{"title":"利用遗传算法调谐合成神经模糊控制器","authors":"Natalia Yevsina, Petro Kachanov, Mykola Tarasenko","doi":"10.26906/sunz.2023.3.041","DOIUrl":null,"url":null,"abstract":"Метою статті є розгляд методики розробки нейро-нечіткого регулятора (ННР) з налаштуванням його параметрів генетичним алгоритмом (ГА). Отримані результати підтверджують працездатність методики та дозволяють зробити висновок про те, що нейро-нечіткий регулятор при відповідній налаштування забезпечує високу якість роботи системи керування, у тому числі і за наявності випадкових збурень на динамічний об'єкт. Запропонована у статті методика синтезу ННР протестована в умовах обмеженого обсягу вихідних даних навчальної вибірки, розмір якої не впливає на якість роботи алгоритму. Достатньо двох або трьох значень параметрів вибірки, щоб сформувати діапазони для меж термів нечітких змінних, а далі оптимальні значення підбираються ГА. У результаті розроблено алгоритм синтезу регулятора та генетичний алгоритм налаштування його параметрів.","PeriodicalId":488657,"journal":{"name":"Sistemi upravlìnnâ, navìgacìï ta zvʼâzku","volume":"59 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-09-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"СИНТЕЗ НЕЙРО-НЕЧІТКОГО РЕГУЛЯТОРА З НАЛАШТУВАННЯМ ГЕНЕТИЧНИМ АЛГОРИТМОМ\",\"authors\":\"Natalia Yevsina, Petro Kachanov, Mykola Tarasenko\",\"doi\":\"10.26906/sunz.2023.3.041\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Метою статті є розгляд методики розробки нейро-нечіткого регулятора (ННР) з налаштуванням його параметрів генетичним алгоритмом (ГА). Отримані результати підтверджують працездатність методики та дозволяють зробити висновок про те, що нейро-нечіткий регулятор при відповідній налаштування забезпечує високу якість роботи системи керування, у тому числі і за наявності випадкових збурень на динамічний об'єкт. Запропонована у статті методика синтезу ННР протестована в умовах обмеженого обсягу вихідних даних навчальної вибірки, розмір якої не впливає на якість роботи алгоритму. Достатньо двох або трьох значень параметрів вибірки, щоб сформувати діапазони для меж термів нечітких змінних, а далі оптимальні значення підбираються ГА. У результаті розроблено алгоритм синтезу регулятора та генетичний алгоритм налаштування його параметрів.\",\"PeriodicalId\":488657,\"journal\":{\"name\":\"Sistemi upravlìnnâ, navìgacìï ta zvʼâzku\",\"volume\":\"59 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-09-15\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Sistemi upravlìnnâ, navìgacìï ta zvʼâzku\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.26906/sunz.2023.3.041\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Sistemi upravlìnnâ, navìgacìï ta zvʼâzku","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.26906/sunz.2023.3.041","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
摘要
本文旨在探讨开发神经模糊控制器（NFC）的方法，并通过遗传算法（GA）调整其参数。所获得的结果证实了该方法的效率，并让我们得出结论：神经模糊控制器经过适当调整后，可确保控制系统的高质量，包括在动态物体受到随机干扰的情况下。本文提出的神经网络合成方法是在训练样本初始数据量有限的条件下进行测试的，样本量的大小不会影响算法的质量。两到三个样本参数值足以形成模糊变量项边界的范围，然后由 GA 选择最优值。因此，我们开发了一种控制器合成算法和一种用于调整其参数的遗传算法。
СИНТЕЗ НЕЙРО-НЕЧІТКОГО РЕГУЛЯТОРА З НАЛАШТУВАННЯМ ГЕНЕТИЧНИМ АЛГОРИТМОМ
Метою статті є розгляд методики розробки нейро-нечіткого регулятора (ННР) з налаштуванням його параметрів генетичним алгоритмом (ГА). Отримані результати підтверджують працездатність методики та дозволяють зробити висновок про те, що нейро-нечіткий регулятор при відповідній налаштування забезпечує високу якість роботи системи керування, у тому числі і за наявності випадкових збурень на динамічний об'єкт. Запропонована у статті методика синтезу ННР протестована в умовах обмеженого обсягу вихідних даних навчальної вибірки, розмір якої не впливає на якість роботи алгоритму. Достатньо двох або трьох значень параметрів вибірки, щоб сформувати діапазони для меж термів нечітких змінних, а далі оптимальні значення підбираються ГА. У результаті розроблено алгоритм синтезу регулятора та генетичний алгоритм налаштування його параметрів.
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
