Development of Algorithms of Automatic Recognition of Objects in Control Systems Using Fuzzy Logic in Terms of Uncertainties
DOI:
https://doi.org/10.14529/ctcr200104Keywords:
information technologies, object type recognition, Kalman filtering, fuzzy logicAbstract
Introduction. The basis of modern information technology for complex automation systems in the face of uncertainty is the principle of situational management. Such technologies include the following: expert systems, neural network structures, fuzzy logic and associative memory. The development of intelligent technologies is associated with the combination of various methods of processing knowledge. This area provides increased performance, reduced knowledge. It is supposed that fuzzy logic and expert systems can be combined. Aim. Consider the task of improving recognition algorithms in control systems by combining optimal filtering methods and fuzzy logic at the stage of secondary processing of information about object parameters. Materials and methods. For preliminary processing, we will consider Kalman filters (FC), for the implementation of which in real time less computing resources are required in comparison with guaranteed estimation algorithms. In the proposed method, we apply FC Bank. We carry out mathematical modeling in the Mathcad 14. In the FuzzyTECH software environment, a fuzzy project “Recognizing the type of an object” is being developed. Development of a fuzzy model takes place in several stages. Firstly, the presentation of input variables in terms of linguistic variables. Secondly, relying on expert knowledge, we define terms for linguistic variables. Thirdly, the creation of a block of rules. Fourth, a study of the created fuzzy project. Results. The mathematical modeling of the FC in the devices for tracking the parameters of objects in the process of recognition in the Mathcad 14 software environment showed the possibility of using a filter bank in the considered devices. Algorithms for recognizing object types using fuzzy logic have been created and studied. Conclusion. The created control system algorithms, combining Kalman filtering and fuzzy logic, increase the efficiency of the recognition system.
References
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.
