Построение баз знаний нечетких регуляторов: превосходство интеллектуальных технологий на основе мягких вычислений для моделирования управления неустойчивыми динамическими системами

Abstract

В работе приводятся результаты исследования применения двух промышленных программных продуктов для построения баз знаний нечетких регуляторов для управления неустойчивыми нелинейными динамическими объектами: на основе ANFIS (встроенного в Matlab модуля) и AFM c инструментариями $SCOptKB^{TM}$ - оптимизатора баз знаний на основе технологий мягких вычислений, и $QCOptKB^{TM}$ - оптимизатора баз знаний на основе квантовых вычислений. Рассматриваются результаты сравнительного анализа качества построенных с помощью данных инструментариев баз знаний для интеллектуальных систем управления. Сравнение реализуется посредством моделирования интеллектуального управления типовыми нелинейными динамическими системами с локальной, глобальной и частичной (по части переменных) неустойчивостью, характерной для робототехнических систем. Рассматривается эффективный подход к проектированию баз знаний на основе технологии мягких вычислений с использованием ряда важных термодинамических и информационно-энтропийных критериев управления, повышающих объективность содержащейся в БЗ информации о динамическом поведении объекта управления. The paper presents the results of a study of the use of two industrial software products for building knowledge bases of fuzzy controllers for controlling unstable nonlinear dynamic objects: based on ANFIS (built-in Matlab module) and AFM with tools $SCOptKB^{TM}$ - knowledge base optimizer based on soft computing technologies, and $QCOptKB^{TM}$ - knowledge base optimizer based on quantum computing. The results of a comparative analysis of the quality of knowledge bases built using these tools for intelligent control systems are considered. The comparison is realized by modeling intelligent control of typical nonlinear dynamic systems with local, global and partial (in terms of variables) instability characteristic of robotic systems. An effective approach to the design of knowledge bases based on soft computing technology is considered using a number of important thermodynamic and information-entropy control criteria that increase the objectivity of the information contained in the database about the dynamic behavior of the control object.