Подсистема управления

Когнитивная (познавательная) подсистема

Подсистема восприятия

Структура интеллектуальной системы управления

Интеллектуальная система управления включает в себя несколько подсистем (рис. 1).

Эта система собирает информацию об объекте и об окружающей среде и преобразует ее в форму, удобную для использования когнитивной (познавательной) подсистемой. Основными элементами первой являются:

а) набор датчиков, которые обеспечивают исходные данные об объекте и об окружающей среде,

б) устройств обработки сигналов, которые преобразует информацию в удобную для дальнейшего использования форму,

в) интеграция данных, которая использует многомерное пространство данных для получения описания объекта и его окружения. Ключевой технологией здесь является распознавание образов.

Когнитивная подсистема связана с принятием решения в условиях неопределенности. Ключевые операции включают в себя:

а) Нечеткий логический вывод (умозаключение), используя

1. базу знаний системы,

2. нечеткую логику;

б) Стратегию планирования, используя

1. вычисление оптимальной стратегии.

2. адаптивный поиск и генетические алгоритмы,

3. разработку и программирование (планирование) траектории движения;

в) Обучение, используя

1. супервизорное обучение в нейронных сетях,

2. несупервизорное обучение в нейронных сетях,

3. адаптивное обучение.

Исполнительные устройства применяют сигналы, полученные от познавательной подсистемы, чтобы перевести объект в желаемое состояние, В случае отказа исполнительного устройства (или датчика) интеллектуальная система управления должна обладать способностью искусно перестроить стратегию управления. В этом курсе мы рассмотрим главным образом процессы, связанные с когнитивной подсистемой. Следовательно, в данном курсе будет уделено внимание трем технологиям:

- технологии нечеткой логики, ориентированной на обработку логико-лингвистических моделей представления знаний с помощью продукционных (базовых) знаний и нечетких множеств. Эти технологии 1) обладают способностью фаззифицировать сложные ОУ в рамках лингвистических правил, 2) позволяют избежать применения сложных математических моделей, 3) создают долговременную память, тем самым имеют свойства обучения, 4) снижают уровень неопределенности при работе со сложными моделями;

- технологии нейросетевых структур с неявной формой представления знаний, скрытых в архитектуре сети, параметрах нейронов и связей. Эти технологии позволяют обучать нейронные сети онлайн и офлайн и настраивать их параметры;

- технологии нейронечетких систем, ориентированной на объединение в себе достоинств нейронных систем и систем с нечеткой логикой.

Исследованию каждой из этих технологий будет посвящен отдельный раздел.

Нечеткие системы управления