МЕТОД ІДЕНТИФІКАЦІЇ СТАНІВ ОБ'ЄКТУ ЗА РЕЗУЛЬТАТАМИ НЕЧІТКИХ ВИМІРЮВАНЬ КОНТРОЛЮВАНИХ ПАРАМЕТРІВ

Автор(и)

  • Lev Raskin Національний технічний університет «Харківський політехнічний інститут», Україна http://orcid.org/0000-0002-9015-4016
  • Larysa Sukhomlyn Кременчуцький національний університет імені Михайла Остроградського, Україна https://orcid.org/0000-0001-9511-5932
  • Yuriy Ivanchikhin Національний технічний університет «Харківський політехнічний інститут», Україна https://orcid.org/0000-0002-3999-6541
  • Roman Korsun Національний технічний університет «Харківський політехнічний інститут», Україна https://orcid.org/0000-0002-1950-4263

DOI:

https://doi.org/10.30837/ITSSI.2021.18.075

Ключові слова:

метод ідентифікації станів об'єкта, інформаційна цінність контрольованих параметрів

Анотація

Предмет розгляду – задача ідентифікації станів об'єкта за результатами нечітких вимірювань набору контрольованих параметрів. Нечіткість вихідних даних задачі додатково її ускладнює за рахунок нерівнозначності контрольованих параметрів. Метою дослідження є розробка методу ідентифікації стану нечітко заданого об'єкта з нечітким механізмом логiчного висновку і з урахуванням можливих відмінностей у рівні інформативності контрольованих його параметрів. Метод отримання необхідного результату заснований на модифікації відомого математичного апарату побудови експертної системи штучного інтелекту шляхом вирішення двох наступних підзадач. Перша – розробка методу оцінки інформативності контрольованих параметрів. Друга – розробка методу побудови механізму логічного виведення відносного стану об'єкта за результатами вимірювання контрольованих параметрів, що забезпечує ідентифікацію. У першому завданні з метою оцінки інформативності параметрів запропоновано метод, вільний від відомих недоліків традиційної міри інформативності Кульбака. При реалізації методу передбачається, що діапазон можливих значень кожного параметра розділений на піддіапазони відповідно до можливими станами об'єкта. Для кожного з цих станів визначено функцію належності нечітких значень відповідного параметра. При цьому коректне завдання оцінки інформативності параметра вирішується для випадків, коли цей параметр вимірюється точно або нечітко визначений своєю функцією приналежності. Принципова відмінність запропонованого механізму логічного висновку від традиційного полягає у відмові від використання бази продукційних правил, що забезпечує практичну незалежність обчислювальної процедури від розмірності завдання. Результати. Для вирішення основного завдання ідентифікації станів запропоновано непродукційний підхід, обчислювальна складність якого практично не залежить від розмірності задачі (добуток кількості можливих станів на число контрольованих параметрів). Механізм логічного висновку виробляє розподіл ймовірностей станів системи. При цьому використовується набір функцій належності кожного параметра діапазону можливих значень для кожного зі станів об'єкта, а також набір функцій належності нечітких результатів вимірювань кожного параметра. Висновки. Отже, запропоновано непродукційний метод ідентифікації стану нечітко заданих об'єктів з нечітким непродукційним механізмом логiчного висновку, складність якого не залежить від розмірності завдання.

Біографії авторів

Lev Raskin , Національний технічний університет «Харківський політехнічний інститут»

 доктор технічних наук, професор

Larysa Sukhomlyn , Кременчуцький національний університет імені Михайла Остроградського

 кандидат технічних наук, доцент

 

 

Yuriy Ivanchikhin , Національний технічний університет «Харківський політехнічний інститут»

 кандидат технічних наук, доцент

Roman Korsun , Національний технічний університет «Харківський політехнічний інститут»

аспірант 

 

Посилання

Mamdani, E.H. (1977), "Application of fuzzy logic to approximate reasoning using linguistic systems", Fuzzy sets and Systems, V. 26, P. 1182 – 1191. DOI: 10.1109/TC.1977.1674779

Rutkovskaia, D., Pylynkovskyi, M., Rutkovskyi, L. (2004), Neural networks, genetic algorithms and fuzzy systems, M.: Horiachaia lynyia -Telekom, Р. 384.

Abrakham, A., Semchenko, P.N. (2013), "Expert systems based on rules", Vestnyk Tykhookeanskoho hosudarstvennoho unyversyteta, No. 3(30), Vol. 3 (30), Р. 29–40.

Chastykov, A.P., Havrylova, T.A., Belov, D.L. (2003), Development of expert systems, CLIPS environment. Series "Study Guide", SPb.: BKhV-Peterburh, Р.395.

Shtovba, S. D. (2001), Introduction to fuzzy set theory and fuzzy logic, Vynnytsa: UNYVERSUM, Vynnytsa, Р. 756.

Paklyn, N. A., "Fuzzy Logic - Mathematical Foundations", BaseGroup Labs, available at: https://basegroup.ru/print/228 (Last accessed at 05.06.2017)

Kruhlov, V.V., Dly, M.Y. (2002), Intelligent information systems: computer support for fuzzy logic and fuzzy inference systems, M.: Fyzmatlyt, Р. 274.

Babuska, R. (1998), Fuzzy Modeling for Control, Boston, USA: Kluwer Academic Publishers, Р. 260.

Borysov, V.V., Fedulov, A.S. (2005), Fuzzy production models and networks, Smolensk: Yzd., VA VPVO, Р. 284.

Kullback, S., Leibler, R. A. (1951), "On information and sufficiency", Ann Math. Statist, Vol. 22, No. 1, Р. 79 – 86. DOI: 10.1214/aoms/1177729694

Semenov, S., Sira, O., Gavrylenko, S., Kuchuk, N. (2019), "Identification of the state of an Object under of fuzzy input data", Eastern – European Journal of Enterprise Technologies, Vol. 1, Issue 4, Р. 22 – 30. DOI:10.15587/1729-4061.2019.157085

Raskyn, L.H., Seraia, O.V. (2013), "Analysis of fuzzy expert systems", SOY, Р. 31-34.

Raskyn, L.H. (1997), Analysis of Markov chains using phase coarsening of states, Nauka, tekhnyka, tekhnolohyia, obrazovanye, zdorove, Kh.- NTU, Р. 196.

Seraia, O.V. (2010), Multidimensional logistics models under uncertainty, Kh.: Stetsenko, Р. 512.

Raskyn, L.H., Seraia, O.V. (2003), "Formation of a scalar preference criterion based on the results of pairwise comparisons", Visnyk NTU KhPI.-Kh., No. 6, Р. 63–68.

##submission.downloads##

Опубліковано

2022-04-25

Як цитувати

Raskin , L., Sukhomlyn , L., Ivanchikhin , Y., & Korsun , R. (2022). МЕТОД ІДЕНТИФІКАЦІЇ СТАНІВ ОБ’ЄКТУ ЗА РЕЗУЛЬТАТАМИ НЕЧІТКИХ ВИМІРЮВАНЬ КОНТРОЛЮВАНИХ ПАРАМЕТРІВ. СУЧАСНИЙ СТАН НАУКОВИХ ДОСЛІДЖЕНЬ ТА ТЕХНОЛОГІЙ В ПРОМИСЛОВОСТІ, (4 (18), 75–86. https://doi.org/10.30837/ITSSI.2021.18.075