Отчет по преддипломной практике в ООО "Креативная разработка" - umotnas.ru o_O
Главная
Поиск по ключевым словам:
страница 1
Похожие работы
Название работы Кол-во страниц Размер
Отчёт по преддипломной практике в ООО «разработка кибернетических... 1 168.47kb.
Информация о производственной практике и преддипломной практике (стажировке) 1 137.77kb.
Экзаменационная ведомость по преддипломной практике 1 55.49kb.
Отчёт по преддипломной практике «система управления ртк для обработки... 1 164.86kb.
Программа преддипломной производственной практики 1 136.42kb.
Рабочая программа по преддипломной практике для студентов специальности... 1 185.67kb.
Отчет №1: Устав проекта на Стадию «Разработка и тестирование» 9 1062.47kb.
Ооо «аксимед» Разработка: медицинская информационная система aksi-клиника 1 48.3kb.
Отчет по практике студент гр. / / /Васянович А. В 1 292.64kb.
Жижина Екатерина Анатольевна Теория и практика применения международных... 1 39.98kb.
Отчет по производственной практике ст гр. Пми-107 Егоров А. 1 130.46kb.
Монография / С. Г. Емельянов, В. С. Титов, М. В. Бобырь. М. 1 35.69kb.
Викторина для любознательных: «Занимательная биология» 1 9.92kb.

Отчет по преддипломной практике в ООО "Креативная разработка" - страница №1/1



Министерство образования и науки Российской Федерации
Федеральное государственное бюджетное образовательное учреждение
высшего профессионального образования
"Ульяновский государственный технический университет".

Кафедра «Измерительно-вычислительные комплексы»

ОТЧЕТ
ПО ПРЕДДИПЛОМНОЙ ПРАКТИКЕ В ООО “Креативная разработка”

Выполнил:

студент гр. ИСТд – 41

Нагибин Денис
Руководитель от предприятия:

технический директор

Негода Дмитрий
Руководитель от кафедры:

доцент кафедры ИВК



Родионов Виктор Викторович

Ульяновск, 2012

В настоящее время известны многочисленные исследования по применению нечеткой логики для автоматического управления и распознаванию образов. Первые практические исследования по теории нечетких множеств были проведены Мамдани для автоматического управления котлами. Исследуя адаптивное и обучающееся управление, он пришел к выводу о необходимости использования нечетких множеств при решении этих задач, так как другие известные методы оказались слишком сложными.1

Таким образом, идея нечеткой логики зародились в технике. Создатель теории нечетких множеств Заде был специалистом по теории управления. В числе основных промышленных применений теории можно назвать управление, диагностику неисправностей, распознавание образов, обработку изображений, анализ надежности, проектирование систем, и т.д. Однако основной областью применения этой теории было управление. В последнее время активно проводятся исследования по приложениям в распознавании образов при компьютерном моделировании. Причиной того, что применение теории началось именно в управлении, является тот факт, что в исходную идею о нечеткой логике изначально укладывались представления об управлении. Более того, поскольку задачи управления возникают почти во всех технологических процессах и в любом оборудовании, потребности в теории и возможности ее приложения были достаточно велики.

В качестве одной из предпосылок возникновения идеи нечеткого множества Заде выдвигает так называемый принцип несовместимости, который заключается в том, что с увеличением размеров и сложности системы существенно усложняется ее моделирование с помощью известных математических выражений. Другими словами, при использовании формул существенно возрастает число переменных и параметров, измерение отдельных переменных и определение параметров сильно затрудняется, и создание полностью адекватной модели становится практически невозможным. Вместо этого Заде предложил лингвистическую модель, которая использует не математические выражения, а слова, отражающие качество. Применение этих слов не обеспечивает такую же точность, какой обладают математические модели, но дает возможность создать хорошую, качественную модель системы. Подобные системы уже используются для экономических и социальных систем. Предметом обсуждения является нечеткость слов языка описания систем. Заде утверждал, что нечеткость – это, скорее, достоинство, а не недостаток моделирования. На примере задачи постановки автомобиля на стояку между двумя другими автомобилями он объясняет достоинства нечеткого описания таким образом.

