.П. Романов // Мехатроника, автоматизация, управление. – 2007. – № 4. – С. 13–20.

Бобырь, М.В. Нечёткий цифровой фильтр для управления роботом-манипулятором / М.В. Бобырь, М.Ю. Лунева, К.А. Ноливос // Мехатроника, автоматизация, управление. – 2019. – Т. 20, № 4. – С. 244–250. DOI: 10.17587/mau.20.244-250

Федунов, Б.Е.. Бортовые интеллектуальные системы тактического уровня для антропоцентрических объектов (примеры для пилотируемых летательных аппаратов) / Б.Е. Федунов. – М.: Де´Либри, 2018. – 246 с.

Поспелов, Д.И. Ситуационное управление: теория и практика / Д.И. Поспелов. – М.: Наука, 1986. – 288 с.

Нечеткие множества в моделях управления и искусственного интеллекта / А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун и др.; под ред. Д.А. Поспелова. – М.: Наука, 1986. – 312 с.

Заде, Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений / Л.А. Заде. – М.: Наука, 1974. – 167 с.

Беллман, Р.Э. Принятие решений в расплывчатых условиях / Р.Э. Беллман, Л.А. Заде // Вопросы анализа процедуры принятия решений. – М.: Наука, 1976. – С. 172–215.

Тэрано, Т. Прикладные нечеткие системы / Т. Тэрано, К. Асаи, М. Сугэно; под ред. Т. Тэрано. – М.: Мир, 1993. – 368 с.

Леоненков, А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH / А.В. Леоненков. – СПб.: БХВ Петербург, 2005. – 736 с.

Федунов, Б.Е. Модель «Этап» для разработки облика бортовых интеллектуальных систем антропоцентрических объектов / Б.Е. Федунов // Онтология проектирования. – 2012. – № 2. – С. 36–43.

Колкк, А.А. Совершенствование алгоритмов оценки параметров радиосигналов с использованием аппарата нечеткой логики при вторичной обработке информации в авиационных комплексах радиоэлектронного подавления / А.А. Колкк // Новые технологии: материалы IX Всерос. конф. – М.: РАН, 2012. – Т. 1. – С. 135–143.

Хант, Э. Искусственный интеллект / Э. Хант. – М.: Мир, 1978. – 558 с.

Кац, И.Я. Минимаксная многошаговая фильтрация в статистически неопределенных ситуациях / И.Я. Кац, А.Б. Куржанский // Автоматика и телемеханика. – 1978. – № 11. – С. 79–87.

Ширяев, В.И. Синтез управления линейными системами при неполной информации / В.И. Ширяев // Изв. РАН. Техническая кибернетика. – 1994. – № 3. – С. 229–237.

Семушин, И.В. Устойчивые алгоритмы фильтрации – обзор и новые результаты для систем судовождения / И.В. Семушин, Ю.В. Цыганова, К.В. Захаров // Информационные технологии и вычислительные системы. – 2013. – № 3. – С. 90–112.

Безмен, Г.В. Функциональное диагностирование динамических систем с использованием нечетких правил анализа и принятия решений об отказе / Г.В. Безмен, Н.В. Колесов // Изв. РАН. Теория и системы управления – 2011. – № 3. – С. 3–12.

Об алгоритмах распознавания типов радиоэлектронных средств в бортовых комплексах разведки / А.А. Колкк и др. // Актуальные вопросы исследований в авионике: теория, обслуживание, разработки: материалы II Всероссийской НПК «АВИАТОР» (11–13 февраля 2015 г.). – Воронеж: ВУНЦ ВВС «ВВА», 2015. – Т. 2. – С. 86–92.




DOI: http://dx.doi.org/10.14529/ctcr200104

Ссылки

  • На текущий момент ссылки отсутствуют.