Следующая общеизвестным методам теории управления и решая эту задачу с помощью уравнений движения автомобиля, поставить автомобиль на стоянку невозможно: нельзя достоверно измерить ни состояние дорожного покрытия, ни состояние шин; построение уравнений движения условно и нельзя определить их параметры. Однако в школе вождения новичок, не зная уравнений движения и обучаясь только со слов инструктора, может умело поставить автомобиль на стояку. Ему говорят: «Поворачивай руль направо, двигайся вперед; верни руль налево и остановись; затем, поворачивая направо, двигайся назад и верни руль налево; в случае неудачи повтори». Следуя общим указаниям, выраженным подобными словами, человек может водить автомобиль, а компьютеру это не под силу. Указания для него должны быть выражены в виде детерминированных математических выражений, но, как сказано выше, вывести их невозможно. Если даже предположить, что такие выражения существуют, они будут упрощенными; в их структуре будут заранее включены характеристики автомобиля и обстановка вокруг него. Управление автомобилем по таким выражениям будет рискованным, поскольку реальность и модель неадекватны. Качественный процесс решения задачи, свойственный человеку, называют нечетким алгоритмом. Идея нечеткого управления состоит в реализации нечеткого алгоритма в компьютере с использованием нечеткой логики. Как уже говорилось в начале главы, исследования применения нечеткой логики в промышленности начались с нечеткого управления и привели к впечатляющим результатам; более того, благодаря успехам нечеткого управления повысился интерес к нечеткой логике во всем мире. Почти все причины успешного применения нечеткой логики в областях, не связанных с управлением, так или иначе сводятся к идее нечеткого управления. Метод нечеткого управления может быть полезен для любых приложений. Но, так как метод нечеткого управления является частным случаем классической схемы логического нечеткого вывода, то необходимым условием является рассмотрение данной схемы в упрощенной форме.
Системы нечеткого вывода строятся на основе понятия лингвистической переменной, которой называют пять объектов:

x – собственное имя переменной;

T(x) – терминальное множество, т.е. набор значений переменной

U – множество объектов (универсум)

G – синтаксические правила употребления

M – семантические правила употребления

Примером лингвистической переменной служит количество денежных средств в финансовых решениях, которое может быть выражено как большое, малое, 1000 рублей, значительное, незначительное.2

В традиционной (двоичной) логике решения об истинности одних суждений выводятся на основании истинности других суждений. Подобный вывод задается в виде схемы: над горизонтальной чертой записываются все суждения, на основании которых принимается решение, а под чертой – полученный результат. Схема корректного вывода обладает тем свойством, что поскольку истинны все суждения над чертой, то истинно также и суждение под чертой, так как из истинных суждений может выводиться только истинный результат. Как известно, основными правилами в двоичной логике являются правила modus ponens и modus tollens. Если предположить, что присутствующие в правилах суждения характеризуются нечеткими множествами, то можно получить обобщенное правило вывода modus ponens и modus tollens.

Для многих приложений, связанных с управлением технологическими процессами, необходимо построение модели рассматриваемого процесса. Знание модели позволяет подобрать соответствующий регулятор (модуль управления). Однако часто построение корректной модели представляет собой трудную задачу, требующую иногда введения различных упрощений. Применение теории нечетких множеств для управления технологическими процессами не предполагает знания моделей этих процессов; следует только сформулировать правила поведения в форме нечетких условных суждений вида IF…THEN – совокупность нечетких продукций называют базами нечетких правил.3

Существуют четыре способа составления базы нечетких правил:


  1. На основе опыта и знаний эксперта

  2. Путем создания модели действия оператора

  3. Путем обучения

  4. На основе нечеткой модели оборудования

Первый способ аналогичен способу создания экспертной системы: в словесном виде извлекаются опыт квалифицированного оператора и знания инженера по управлению, которые затем обобщаются в виде правил нечеткого управления в форме «если…то». Способ 2 используется в случаях, когда от экспертов не удается получить правила в словесном выражении, в частности когда оператор запоминает манипуляции, например в виде движений рук, но представить их на языковом уровне затрудняется. Но даже в этом случае, если действия оператора можно смоделировать в форме «если…то», то их можно непосредственно использовать в качестве правил управления. Способ 3 эффективен в случаях, когда можно провести эксперимент на реальном оборудовании или существует модель оборудования; в частности, он удобен при управлении роботами. Правила нечеткого управления можно формировать путем обучения, начиная с ситуации, когда еще нет ни одного правила, либо в соответствии с изменением среды постепенно улучшать за счет обучения (поэтому можно не привлекать экспертов). Способ 4 используется в случаях, когда предполагается создание нечеткой модели оборудования. Если при этом модель создается в форме «если…то», правила нечеткого управления легко выводятся теоретически, исходя из целей управления и модели оборудования.4

Классическим модулем нечеткого управления является модуль, состоящий из 4 компонентов:



  1. Блок фаззификации

  2. Блок вывода

  3. Блок дефаззификации

  4. База правил

Одним из простейших примеров использования классического модуля является система кондиционирования, которая на основе измеряемых значений температуры и влажности вырабатывает управляющий сигнал, соответствующий интенсивности охлаждения данного помещения. Следует подчеркнуть, что приложения нечетких множеств охватывают в настоящее время широчайший спектр задач – от простых устройств бытового назначения (стиральные машины, холодильники, пылесосы) до более серьезных систем, например, управляющих вентиляцией подземных туннелей либо обеспечивающих производство алкогольных напитков. В частности, в Японии уже давно функционируют большое количество компаний, использующих в производстве механизмы нечеткого управления: компания «Фудзи факому сэйге», компания «NKK», компания «Рико», компания «Хитати». В данных компаниях описанные механизмы применяются в разных областях: управление доменной печью, управление холодной прокаткой, управление скоростью автомобиля, управление водяными насосами, автовождение поездов, распознавание речи, распознавание изображений, и многие другие.5

Исходя из всего вышесказанного, можно сделать вывод о достоинствах и особенностях применения систем нечеткого вывода. Если говорит кратко, то нечеткая логика позволяет удачно представить мышление человека, т.е. способы принятия решения человеком и способы моделирования сложных объектов, и, кроме того, пригодна для представления знаний. В ходе принятия решений человек легко овладевает ситуацией, разделяя ее на события, находит решение в сложных ситуациях путем применения для отдельных событий соответствующих правил принятия решения, на основании прошлого опыта искусно наделяет объект отличительными признаками и приходит к общему решению. Другими словами, решение принимается не на основе унифицированных стоимостных критерием, а с использованием большого числа стоимостных критериев, нередко противоречащих друг другу. В случае неполной информации возможна помощь в принятии решения с использованием выводов. В нечеткое управление вводятся подобные методы принятия решений, свойственные человеку, в форме распределенных по отдельным состояния и целям правил управления и нечетких выводов. Человек в повседневной деятельности никогда не пользуется формальным моделированием на основе математических выражений; он не ищет одного закона, описывающего все. Язык, которым пользуется человек при моделировании – это нечеткий естественный язык. Полученная модель не является унифицированной: она либо описывает свойства фрагментов объектов, либо является набором нескольких локальных моделей, поставленных в определенные условия. Сами локальные модели не используют числовых значений, поэтому не являются микромоделями; обладая некоторой общностью, они просты для понимания на качественном уровне. При нечетком управлении по этому образцу создают модель действий оператора с помощью высказываний типа «если…то», используя обычные слова. В случае представления знаний человек не запоминает данные в том порядке, в котором они появляются, как не запоминает и свои собственные действия; он обобщает и упорядочивает данные и действия в виде знаний так, чтобы их можно было легко понять и в дальнейшем просто к ним обратиться. Представление осуществляется на естественном языке. Вместо того, чтобы выстраивать цепочку числовых значений, человек приводит нечеткие границы типа «малый», «средний» и т.п., причем если представление сводится к словами, можно существенно сэкономить память и при необходимости легко вспомнить. Благодаря нечеткой логике и механизму нечеткого вывода, можно легко представить случаи с неполными данными.6




1 Т.Тэрано Прикладные нечеткие системы / Т.Тэрано, К.Асаи, М.Сугэно. – М. : Мир, 1993. – 64 с.

2 Н.Г. Ярушкина Основы теории нечетких и гибридных систем / Н.Г. Ярушкина. – М. : Финансы и статистика, 2004. – 96 с.

3 Д.Рутковская Нейронные системы, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. – М. : Горячая Линия-Телеком, 2006 – 93 с.

4 Т.Тэрано Прикладные нечеткие системы / Т.Тэрано, К.Асаи, М.Сугэно. – М. : Мир, 1993. – 67 с.

5 Д.Рутковская Нейронные системы, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. – М. : Горячая Линия-Телеком, 2006 – 92 с.

6 Т.Тэрано Прикладные нечеткие системы / Т.Тэрано, К.Асаи, М.Сугэно. – М. : Мир, 1993. – 69 с.